عنوان فارسی مقاله: بهینه سازی ازدحام ذره پیشرفته برای زمان بندی وظیفه در محیط های رایانش ابری


عنوان انگلیسی مقاله:

Enhanced Particle Swarm Optimization For Task Scheduling In Cloud Computing Environments



برای دانلود رایگان مقاله انگلیسی بهینه سازی ازدحام ذره پیشرفته برای زمان بندی وظیفه در محیط های رایانش ابری و خرید ترجمه فارسی آن با فرمت ورد اینجا کلیک نمایید

 







نمونه متن ترجمه

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 .