بهینه سازی جایگذاری ماشین مجازی در زیرساخت های اینترنت اشیا-ابر از طریق الگوریتم کپک مخاطی الهام گرفته از کوانتوم

با گسترش اینترنت اشیا و خدمات رایانش ابری، بهینه سازی تخصیص منابع و تضمین کیفیت سرویس در محیط هایی با بار کاری متغیر اهمیت فزاینده ای یافته است. در این مطالعه، الگوریتم پیشنهادی کیک مخاطی الهام گرفته از کوانتوم (QSMA) برای زمان بندی و جایگذاری ماشین های مجازی در محیط های اینترنت اشیا ابر مورد ارزیابی قرار گرفته است. عملکرد الگوریتم در چهار سناریوی بارکاری شامل، سبک، متوسط، سنگین و پویا بررسی شد. معیارهای ارزیابی شامل مصرف انرژی، نرخ نقض توافق نامه سطح سرویس، سرویس زمان، پاسخ، بهره وری منابع و هزینه مالی بودند. نتایج شبیه سازی نشان داد که QSMA در مقایسه با الگوریتم های کپک مخاطی استاندارد، بهینه سازی ازدحام ذرات و الگوریتم ژنتیک، به طور میانگین مصرف انرژی را حدود ۳٪، نرخ نقض SLA را ۱۴۱٪ و زمان پاسخ را ۳٪ کاهش داده و هزینه کلی را نیز به میزان ۸٫۲٪ کمتر کرده است. هرچند بهره وری منابع به طور میانگین ۴٫۴٪ کمتر از رقبا بود، اما این نتیجه ناشی از رویکرد محافظه کارانه QSMA در تخصیص منابع با هدف کاهش احتمال نقض توافق نامه سطح سرویس و ارتقای کیفیت سرویس است. در مجموع، نتایج نشان می دهد که الگوریتم QSMA توانایی مدیریت بهینه منابع و حفظ کیفیت سرویس را در محیط های پویا و واقعی داراست و می تواند به عنوان روشی موثر برای سیستم های ابری و اینترنت اشیا مورد استفاده قرار گیرد.

کلیدواژه ها:

الگوریتمهای فراابتکاری کپک ، مخاطی ، اینترنت اشیا ، جایگذاری ماشین مجازی ، رایانش ابری