با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
دسته بندی:
محاسبات ابری - Cloud Computing
سال انتشار:
2014
ترجمه فارسی عنوان مقاله:
الگوریتم زمانبندی انجام وظایف براساس الگوریتم ژنتیکی و بهینه سازی کلونی مورچه در محاسبات ابری
عنوان انگلیسی مقاله:
A task scheduling algorithm based on genetic algorithm and ant colony optimization in cloud computing
منبع:
IEEE, 2014 13th International Symposium on Distributed Computing and Applications to Business, Engineering and Science
نویسنده:
Chun-Yan LIU, Cheng-Ming ZOU,Pei WU
چکیده انگلیسی:
An efficient approach to task scheduling algorithm
remains a long-standing challenge in cloud computing. In spite
of the various scheduling algorithms proposed for cloud
environment, those are mostly improvements based on one
algorithm.And it’s easy to overlook limitations of the algorithm
itself. Aiming at characteristics of task scheduling in cloud
environment, this paper proposes a task scheduling algorithm
based on genetic-ant colony algorithm. We take the advantage
of strong positive feedback of ant colony optimization (ACO)
on convergence rate of the algorithm into account.But the
choice of the initial pheromone has a crucial impact on the
convergence rate. The algorithm makes use of the global
search ability of genetic algorithm to solve the optimal solution
quickly, and then converts it into the initial pheromone of
ACO. The simulation experiments show that under the same
conditions, this algorithm overweighs genetic algorithm and
ACO, even has efficiency advantage in large-scale
environments. It is an efficient task scheduling algorithm in the
cloud computing environment.
Keywords: cloud computing | task scheduling | genetic algorithm | ant colony optimization
چکیده فارسی:
روش های موثر برای الگوریتم های زمانبندی انجام وظایف، با چالش طولانی مدتی در محاسبات ابری همراه بوده اند. با وجود الگوریتم های زمانبندی مختلف پیشنهاد شده برای محیط ابری، ان ها بیشتر براساس یک الگوریتم بهبود می یابند؛ و مسلط بودن و غلبه بر محدودیت های خود الگوریتم اسان است. به منظور تعیین خصوصیات زمانبندی انجام وظیفه در محیط ابری، این مقاله الگوریتم زمانبندی انجام وظیفه را براساس الگوریتم کلونی مورچه- الگوریتم ژنتیکی پیشنهاد می کند. ما از فیدبک مثبت و دقیق بهینه سازی کلونی مورچه (ACO )و توجه به سرعت همگرایی الگوریتم بهره مند می شویم. ولی انتخاب فرومون اولیه تاثیر مهمی بر سرعت همگرایی دارد. الگوریتم از قابلیت جستجوی کامل الگوریتم ژنتیکی برای یافتن جواب مناسب استفاده می کند، و سپس ان را به فرومون اولیه ACO تبدیل می کند. ازمایش های شبیه سازی نشان می دهند که تحت شرایط مشابه، این الگوریتم عملکرد بهتری نسبت به الگوریتم ژنتیکی و ACO دارد، حتی در محیط های مقیاس-بزرگ، دارای کارایی است. این الگوریتم یک الگوریتم بهینه زمانبندی انجام وظیفه در محیط محاسبات ابری است.
کلمات کلیدی: محاسبات ابری | زمانبندی انجام وظیفه | الگوریتم ژنتیکی | بهینه سازی کلونی مورچه
حجم فایل: 121 کیلوبایت
قیمت: 32400 تومان
توضیحات اضافی:
تعداد نظرات : 0