زمانبندی وظایف در رایانش ابری با استفاده از الگوریتم بهینه سازی ازدحام ذرات بهبود یافته

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,202

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_153

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

زمانبندی، به معنی واگذاری کارآمد و مناسب منابع به کارها است .هدف اصلی آن، کوتاه کردن زمان تکمیل کار، بالا بردن توان عملیاتی سیستم و ایجاد تعادل بارروی منابع است .این مسئله در ابر به دلیل مقیاس بزرگ منابع، پیچیده تر هم م یشود؛ بنابراین شناخت بهتر الگوریتم ها میتواند در انتخاب الگوریتم مناسب کمک زیادی کند .ویژگی الگوریتم بهینه سازی ازدحام ذرات در حل مسائل بهینه سازی ترکیبی با مقیاس بالا است که به آسانی و با سرعت فضای مسئله را جستجو می کند .سرعت همگرایی با ترکیب الگوریتم بهینه سازی ازدحام ذرات و الگوریتم بازپخت فلزات در هر تکرار بالا می رود و در نتیجه نرخ همگرایی افزایش یافته و بهره وری آن نیز بهبود می یابد .این مقاله الگوریتم بهینه سازی ازدحام ذرات بهبودیافته را برای استراتژی زمانبندی منابه در رایانش ابری پیشنهاد می کند .در طی آزمایشات، نتایج نشان داد که این روش می تواند میانگین زمان اجرا وظایف را کاهش دهد و نرخ دسترسی منابع را بالا می برد

کلیدواژه ها:

نویسندگان

محمد اسمعیلی

گروه مهندسی کامیپوتر پردیس علوم و تحقیقات اردبیل دانشگاه آزاد اسلامی اردبیل ایران

عباس میرزایی

استادیار گروه مهندسی کامپیوتر واحد اردبیل دانشگاه آزاد اسلامی اردبیل 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 :
  • Z. Shan, C. Lin, Modeling and performance evaluation of hierarchical ...
  • M. Bayati et al., Iterative scheduling algorithms, in INFOCON 2007, ...
  • Y. Patel, J. Darlington, A novel stochastic algorithm for scheduling ...
  • E. Carona, V. Garonneb, A. T saregorodtsevc , Definition, modelling ...
  • Weidong H., Y. Yang, L. Chuang, Qos performance analysis for ...
  • A. Afzal, A. S. McGough, J. Darlington, Capacity planning and ...
  • M. Kiran et al., A prediction module to optimize scheduling ...
  • A. Rasooli, M. Mirza -Aghatabar, S. Khorsandi, Introduction of novel ...
  • Yuan-Shun Dai, Min Xie, Kim-Leng Poh, Availability modeling and cost ...
  • Ruifeng Sun, Zhengwen Zhao, Resource scheduling strategy based _ cloud ...
  • Xiaoxia Lu, Zhonghe Zhou, The research for optimization of the ...
  • Li-ping Zhang, Huan-jun Yu, Shang-xu Hu, Optimal choice of parameters ...
  • M. Clerc, J. Kennedy, The particle SWarm- explosion, stability and ...
  • Rui Zhang, A particle SWarm optimization algorithm based on local ...
  • Cheng-Hong Yang, Sheng-Wei Tsai, Li-Yeh Chuang, Cheng-Huei Yang, A modified ...
  • Jiangang Yang, Jinqiu Yang, Intelligence optimization algorithms: A survey, International ...
  • Cun-li Song, Xiao-bing Liu, Wei Wang, Xin Bai, A hybrid ...
  • Yu-dong Zhang, Le-nan Wu, A hybrid TS-PSO optimization algorithm, Journal ...
  • Zhi-hui Zhan, Jun Zhang, Yun Li, Henry Chung, Adaptive particle ...
  • Yonggui Wang, Ruilia Han, Study On cloud computing task schedue ...
  • نمایش کامل مراجع