طراحی یک روش جذیذ توازن بار ماشین های مجازی در محیط محاسبات ابری

توازن بار ماشین های مجازی یکی از مقوله های مهم در تحقیقات محاسبات ابری است. یک روش عمومی بکارگیری الگوریتم های هوش همچون بهینه سازی کلونی مورچه (ACO) است. دو چالش مهم در ACO سنتی وجود دارد. اولا ACO وابستگی زیادی به شرایط اولیه دارد. که ممکن است بر روی حل بهینه نهایی و سرعت همگرایی تاثیر بگذارد. برای حل این مسیله ما الگوریتم ژنتیک (GA) برای بهینه سازی ACO پیشنهاد کرده ایم. ثانیا در الگوریتم ACO بایستی به نقطه محلی برسیم و سرعت همگرایی نوعا کند است. بدین منظور ایده شبیه سازی آنیلینگ (SA) را بکارگرفتیم تا مشکل بهینه محلی و سرعت همگرایی حل شود. سرانجام آزمایش ها نشان داده است که روش جدید مبتنی بر ACO پیشرفته باعث بهبود کارایی در توازن بار شده است.

کلیدواژه ها:

توازن بار ، محاسبات ابری ، بهینه سازی کلونی مورچه (ACO)