مشخصات مقاله | |
عنوان مقاله | Enhanced Particle Swarm Optimization For Task Scheduling In Cloud Computing Environments |
ترجمه عنوان مقاله | بهینه سازی ازدحام ذره پیشرفته برای زمان بندی وظیفه در محیط های رایانش ابری |
فرمت مقاله | |
نوع مقاله | ISI |
سال انتشار | مقاله سال 2015 |
تعداد صفحات مقاله | 10 صفحه |
رشته های مرتبط | مهندسی کامپیوتر |
گرایش های مرتبط | معماری سیستم های کامپیوتری، رایانش ابری و مهندسی الگوریتم ها و محاسبات |
مجله | کنفرانس بین المللی ارتباطات، مدیریت و فناوری اطلاعات
International Conference on Communication, Management and Information Technology |
دانشگاه | دانشکده کامپیوتر و اطلاعات، دانشگاه منوفی، مصر |
کلمات کلیدی | ماشین مجازی، محاسبات ابر، بهینه سازی ذرات ذرات، استراتژی برنامه ریزی، تعادل بار |
کد محصول | 7780 |
نشریه | نشریه الزویر |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
خرید ترجمه این مقاله | خرید ترجمه این مقاله |
بخشی از متن مقاله: |
چکیده
زمان بندی وظیفه از جمله مهم ترین نیازمندی در محیط رایانش ابری می باشد که نقش کلیدی در کارامدی کل امکانات رایانش ابری ایفاء می کند . زمان بندی وظیفه در رایانش ابری بدان معنی می باشد که بهترین منابع مناسب برای وظیفه ای اختصاص یابد که قرار است با بررسی پارامتر های مختلف نظیر زمان ، هزینه ، مقیاس پذیری ، گستره سازی ، قابلیت اطمینان ، دسترس پذیری ، بازده ، بهره برداری منبع و غیره اجراء گردد . قابلیت اطمینان و دسترس پذیری در الگوریتم پیشنهادی مورد توجه قرار می گیرد . بخش عمده الگوریتم های زمان بندی به دلیل پیچیدگی دستیابی با این پارامتر ها به قابلیت اطمینان و دسترس پذیری محیط رایانش ابری نمی پردازند . ما مدل ریاضی را با استفاده از بهینه سازی ازدحام ذره جهش متوازن سازی بار (LBMPSO) مبتنی بر برنامه زمانی و تخصیص برای رایانش ابری پیشنهاد می دهیم که قابلیت اطمینان ، زمان اجراء ، زمان انتقال ، محدوده سازی ، هزینه انتقال و متوازن سازی بار بین وظایف و ماشین مجازی را به حساب می آورد . LBMPSO می تواند در دستیابی به قابلیت اطمینان محیط رایانش ابری از طریق بررسی منابع در دسترس و زمان بندی مجدد وظیفه نقش ایفاء نماید که در تخصیص دادن موفق نمی باشد . LBMPSO رویکرد ما با PSO استاندارد ، الگوریتم تصادفی و الگوریتم LCFP مقایسه شده بود تا نشان دهد که LBMPSO می تواند در گستره سازی ، زمان اجراء ، زمان سفر و هزینه انتقال صرفه جویی نماید . |