ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مکان یابی بهینه ماشین های مجازی در مراکز داده ابرهای محاسباتی بوسیله الگوریتم فرا ابتکاری خفاش

سال انتشار: 1396
کد COI مقاله: CITCOMP02_251
زبان مقاله: فارسیمشاهد این مقاله: 319
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 20 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مکان یابی بهینه ماشین های مجازی در مراکز داده ابرهای محاسباتی بوسیله الگوریتم فرا ابتکاری خفاش

ثمین سادات جوادی - دانشجوی گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه خیام، مشهد ، ایران
تکتم غفاریان - استادیار گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه خیام، مشهد ، ایران
احمد جنتی فرد - کارشناس ارشد مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه خیام، مشهد ، ایران

چکیده مقاله:

ارایه دهندگان سرویس های ابری عموما مراکز داده با مقیاس بزرگ را در سراسر جهان مورد استفاده قرار می دهند تا بتوانند به نحو مطلوب سرویس های ابری خود را در اختیار مشتریان قرار دهند. مقیاس پذیری و بهره وری این مراکز داده و عملکرد خوب برنامه های کاربردی میزبان بطور عمیقی به عملکرد مناسب و مطلوب سیستم و بطور کلی کارایی سیستم تخصیص منابع آن مراکز داده ارتباط دارد. بیشتر آنها بر این عقیده اند که ماشین های مجازی مهمترین منابع موجود در مراکز داده اند که قرار است وظایف مختلفی را در کمترین زمان ممکن، با حداقل هزینه و نیز حداکثر کیفیت اجرا به مشتریان تحویل نمایند. بنابراین هدف تخصیص منابع به حداکثر رساندن سود دو طرفه برای مشتری و ارایه کننده سرویس ابری است. به گفته محققین این گونه مسایل از جنس مسایل حل نشدنی هستند، واضحتر آن که اجرای آنها به پیچیدگی زمانی و فضایی زیادی نیاز دارند. در نتیجه پژوهشگران بدنبال راه حل های دیگر غالبا بصورت ارایه الگوریتم های ابتکاری و تکنیک های هوشمند و یا اخیرا روش های بهینه سازی تکاملی با ترکیب ویژگی های مختلف که بتواند عملیات تخصیص منابع را به نحو مطلوبتر و بهینه تری انجام دهد، روی آورده اند. مهمترین ابعاد مورد توجه این مسایل حداقل سازی انرژی مصرفی، هزینه و بهبود کیفیت سرویس مخصوصا سرعت زمان پاسخ بوده است. در این پژوهش مدلی از الگوریتم فرا ابتکاری به نام الگوریتم خفاش که از مزیت سادگی و انعطاف پذیری برخوردار است استفاده شده است. الگوریتم خفاش یکی از روش های فرا ابتکاری است که بر اساس اصل انعکاس صدای خفاش و دریافت آن توسط این پرنده عمل می کند. این الگوریتم برای حل مسایل بهینه سازی بسیار مناسب تشخیص داده شده است. به دلیل ویژگی های میزان سازی فرکانس، بزرگنمایی خودکار و کنترل پارامتر، این الگوریتم توانایی ارایه راه حل در مسایلی با مقیاس بالا را دارد و در مقایسه با روش بهینه سازی ازدحام ذرات و خفاش پایه به ترتیب به میزان 28.66% و 31.39% کارایی بهتری دارد.

کلیدواژه ها:

مهاجرت ماشين مجازي، مكان يابي ماشين مجازي، بهينه سازي مصرف انرژي، مركز داده ابري، الگوريتم فراابتكاري، الگوريتم خفاش

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/696192/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جوادی، ثمین سادات و غفاریان، تکتم و جنتی فرد، احمد،1396،مکان یابی بهینه ماشین های مجازی در مراکز داده ابرهای محاسباتی بوسیله الگوریتم فرا ابتکاری خفاش،دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات،تهران،،،https://civilica.com/doc/696192

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، جوادی، ثمین سادات؛ تکتم غفاریان و احمد جنتی فرد)
برای بار دوم به بعد: (1396، جوادی؛ غفاریان و جنتی فرد)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 365
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی