دانلود و نمایش مقالات مرتبط با مقاله ترجمه شده محاسبات ابری 2020::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - مقاله ترجمه شده محاسبات ابری 2020

تعداد مقالات یافته شده: 2
ردیف عنوان نوع
1 الگوریتم تکاملی چند هدفه مبتنی بر شبکه عصبی برای زمانبندی گردش کار پویا در محاسبات ابری
سال انتشار: 2020 - تعداد صفحات فایل pdf انگلیسی: 16 - تعداد صفحات فایل doc فارسی: 45
زمانبندی گردشکار یک موضوع پژوهشی است که به طور گسترده در محاسبات ابری مورد مطالعه قرار گرفته است و از منابع ابری برای کارهای گردش کار استفاده می¬شود و برای این منظور اهداف مشخص شده در QoS را لحاظ می¬کند. در این مقاله، مسئله زمانبندی گردش کار پویا را به عنوان یک مسئله بهینه سازی چند هدفه پویا (DMOP) مدل می¬کنیم که در آن منبع پویایی سازی بر اساس خرابی منابع و تعداد اهداف است که ممکن است با گذر زمان تغییر کنند. خطاهای نرم افزاری و یا نقص سخت افزاری ممکن است باعث ایجاد پویایی نوع اول شوند. از سوی دیگر مواجهه با سناریوهای زندگی واقعی در محاسبات ابری ممکن است تعداد اهداف را در طی اجرای گردش کار تغییر دهد. در این مطالعه یک الگوریتم تکاملی چند هدفه پویا مبتنی بر پیش بینی را به نام الگوریتم NN-DNSGA-II ارائه می¬دهیم و برای این منظور شبکه عصبی مصنوعی را با الگوریتم NGSA-II ترکیب می¬کنیم. علاوه بر این پنج الگوریتم پویای مبتنی بر غیرپیش بینی از ادبیات موضوعی برای مسئله زمانبندی گردش کار پویا ارائه می¬شوند. راه¬حل¬های زمانبندی با در نظر گرفتن شش هدف یافت می¬شوند: حداقل سازی هزینه ساخت، انرژی و درجه عدم تعادل و حداکثر سازی قابلیت اطمینان و کاربرد. مطالعات تجربی مبتنی بر کاربردهای دنیای واقعی از سیستم مدیریت گردش کار Pegasus نشان می¬دهد که الگوریتم NN-DNSGA-II ما به طور قابل توجهی از الگوریتم¬های جایگزین خود در بیشتر موارد بهتر کار می¬کند با توجه به معیارهایی که برای DMOP با مورد واقعی پارتو بهینه در نظر گرفته می¬شود از جمله تعداد راه¬حل¬های غیرغالب، فاصله¬گذاری Schott و شاخص Hypervolume.
مقاله ترجمه شده
2 تعادل بار در محاسبات ابری: یک تصویر بزرگ
سال انتشار: 2020 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 27
زمان بندی یا تخصیص درخواست کاربر (وظایف) در محیط ابری یک مساله بهینه سازی NP-hard است. مطابق با زیرساخت ابری و درخواست های کاربران، سیستم ابری همراه با برخی بارها (که ممکن است کم باری یا اضافه بار یا بار متعادل باشد) اختصاص داده می شود. شرایطی همانند کم باری یا اضافه بار سبب خرابی سیستم مرتبط با مصرف توان، زمان اجرا، خرابی ماشین و غیره شود. بنابراین، توازن بار برای غلبه بر تمامی مشکلات اشاره شده فوق مورد نیاز است. این توازن بار کارها (آن ها ممکن است وابسته یا مستقل باشند) بر ماشین های مجازی (VM) جنبه مهمی از زمان بندی کارها در ابرها است. انواع مختلف بارها در شبکه ابری همانند بار حافظه، بار محاسباتی (CPU)، بار شبکه و غیره وجود دارد. توازن بار مکانیزم شناسایی نودهای اضافه بار و کم بار و سپس توزان بار در بین آن ها است. محققان روش های مختلف توازن بار را در محاسبات ابری برای بهینه سازی پارمترهای مختلف عملکرد پیشنهاد داده اند. ما یک طبقه بندی را برای الگوریتم های توزان بار در ابر ارائه کرده ایم. توضیح کوتاهی از پارامترهای عملکرد در ادبیات و اثرات آن ها در این مقاله ارائه شده است. به منظور تحلیل عملکرد الگوریتم های مبتنی بر اکتشاف ، شبیه سازی ها در شبیه ساز CloudSim انجام شده است و نتایج به طور کامل ارائه شده است.
کلید واژه ها: محاسبات ابری | مصرف انرژی | تعادل بار | مجازی سازی | ماشین مجازی | تخصیص وظیفه
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi