الگوریتم زمانبندی جدید برای تخصیص منابع براساس اولویت درخواست در محاسبات ابری با استفاده ازالگوریتم ژنتیک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 488

فایل این مقاله در 8 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:

ICTCK02_157

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

محاسبات ابری الگویی از محاسبات توزیع شده، مرکب از تعداد زیادی منابع و درخواست ها با هدف به اشتراکگذاری منابع بهصورت سرویس، بر روی بستر اینترنت می باشد. منابعی مانند حافظه، پردازشگر، سرویس، همیشه با ارزش می باشند و استفادهبهینه تر از آنها یک چالش بی انتها محسوب می شود، از این رو مسئله زمانبندی در محاسبات ابری، مسئله ای بسیار مهممحسوب می شود. هدف از استفاده سیستم های محاسبات ابری به حداقل رساندن هزینه استفاده از منابع توسط ارائه دهندگانخدمات و نیز به حداکثر رساندن درآمد حاصل ازسرویس دادن به برنامه های کاربردی درخواست کنندگان می باشد.با توجه بهاینکه روشهای قبلی از یک پارامتر برای زمانبندی استفاده می کنند و رضایت مشتری در این الگوریتم ها در نظر گرفته نشدهاست،و همچنین به امر بهینه سازی زمان کل اتمام کارهای محوله به محاسبات ابری پرداخته شده است.در این مقاله، یکالگوریتم زمانبند جدید در محاسبات ابری ارائه میشود که بر اساس اولویت درخواست کنندگان منابع و با استفاده از الگوریتمژنتیک صورت میپذیرد، و هدف اصلی از ارائه این الگوریتم به حداقل رساندن زمان انتظار درخواست کنندگان از منابع ارائه-شده توسط سرویس دهندگان می باشد.و در انتها نشان داده شده است که زمان های اختصاص داده شده توسط الگوریتمپیشنهادی به درخواست مشتری ها نسبت به زمان بندی پیشین آنها بهبود یافته اند .

نویسندگان

نجمه مهدوی نسب

دانشجوی کارشناسی ارشد،نرم افزار،علوم و تحقیقات سیرجان

رضا نورمندی پور

گروه کامپیوتر،واحد سیرجان،دانشگاه آزاد اسلامی،سیرجان، 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 :
  • Wang J., Duan Q., Jiang Y., Zhu X: A New ...
  • multiproce ssors, in 5th IEEE Heterogeneous pp. 105- ", (96؟ ...
  • Aء: 2. Shamsollah Ghanbari, Mohamed Othman Priority based Job Scheduling ...
  • Mrs. S.Selvarani1 _ Dr.G.Sudha Sadhasivam, improved cost-based algorithm for task ...
  • Dr. M. Dakshayini, Dr. H. S. Guruprasad _ Optimal Model ...
  • Computer Applications (0975 Volume 32- No.9, October 2011 ...
  • Arash Ghorbannia D elavar, Mahdi Javanmard _ Mehrdad Barzegar Shabestari ...
  • Applications (IJCSEA) Vol.2, No.3, June 2012 ...
  • Shalmali Ambike, Dipti Bhansali, Jaee Kshirsagar, Juhi Bansiwal _ Optimistic ...
  • Cakar, T., Koker, R., Demir, H.I.; Parallel Minimize ...
  • a Genetic Algorithm, Elsevier, Advances in Engineering Software, Vol. 39 ...
  • D.H.J. Biskup, J.N.D. Gupta, Scheduling Identical Parallel Machines to Minimize ...
  • S.Z Jun, Z.J. Ying; A Genetic Algorithm Based Approach to ...
  • T. Kellegoz, B. Toklu, J. Wilson; Comparing Efficiencies of Genetic ...
  • V.A. Armentano, D.S. Yamashita, Tabu Search for Scheduling on Identical ...
  • Economics, Vol. 55, No. 2, pp. 163 - 168, ...
  • X. Yingjie, C. Zhentong, Jing Sun, An Improved Adaptive Genetic ...
  • Holland, j. "Adaptation in Natural and Artificial Systems", AnnArbor, MI: ...
  • Wang.Sh, Liu.Zh, Sun.Q, Zou.H, Yang.F, Towards an accurate evaluation of ...
  • Manufacturing, Springer US, Vol 25, pp:283- 291, (2014). ...
  • O. M. Elzeki, M. Z. Reshad and M. A. Elsoud, ...
  • نمایش کامل مراجع