استفاده از منطق فازی در رایانش ابری خودرویی با استفاده از تخصیص داده های مختلف

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 584

فایل این مقاله در 11 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:

UTCONF01_145

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

با توجه به ماهیت محاسبات ابر خودرویی و اینکه منابع به صورت متحرک و ناهمگن هستند و ممکن است پسمدتی از دسترس خارج شوند، وجود روش های مناسب تخصیص داده به منابع در محاسبات ابر خودرویی ازاهمیت زیادی برخوردار است. لذا در این مقاله یک روش مبتنی بر منطق فازی برای تخصیص داده ها به منابعمبتنی بر زیرساخت در محاسبات ابر خودرویی ارایه شده است. ابری خودرویی در نظر گرفته در این مقاله بهصورت ارتباطات زیرساخت با خودرو است که داده ها از طریق زیرساخت برای پردازش به منابع اختصاص دادهمی شوند . روش ارایه شده در این مقاله براساس شرایط محیطی، داده ها را به نحوی به منابع اختصاص می دهدکه کارایی ابر افزایش پیدا کند و در عین حال زمان پاسخ پردازش داده ها به حداقل برسد. با توجه به نتایج شبیهسازی، روش پیشنهادی می تواند نسبت به الگوریتم های دیگر عملکرد مناسبی داشته باشد و در مقیاس هایمختلف بهتر از سایر الگوریتم های مشابه دیگر عمل کند.

نویسندگان

اکرم رجبی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد یاسوج

کرم الله باقری فر

عضو هیات علمی دانشگاه آزاد اسلامی واحد یاسوج

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 :
  • Jong Hoon Ahnn , Miodrag Potkonjak. VeSense: High -performance and ...
  • Ashraph Sulaiman a , S.V. Kasmir Raja , Sung Han ...
  • Niroshinie Fernando , Seng W.Loke , Wenny Rahayu. Mobile cloud ...
  • _ Whaiduzzamnan , Mehdi Sookhak , Abdullah Gani, Rajkumar Buyya. ...
  • Salim Bitam, Abdelhanid Mellouk , Sherali Zeadally. HyBR: A Hybrid ...
  • Peyman Talebifard, Victor C.M. Leung. Towards a content-centrc approach to ...
  • Weiwen Zhang, Yonggang Wen and Dapeng Oliver Wu. En ergy-efficient ...
  • Jinglu Zhou, Jing Chen, Lei Li, Zhihong Zhang. The context ...
  • Gongjun Yan, Ding Wen, Stephan Olariu, and Michele Weigle. Security ...
  • Yang Qin and Dijiang Huang. VehiCloud: Cloud Computing Facilitating Routing ...
  • Xianglin Wei, Jianhua Fan, Ziyi Lu and Ke Ding. Application ...
  • Mohanad Syazli Fathi, Mohannad Abedi, Shuib Rambat Context-Aware Cloud Computing ...
  • Mario Gerla, Vehicular Cloud Computing. Vehicular Comm unications and Applications ...
  • Marcos D. Assunc, Marco A. S. Netto. Context-aware Job Scheduling ...
  • Xie Jian, Jicheng Hu. An Optimized Solution for Mobile Environment ...
  • Jing Liu, Xing-Guo Luo, Xing-Ming Zhang, Fan Zhang and Bai-Nan ...
  • Hiromasa Yamauchi, Koji Kurihara, Toshiya Otomo. Effective Distributed Parallel Scheduling ...
  • Abolfazli S, Sanaei Z, Ahmed E, Gani A , Buyya ...
  • Al-Sultan S, Al-Doori MM, Al-Bayatti AH, Zedan H. A comprehensive ...
  • Y. Zhu, A Survey on Grid Scheduling Systems, Department of ...
  • T. Casavant, and J. Kuhl, A Taxonomy of Scheduling in ...
  • G. Sabin, R. Kettimuthu, A. Rajan, and P. Sadayappan, Scheduling ...
  • M, Arora, S.K. Das, R. Biswas, A Decentralized Scheduling and ...
  • X. He, X. Sun and G. Laszewski, A QoS Guided ...
  • F. Berman, R. Wolski, H. Casanova, W. Cirne, H. Dail, ...
  • A. K. Aggarwal and R. D. Kent, An Adaptive Generalized ...
  • M. Wu and X. Sun, _ General Self-Adaptive Task Scheduling ...
  • L He, S.A. Jarvis, D.P. Spooner, D. Bacigalupo, G. Tan ...
  • C. Diot and A. Seneviratne, Quality of Service in Heterogeneous ...
  • C. Cavanaugh, L. Welch, B. Shirazi, E. Huh and S. ...
  • I. Foster, A. Roy and V. Sander, A Quality of ...
  • E. Feller, L. Rilling, and C. Morin, "Energy-aware ant colony ...
  • نمایش کامل مراجع