بررسی و مقایسه الگوریتم مگس میوه با الگوریتم شبیه سازی تبرید و الگوریتم ژنتیک برای موازنه بار در رایانش ابری

الگوریتم مگس میوه یک روش مکاشفه ای جدید مبتنی بر رفتار غذایابی مگس میوه است. مگس میوه نسبت به سایر حشراتدیگر دارای حس بویایی و بینایی قوی تری می باشد، به طوری که می تواند بوی انواع میوه ها را در هوا تشخیص دهد. این حشره پس از بوی میوه و بعد از اینکه به موقعیت میوه نزدیک شد، می تواند با استفاده از حس بینایی خود و همکاری با سایرین موقعیت دقیق میوه را بیابد. برای حل مشکل موازنه بار در رایانش ابری الگوریتم های بسیاری مطرح شده اند. در این پژوهش از الگوریتم بهینه سازی مگس میوه برای ایجاد توازن بار در رایانش ابری استفاده شده است. موازنه بار همواره یکی از چالش های اساسی در محیط های رایانش ابری و رایانش داده محور بوده است. زمانیکه توازن بار میان گره های سیستم برقرار نباشد، گره های خاصی دارای بار بسیار سنگین بوده و سرعت آنها کاهش چشمگیری می یابد، در حالیکه گره های دیگر دارای بار کم و یا بیکار میباشند و این باعث افت کارآیی سیستم خواهد شد. بنابراین، همیشه نیاز به الگوریتم های موازنه بار کارآمدی است که بهره برداری از منابع را بهبود بخشند. انتخاب الگوریتم موازنه بار نقش مهمی را در عملکرد کلی سیستم ایفا می کند. بنابراین ازیک الگوریتم خاص باید بر طبق نیازها استفاده کرد. هدف روش پیشنهادی، توازن بار سرورهای فیزیکی و سهولت تخصیص منابع برایماشین های مجازی در بستر رایانش ابری می باشد. روش پیشنهادی در نرم افزار متلب شبیه سازی شده و با الگوریتم های ژنتیک و شبیه سازی تبرید مقایسه گردیده است. بررسیها نشان میدهد که نتایج رویکرد پیشنهادی 4/47% نسبت به الگوریتم شبیه سازی تبرید و 6/58% نسبت به الگوریتم ژنتیک بهبود داشته است.

کلیدواژه ها:

الگوریتم بهینه سازی مگس میوه ، الگوریتم شبیه سازی تبرید ، الگوریتم ژنتیک ، رایانش ابری و موازنه بار