کاهش مصرف انرژی با جایگذاری ایستای ماشین های مجازی در رایانش ابری با استفاده از روش ترکیب الگوریتم ژنتیک و جاذبه گرانشی

امروزه مساله مصرف انرژی و در نتیجه افزایش تولید گازهای گلخانه ای به چالش مهم در دنیای رایانش ابری مبدل شده است. مراکز داده ابرها از هزاران گره محاسباتی تشکیل شده است. چنین مراکز داده ای طبیعتا انرژی بالایی دارند که منجر به افزایش گازهای گلخانه ای می شود. این میزان مصرف انرژی تنها وابسته به تعداد منابع محاسباتی و بازده انرژی سخت افزاری نیست بلکه به شکل استفاده از این منابع نیز است. در این پژوهش با یک روش مهاجرت منبع و بهینه سازی جایگذاری منابع مبتنی بر الگوریتم ژنتیک و جاذبه گرانشی با در نظر گرفتن سود کاربر و فراهم کننده، سعی در کاهش مصرف انرزی داشته ایم.

کلیدواژه ها:

الگوریتم ژنتیک ، الگوریتم جاذبه گرانشی ، مصرف انرژی ، مهاجرت منبع