دانلود مقاله و خرید ترجمه:یک الگوریتم ترکیبی بهبود یافته فازی کلنی مورچه ای به کار رفته برای متعادل سازی بار در محیط محاسبه ابری - 2019
بلافاصله پس از پرداخت دانلود کنید
مقالات ترجمه شده محاسبات ابری ( Cloud Computing )
  • An improved Hybrid Fuzzy-Ant Colony Algorithm Applied to Load Balancing in Cloud Computing Environment یک الگوریتم ترکیبی بهبود یافته فازی کلنی مورچه ای به کار رفته برای متعادل سازی بار در محیط محاسبه ابری

    سال انتشار:

    2019


    ترجمه فارسی عنوان مقاله:

    یک الگوریتم ترکیبی بهبود یافته فازی کلنی مورچه ای به کار رفته برای متعادل سازی بار در محیط محاسبه ابری


    عنوان انگلیسی مقاله:

    An improved Hybrid Fuzzy-Ant Colony Algorithm Applied to Load Balancing in Cloud Computing Environment


    منبع:

    Sciencedirect - Elsevier - Procedia Computer Science 151 (2019) 519–526


    نویسنده:

    Awatif Ragmani, Amina Elomri, Noreddine Abghour, Khalid Moussaid, Mohammed Rida


    چکیده انگلیسی:

    This paper outlines a novel hybrid algorithm based on the Fuzzy logic and ant colony optimization (ACO) concepts to improve the load balancing in the Cloud environment. Unfortunately, the large number of requests processed as well as the servers available at each instant t, make the conventional algorithms of load balancing ineffective. The proposed algorithm considers the load balancing and response time objectives in the Cloud. Moreover, the performance of the ACO algorithm is strongly correlated with the ACO parameters’ values. The introduced approach (i) applies the Taguchi experimental design to identify the best value of ACO parameters (ii) and define a fuzzy module to evaluate the pheromone value in order to improve the calculation duration. The achieved simulations through CloudAnalyst platform demonstrate the effectiveness of the combined Fuzzy-ACO algorithm in comparison with other load balancing algorithms.
    Keywords: Ant Colony Optimization | Fuzzy Logic | Cloud computing | Load Balancing | Taguchi | Response time.


    چکیده فارسی:

    این مقاله یک الگوریتم ترکیبی نوین را برمبنای منطق فازی و مفاهیم بهینه سازی کلنی مورچه ای (ACO) جهت بهبود متعدل سازی بار در محیط ابری توضیح می دهد. متاسفانه تعداد زیاد درخواست های پردازش شده و نیز سرورهای دردسترس در هر نمونه t، الگوریتم های سنتی متعادل سازی بار را غیرمفید می کند. الگوریتم پیشنهادی متعادل سازی بار و اهداف زمان پاسخ را در ابر مدنظر قرار می دهد. به علاوه، عملکرد الگوریتم ACO شدیدا" با مقادیر پارامترهای ACO همبسته است. دیدگاه معرفی شده (1) از طراحی تجربی تاگوچی برای شناسایی بهترین مقدار پارامترهای ACO استفاده می کند (2) و یک مدول فازی برای ارزیابی مقدار فرومون به منظور بهبود مدت زمان محاسبه تعریف می کند. شبیه سازی های به دست آمده ازطریق بستر تحلیلگر ابری نشانگر مفید بودن الگوریتم فازی ترکیبی ACO در مقایسه با سایر الگوریتم های متعادل سازی بار هستند.
    کلیدواژه ها: بهینه سازی کلنی مورچه ای | منطق فازی | محاسبه ابری | متعادل سازی بار | تاگوچی | زمان پاسخ


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 18

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 1410 کیلوبایت


    قیمت: 25000 تومان    20000 تومان (20 % تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi