ترکیب سرویس های وب در محاسبات ابری بر اساس الگوریتم ژنتیک بهبودیافته

محاسبات ابری، مدل رایانشی بر پایه ی اینترنت است که الگویی تازه برای عرضه، مصرف و تحویل سرویس های فناوریاطلاعات شامل: نرم افزار، اطلاعات و منابع اشتراکی رایانشی در بستر اینترنت را ارایه میکند. این خدمات در قالب وبسرویس به کاربران ارایه می شود. هر وب سرویس دارای مولفه های کیفیت سرویس می باشد که بر اساس آن انتخاب وعرضه می شود. این شاخص ها باید برای یک عمل ترکیب وب در نظر گرفته شوند. بااین حال تکنیک های موجود همه اینمشخصه ها را برای توصیف و ترکیب در نظر نمیگیرند. علاوه بر آن، عمل ترکیب وب سرویس ها بر اساس تنها یکی ازشاخص های فوق از دقت کافی و مناسب برخوردار نیست. از آنجایی که تعداد سرویس های وب کاندید برای ترکیب واستفاده که خدمات مشابه اما کیفیت سرویس متفاوت دارند در حال افزایش است، انتخاب یک ترکیب بهینه باکیفیتسرویس مطلوب که بتواند رضایت مشتری را نیز فراهم سازد یکی از چالش برانگیزترین مباحث موجود است. در اینتحقیق سعی بر آن بوده تا از یکی از تکنیک های یادگیری تکاملی که اخیرا موردتوجه بسیار محققین درزمینه ی ترکیبسرویس های وب بوده استفاده گردد. این تکنیک نوع بهبودیافته الگوریتم ژنتیک به نام HPGA بوده که توانسته با تعداد عملگر ژنتیکی کمتر، البته سرعت محاسباتی بیشتر و درنتیجه در زمان عملیاتی کمتر، سرویس وب ترکیبی بهینه را معرفی نماید. نتایج رویکرد پیشنهادی در این پژوهش با تکنیک های مشابه و بر اساس الگوریتم ژنتیک پایه مقایسه گردیده است. این ارزیابی ها نشان می دهد سرعت و عملکرد اجرای رویکرد پیشنهادی نسبت به مدلهای کلاسیک فوق به میزان 24 % بهبود یافته است؛ درحالیکه ترکیب سرویس وب مناسبتر ازنظر کیفیت سرویس را ارایه نموده است.

کلیدواژه ها:

محاسبات ابری ، ترکیب وبسرویس ، الگوریتم ژنتیک ، کیفیت سرویس وب ، معماری سرویس گرا ، محاسبات ابری