مقاله انگلیسی رایگان در مورد بهینه سازی ازدحام ذره برای زمان بندی وظیفه cloud computing ( الزویر )

 

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  PDF
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 .

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا