یک الگوریتم تبرید شبیه سازی شده برای اختصاص بهینه منابع در رایانش ابری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 450
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NPECE01_118
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
رایانش ابری دستیابی به منابع محاسباتی از طریق اینترنت است در عمل به جای اینکه اطلاعات بر روی هارد دیسک نگهاری شود و یا برنامه های کاربردی مور نیاز به طور مستمر به روز رسانی شوند به منظور برآوردن نیازهای محاسباتی و پردازشی از سرویسی بر روی اینترنت استفاده می شود که رایانش ابری نام گرفته است این سرویس با داشتن پتانسیل بالا و قدرت کاهش هزینه ها از سوی کاربران و شرکت ها در نوک پیکان توجه قرار گرفته است شبکه رایانش ابری امکان استفاده از سریس های ارائه دهندگان خدمات این نوع شبکه در هر نقطه مکانی و زمانی که قرار دارند در صورت دسترسی به رایانه مرورگر و اینترنت را برای کاربران میسر می سازد ارائه خدمات و سرویس دهی نیازمند محاسبات می باشد تا به بهترین شکل ممکن از منابع استفاده بهینه شود در این زمینه نیز پژوهش های مختلفی صورت گرفته و نتایج حاصله تا حدودی کاربرد داشته اند اما موفق به تامین کامل خواسته های کاربران و شرکت های ارائه دهنده این سرویس نشده اند ما در این پژوهش با استفاده از الگوریتم های تکاملی و با تبدیل مسئله به مسئله جایگشتی ترکیبی سعی در بهبود این روند داشته و نتایج قابل قبولی کسب کرده ایم با استفاده از الگوریتم تبرید شبیه سازی شده موفق به اختصاص بهینه منابع در رایانش ابری شده و گامی مفید در راستای خدمات بهینه در این سرویس شبکه ای برداشته ایم
کلیدواژه ها:
نویسندگان
محمد حسین سهیل بیگی
دانشجوی کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد خمین
محمد خلیلی درمنی
استادیار و عضو هیات علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد خمین
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 :