حل مسأله بهینه سازی زمانبندی مسیر پایگاه داده های ابری با ارائه یک الگوریتم ترکیبی برای حل مسائل بهینهسازی با استفاده از الگوریتم های ICA-MPSO-MGA

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 654

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_275

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

پردازش های ابری و محیط ابر و پایگاه داده های ابری محل ذخیره سازی اطلاعات روی وب می باشد و برای دسترسی بهآنها باید بهینه ترین مسیر را پیدا نمود، بنابراین انتخاب بهترین مسیر برای پایگاه داده بسیار مهم می باشد که برای پیدا کردنمسیر بهینه می توان از الگوریتم های بهینه سازی استفاده کرد. مسئله مورد بررسی، زمان بندی می باشد، یعنی مسیری را انتخابمی کنیم که حداقل زمان را داشته باشد، برای این کار سرعت و دقت بسیار مهم می باشد. الگوریتم جدید ICA- MPSO-MGA از یک پدیده اجتماعی -انسانی الهام گرفته است. پژوهش صورت گرفته بر مبنای الگوریتم بهینه سازی ICA- MPSO-MGA است. این الگوریتم جدید توانسته است با سرعت و دقت بالا و تعداد دفعات اجرایکم در حداقل زمان با استفاده از ایده جدید تابع هزینه استفاده شده، بهینه ترین مسیر پایگاه داده مورد نظر را پیدا کند وکارایی زمان بندی محاسبات ابری را بهبود بخشد. بدین صورت که چند شبکه را در نظر گرفته ایم و در هر شبکه نودهاییاز گراف قرار دادهشده و فرض بر این است که هر نود گراف یک پایگاه داده ابری میب اشد، ما باید از نود مبدأ به نودمقصد با کمترین هزینه حرکت کنیم، کمترین هزینه، بهینه ترین مسیر ما میباشد؛ در نهایت پروژه خود را با زبان متلبپیاده سازی کردهایم و نتایج حاصل به خوبی بیانگر کارایی بالای الگوریتم ICA- MPSO-MGA در یافتن مسیر بهینهدر پایگاه داده ابری است.در این مقاله ترکیبی از الگوریتم های ازدحام ذرات و ژنتیک ارائه شده است. با ترکیب سهالگوریتم رقابت استعماری، ازدحام ذرات و ژنتیک کارایی الگوریتم رقابت استعماری بهبود داده شده است. برای نشاندادن توانایی الگوریتم جدید، توابع محک مختلفی استفاده شدهاند وبا استفاده از الگوریتم جدید زمان بندی مسیر پایگاهداده های ابری نیز بهینه شد، در نهایت نتایج حاصل بخوبی بیانگر کارایی بالای الگوریتم جدید است.

نویسندگان

زهرا بای

دانشکده فنی و مهندسی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد بندرعباس

فاطمه سعادت جو

دانشکده فنی مهندسی، گروه کامپیوتر، دانشگاه علم و هنر یزد

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 :
  • آتش پزگرگری، ا. 1387؛توسعه الگوریتم بهینه‌سازی اجتماعی و بررسی کار ...
  • ساجدی هدیه، ثامتی حسین _ بیگی حمید.1386؛ MPSO الگوریتمی جهت ...
  • International Conference on Iaformation Tecbnology, Computer & Communicatio رایمذپوژو0 28 ...
  • Zihou Yang, Lixin Tang, Jiyin Liu, Aiying Rong. (2000).A multiple ...
  • Abdechiri, M & Meybodi, M.R. (2011).A Hybrid Hopfield Network-I mperialist ...
  • Competitive Algorithm for Solving the SAT Problem.3rd International Conference _ ...
  • Ban A. Mitras and Jalal A. Sultan.(2013).A Novel Hybrid Imperialist ...
  • Holland, Joln H. (1975).Adaptation in Natural and Artificial Systems .University ...
  • Kennedy J and R. (1 948). Eb erhart.Particle Swarm Optimization. ...
  • Kun Li, Gaochao Xu, Guangyu Zhao, Yushuang Dong, Dan Wang, ...
  • Gong Ch, Liu J, Zhang O, Chen H, Gong Zh. ...
  • LlU Jia, HUANG Ting Lei.(2010). "Dynamic Route Scheduling for Optimization ...
  • Minton S, Johnston. Minimizing conflicts: (1992)A heuristic repair method for ...
  • constraint satisfaction and scheduling problems[J] .Artificial Intellience, 1992. Zhang Yan-hua, ...
  • نمایش کامل مراجع