CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارایه مکانیزمی مبتنی بر الگوریتم بهینه سازی علف های هرز در زمانبندی وظایف در محیط محاسبات ابری

عنوان مقاله: ارایه مکانیزمی مبتنی بر الگوریتم بهینه سازی علف های هرز در زمانبندی وظایف در محیط محاسبات ابری
شناسه ملی مقاله: COMCONF03_212
منتشر شده در سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر در سال 1395
مشخصات نویسندگان مقاله:

پریا اردستانی - گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
کامبیز بدیع - عضو هیات علمی و دانشیار، پژوهشگاه ارتباطات و فناوری اطلاعات (مرکز تحقیقات مخابرات ایران)

خلاصه مقاله:
رایانش ابری، سبک محاسباتی جدیدی است که به سبب پیشرفت های بی شمار آن مانند ارایه سرویس برحسب تقاضا، پرداخت در ازای استفاده و اشتراک منابع در بین سایر سبک های محاسباتی برتری پیدا کرده و مشتریان و تولیدکنندگان بسیاری را به خود جلب کرده است. محاسبات ابری یک تکنولوژی در حال ظهور است، با توجه به اینکه منطق محاسبات ابری براساس پردازش موازی سیستم ها است بنابراین ساز و کار زمانبندی یکی از مهمترین نقش های حیاتی را در محیط محاسبات ابری ایفا می کند و هسته محاسبات ابری، بدون زمانبندی مفهومی ندارد. در این مقاله با استفاده از الگوریتم بهینه سازی علف های هرز زمانبندی وظایف در محیط ابر در جهت کمینه سازی زمان تکمیل وظایف انجام شده است. در جهت بهبود عملکرد الگوریتم بهینه سازی علف های هرز از عملگرهای تعویض و وارون سازی استفاده شده است تا تنوعی بیشتری در فضای پاسخ ایجاد شود و در صورت افتادن در نقاط بهینه محلی باعث خروج و یافتن پاسخ بهینه سراسری شوند. پس از مدل سازی مسیله با استفاده از الگوریتم بهینه سازی علف های هرز و بهبود آن، زمانبندی وظایف به ازای 15، 20، 25 و30 وظیفه بر روی 4 پردازنده انجام می شود و نتایج آن با الگوریتم بهینه سازی ازدحام ذرات مقایسه می شود. نتایج حاکی از عملکرد بهینه الگوریتم بهینه سازی علف های هرز با زمان تکمیل وظایف 126، 156، 196 و 245 به ترتیب براساس 15، 20، 25 و 30 وظیفه در برابر الگوریتم بهینه سازی ازدحام ذرات است.

کلمات کلیدی:
زمانبندی وظایف، محاسبات ابری، الگوریتم بهینه سازی علف های هرز

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/576654/