کاهش مصرف انرژی در رایانش ابری بر اساس روش مبتنی برعامل و الگوریتم فراابتکاری فاخته

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,376

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RSTCONF01_283

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

در رایانش ابری، مدیریت منابع یکی از مهمترین مباحث میباشد. فرآیند مدیریت منابع، فرایندی بسیار پیچیده بوده و تحقیقات بسیارزیادی در این زمینه انجام گرفته است تا همه ابعاد آن به درستی شناخته شده و توانایی استفاده موثرتری از منابع ابرها ایجاد گردد. مدیریت منابع شامل مباحثی همچون فرایند تخصیص منابع، زمانبندی منابع، تعادل بار، کاهش مصرف انرژی و ... میباشد. یکی از روش های مهم و کلیدی مدیریت منابع در رایانش ابری، مفهوم مدیریت منابع براساس روش مبتنی بر عامل می باشد. در این روش،کاربر نیاز ندارد که بداند محل اقامت منابع ارائه دهنده خدمات ابر، در کجا قرار دارد. سیستم پیشنهادی در این زمینه دارای سه نوععامل یعنی عامل مصرف کننده، عامل واسطه کارگزار ابر و عامل ارائه دهنده منابع می باشد. در این مقاله علاوه بر روش مبتنی بر عامل از الگوریتم فراابتکاری فاخته برای تخصیص بهتر منابع به مصرف کننده استفاده شده است. نتایج نشان میدهد زمانی که از روش پیشنهادی استفاده میشود انرژی مصرفی برای میزبانها بدون افزایش میزان تخلف از توافق نامه با مشتری به مقدار قابل توجهای کاهش مییابد

کلیدواژه ها:

نویسندگان

ایمان باجلان

کارشناس ارشد مهندسی نرم افزار، کامپیوتر،دانشگاه آزاد اسلامی واحد بروجرد

مهدی فاضلی

استادیار ، دکتری معماری کامپیوتر،کامپیوتر، دانشگاه علم و صنعت ایران

احمد پاطوقی

استادیار ، دکتری معماری کامپیوتر،کامپیوتر، دانشگاه علم و صنعت ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Chevaleyre, Y. and Dunne, P.E. (2006), Issues in multiagent resource ...
  • Dasgupta, K. and Mandal, B. (2013), A Genetic Algorithm (GA) ...
  • Mihailescu, M. and Teo, Y.M. (2010), Strategy-proof dynamic resource pricing ...
  • Mihailescu, M. and Teo, Y.M. (201 0), Dynamic resource pricing ...
  • You, X. and Xu, X. (2009), Ras-m: Resource allocation strategy ...
  • Attar, N.E. and Awad, W. (2012), Resource Provision for Services ...
  • Beloglazov, A. and Buyya, R. (2012), Optimal Online Deterministic Algorithms ...
  • Beloglazov, A. and Buyya, R. (2012), Energy-aware resource allocation heuristics ...
  • Park, K. and Pai, V. (2006), CoMon: a mostly-scalable monitoring ...
  • نمایش کامل مراجع