یک رویکرد ترکیب سرویسها آگاه از انرژی در لایه ابر بر اساس الگوریتم بهینه سازی عقاب سیاه و شبکه عصبی BiLSTM

امروزه بسیاری از شرکتها و افراد برای پردازش درخواستهای خود از فضای محاسبات ابری استفاده می کنند. سرویسهای که در لایه ابر قرار دارد می تواند به صورت اتمیک یا ترکیبی به کاربران سرویس متنوعی را ارایه دهند. بیشتر درخواستهای کاربران در لایه ابر پیچیده تر از آن است که با یک سرویس اتمیک پردازش شود و از این جهت در بیشتر موارد نیاز است که سرویسها با هم ترکیب شوند. سرویسهای لایه مه بر خلاف لایه ابر دارای سرعت عمل بیشتری برای ارایه سرویس به کاربران می باشند و از این جهت می توان در ترکیب سرویسها از سرویسهای لایه مه و ابر به طور همزمان استفاده نمود یافتن ترکیب بهینه سرویسها که باعث کاهش هزینه و زمان شود و از طرفی قابلیت در دسترس بودن و قابلیت اطمینان را افزایش دهد یک مسئله بهینه سازی از نوع NP-Hard است. در این پژوهش برای ترکیب بهینه سرویسها از الگوریتم عقاب بال سیاه استفاده می شود و برای پیش بینی کیفیت سرویسهای که می توانند در ترکیب سرویسها استفاده شوند از BiLSTM استفاده می شود. آزمایشات نشان داد روش پیشنهادی در تشخیص و پیش بینی ماهیت سرویسها دارای دقت، صحت و حساسیتی برابر ۹۳.۳۴، ۹۱.۸۲ و ۹۰.۶۳٪ است. روش پیشنهادی نسبت به روشهای WSIR، WRAMF و FDM-DCN دقت بیشتری در پیش بینی نوع سرویسها دارد. میانگین مصرف انرژی و زمان ترکیب سرویسها در روش پیشنهادی از روشهای Com۲، DC-C، EASC و LL-C کمتر است.

کلیدواژه ها:

ترکیب سرویسها ، سرویسهای ابری ، کاهش مصرف انرژی ، الگوریتم عقاب بال سیاه