دانلود مقاله و خرید ترجمه:زمانبندی کارها با استفاده از الگوریتم GSO نافرمانی در محیط رایانش ابری - 2017
بلافاصله پس از پرداخت دانلود کنید
مقالات ترجمه شده محاسبات ابری ( Cloud Computing )
  • Scheduling jobs using oppositional-GSO algorithm in cloud computing environment زمانبندی کارها با استفاده از الگوریتم GSO نافرمانی در محیط رایانش ابری

    دسته بندی:

    محاسبات ابری - Cloud Computing


    سال انتشار:

    2017


    ترجمه فارسی عنوان مقاله:

    زمانبندی کارها با استفاده از الگوریتم GSO نافرمانی در محیط رایانش ابری


    عنوان انگلیسی مقاله:

    Scheduling jobs using oppositional-GSO algorithm in cloud computing environment


    منبع:

    Springer, Wireless Netw (2017) 23:2335–2345 DOI 10:1007/s11276-016-1264-5


    نویسنده:

    Sellaperumal Parthasarathy • Chinnasami Jothi Venkateswaran


    چکیده انگلیسی:

    Cloud computing is an emerging domain that requires more algorithm and techniques for various process. The scheduling process in cloud computing platform needs a good algorithm to schedule the jobs of different users. The main objective of this approach is to develop a scheduling algorithm through iterative algorithm. Here, we use oppositional group search optimization algorithm for iterative process in cloud computing. Initially, we generate a population that contains a group of members and the members consist of the number of users and their respective jobs. The motto of our research is to schedule the user given jobs efficiently. We separate the members from the population based on the fitness function to perform different operations and to generate new members. We calculate the fitness for the new members and iterate the process until we get a stable best member for repeated iteration. Then, we schedule the jobs for the users based on the best member obtained.
    Keywords: Cloud computing | Scheduling | Producer operation | Scrounger operation | Ranger operation | Oppositional operation | Execution time


    چکیده فارسی:

    رایانش ابری، حوزه ی نوظهوری است که به تکنیک ها و الگوریتم های بیشتری برای فرایندهای مختلف نیاز دارد. روند زمانبندی در بستر رایانش ابری به الگوریتم خوبی برای انجام زمانبندی کارهای کاربران مختلف نیاز دارد. هدف اصلی این روش، ایجاد یک الگوریتم زمانبندی از طریق الگوریتم تکرارشونده است. ما در این مقاله از الگوریتم بهینه سازی جستجوی گروهی نافرمانی برای فرایند تکرارشونده در رایانش ابری استفاده می کنیم. ما نخست یک جمعیت ایجاد می کنیم که دربردارنده ی گروهی از اعضا است و این اعضا از تعدادی کاربر و کارهای مرتبط با آنها تشکیل شده اند. هدف پژوهش ما، زمانبندی کارهای مشخص کاربر به شیوه ای کارآمد است. ما اعضا را براساس تابع تناسب از جمعیت جدا می کنیم تا عملگرهای مختلف را انجام دهیم و اعضای جدید را ایجاد کنیم. ما تناسب را برای اعضای جدید محاسبه نموده و فرایند را تا زمانیکه به بهترین اعضای پایدار برای تکرارهای متوالی برسیم، تکرار می کنیم. سپس کارها را برای کاربران براساس بهترین اعضای به دست آمده، زمانبندی می کنیم.
    کلیدواژه ها: رایانش ابری | عملگر اسکرانجر | زمانبندی | عملگر تولیدکننده | عملگر رنجر | عملگر نافرمانی | زمان اجرا


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 30

    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: 343 کیلوبایت


    قیمت: 56160 تومان   


    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
بازدید امروز: 801 :::::::: بازدید دیروز: 3153 :::::::: بازدید کل: 3954 :::::::: افراد آنلاین: 10