ورود
مقالات فارسیISIکنفرانسهاژورنالها

استفاده از الگوریتم نیروی گرانشی جهت بهینهسازی تخصیص منابع در محاسبات ابری

محل انتشار: دومین کنگره ملی راهکارهای دستیابی به توسعه پایدار در بخشهای توسعه علم و فناوری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 559

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/606551

شناسه ملی سند علمی:

STCONF02_011

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

رایانش ابری نمونهی پردازش توزیع شده در مقیاس بزرگ میباشد که در آن مجموعه ای از منابع رایانش برای کاربران (که مصرف کنندگان ابر نامیده می شوند) از طریق اینترنت در دسترس قرار میگیرد منابع رایانش به عنوان مثال قدرت پردازش ذخیره سازی نرم افزار و پهنای باند شبکه برای کاربران ابر به عنوان خدمات اجتماعی در دسترس عموم ارایهمیشوند مدیریت بهینه منابع یکی از مهمترین مسایل در این حوزه میباشد بهینه سازی مصرف منابع در رایانش ابری یکی از روشهای کاهش هزینهها میباشد در این مقاله با استفاده از الگوریتم جستجوی گرانشی بهینه سازی منابع در رایانش ابر مورد بررسی قرار گرفته و تحلیل شده است و در نهایت چالشها برای این موضوع ارا یه شده اند برای نشان دادن کاراییالگوریتم پیشنهادی این الگوریتم با الگوریتم کلونی مورچگان ( ACO ) مقایسه شده است نتایج تجربی نشان می دهد که الگوریتم پیشنهادی از کارایی بالاتری نسبت به الگوریتم مورد مقایسه برخوردار است

کلیدواژه ها:

نویسندگان

بهاره هادینژاد امیری

دانشگاه آزاد اسلامی، واحد آیت الله آملی، گروه مهندسی کامپیوتر، آمل، ایران

حمید توکلایی

دانشگاه آزاد اسلامی، واحد آیت الله آملی، گروه مهندسی کامپیوتر، آمل، ایران

محمد مهدی حسنی

دانشگاه آزاد اسلامی، واحد آیت الله آملی، گروه مهندسی کامپیوتر، آمل، 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 :
  • Choubey, R., Dubey, R., & Bhattacharjee, J. (2011). A Survey ...
  • Li, L. (2009). An optimistic differentiated service job scheduling system ...
  • F. Durao, J. F. S. Carvalho, A. Fonseka, V. C. ...
  • Linthicum, D. S. (2009). Cloud computing and SOA convergence in ...
  • Boroujerdi, M. M., & Nazem, S. (2009). Cloud computing: changing ...
  • Buyya, R., Yeo, C. S., & Venugopal, S. (2008). M ...
  • X. Yang et al., 2 Cloud computing in e-Science: research ...
  • S. Singh, I. Chana, "QRSF: QoS-aware resource scheduling framework in ...
  • Liu, K., et al. (2010). "A compromi sed-time-cost scheduling algorithm ...
  • Pandey, S., Wu, L., Guru, S. M., & Buyya, R. ...
  • Lin, C, & Lu, S. (2011). Scheduling scientific workflows elastically ...
  • Wu, Z., Liu, X., Ni, Z., Yuan, D., & Yang, ...
  • Varalakshmi, P., Ramaswamy, _ B al asubramanian, _ & Vijaykumar, ...
  • I. A. Moschakis, H. D. Karatza, "Evaluation of gang scheduling ...
  • Verma, A., & Kaushal, S. (2012). Deadline and budget distribution ...
  • Bittencourt, L. F., & Madeira, E. R. M. (2011). HCOC: ...
  • Z. Wu, X. Liu, Z. Ni, _ Yuan, Y. Yang, ...
  • _ _ Ergu, G. Kou, Y. Peng, Y. Shi, Y. ...
  • S. Ho sseinimotlagh, F. Khunjush, R. Samadzadeh, "SEATS: smart energy-awar ...
    • نمایش کامل مراجع