ارائه روشی جهت بهینه سازی تخصیص منابع و زمانبندی کاردر رایانش ابری با استفاده ازالگوریتم شبکه عصبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 652

فایل این مقاله در 20 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:

CITCONF03_039

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

افزایش استفاده از منابع برای محیط رایانش ابری IaaS مهم تر است. هنگامی که ابر منابع را بر روی یک شبکه مدیریت می کند، درخواستسریال از تمام کاربران برای خدمات ابرارسال می شود. اغلب، کارهای بسیاری در یک دوره انبوه کاری تکرار شده است بنابراین نیاز به منابعمشابهی برای همان زمان است.روش یادگیری دارای توانایی برای تحقق این نیاز برای هر دوره از زمان است که از کار موثر زمان بندی و تخصیص منابع پشتیبانی می کند. در این مقاله ما روش جدیدی برای تخصیص منابع و زمان بندی کار های شبکه عصبی ( LA ) ارائه کردیم. این روش که NLOLA نامیده می شود توسط اطلاعات تاریخی از اجرای وظیفه در توده آموزش دیده شده، و سپس این کار به بسیاری از سطح ها تقسیم می شود و آنها را ارزیابی می کند. بعد، مدیریت ماشین مجازی برای منابع فیزیکی در هر دوره بر اساس میزان سطح کار ضبط می شود، به طوری که بهره وری شبکه توده را بهبود می بخشد

نویسندگان

ابوالفضل جنگانی

دانشجوی کارشناسی ارشد،گروه کامپیوتر، دانشگاه آزاد واحد......، ......، ایران

مجتبی رئیسی نژاد

گروه مهندسی کامپیوتر، واحد ........، دانشگاه آزاد .......، 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 :
  • A .Kaleeswaran, V.Ramasamy, P .Vivekanandan , Dynamic scheduling of data ...
  • Jiayin Li, Meikang Qiu , Zhong Mingb, Gang Quan, Xiao ...
  • C. Germain -Renaud, O. Rana, The convergence of clouds, grids, ...
  • B. Sotomayor, R. Montero, I. Llorente, I. Foster, Virtual infrastructure ...
  • J. Dean, S. Ghemawat, MapReduce: simplified data processing On large ...
  • Hyukho Kim, Woongsup Kim and Yangwoo Kim, "Experimental Study to ...
  • (6] Chenhong Zhao, Shanshan Zhang, Qingfeng Liu, "Independent Tasks Scheduling ...
  • M.R. Meybodi, H. Beigy and M. Taherkhani, Cellular Learning Automata ...
  • Sandeep Tayal, Tasks scheduling optimization for the cloud computing systems, ...
  • Saeid Abrishami, Mahmoud Naghibzadeh, Dick H.J. Epema, Deadline- constrained workflow ...
  • Sen Su, Jian Li, Qingjia Huang, Xiao Huang, Kai Shuang, ...
  • G.Sireesha, L.Bharathi, Exploiting dynamic reSource allocation for efficient parallel data ...
  • نمایش کامل مراجع