زمانبندی کارها در رایانش ابری ترکیبی با استفاده از الگوریتم کلونی زنبور عسل

سال انتشار:

1395

نوع سند:

مقاله کنفرانسی

زبان:

فارسی

مشاهده:

649

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ASEA01_052

تاریخ نمایه سازی: 18 تیر 1396

چکیده مقاله:

استفاده از محاسبات ابری هزینههای محاسباتی صنایع IT را کاهش میدهد. بسیاری از شرکتها باهدف حفظ محرمانگی دادههای حساس، زیرساختهای ابری مختص خود را توسعه دادهاند. نیاز به منابع محاسباتی بیشتر یا لزوم انجام پردازش روی دادههای حجیم، عواملی هستند که منجر به گسترش برنامهی در حال اجرا روی ابر خصوصی به درون ابر عمومی میشوند. ازنقطهنظر زمانبندی، ارایه راهحلی که با در نظر گرفتن امنیت دادههای محرمانه و سایز دادههای حجیم بتواند دستهای از کارهای وابسته به داده را به صورتی کارآمد در یک ابر ترکیبی به اجرا درآورد از اهمیت بالایی برخوردار است. در این مقاله بهمنظور بررسی ارتباط بین زمان تکمیل کارها در ابرهای ترکیبی و زمان انتقال دادههای موردنیاز آنها، ابتدا مسیله بهصورت یک مسیله بهینهسازی دو هدفه مدل شده و سپس یک روش مبتنی بر کلونی زنبور عسل مصنوعی برای کشف منحنی مرزی پارتو ارایه میشود. نتایج حاصل از شبیهسازی روش پیشنهادی و مقایسهی آن با تکنیکهای موجود، عملکرد مناسب تکنیک ما را در دستیابی به اهداف کمینهسازی زمان تکمیل کار و زمان انتقال داده به اثبات میرساند.

کلیدواژه ها:

ابرهای ترکیبی ، زمانبندی ، بهینهسازی ، تکرار داده ، کلونی زنبور عسل مصنوعی

نویسندگان

ابوالفضلعربی
ابوالفضل عربی

گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران

شهرامگلزاری
شهرام گلزاری

گروه مهندسی برق و کامپیوتر، دانشکده مهندسی، دانشگاه هرمزگان، بندرعباس، ایران

عباسحریفی
عباس حریفی

گروه مهندسی برق و کامپیوتر، دانشکده مهندسی، دانشگاه هرمزگان، بندرعباس، 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 :
  • Agrawal, D., S. Das, and A. El Abbadi. Big data ...
  • Microsoft Azure. 2015 [cited 2015; Available from: _ : _ ...
  • Augonnet, C., et al. Data-aware task scheduling on m _ ...
  • Taheri, J., Y.C. Lee, and A.Y. Zomaya, Simultaneous Job and ...
  • Kolodziej, J. and S.U. Khan, Data scheduling in data grids ...
  • Butani, R.C., B.D. Gajjar, and R.A. Thakker. Performance evaluation of ...
  • Kang, F., J. Li, and Q. Xu, Structural inverse analysis ...
  • Singh, A., An artificial bee colony algorithm for the leaf-constra ...
  • Karaboga, D., et al., A comprehensive survey: artificial bee colony ...
  • McClatchey, R., et al., Data intensive and network aware (DIANA) ...
  • Taheri, J., et al., A Bee Colony based optimization approach ...
  • Karaboga, D., An idea based on honey bee swarm for ...