زمان‌بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم‌های پیشرفته تکامل جمعیت

زمان‌بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم‌های پیشرفته تکامل جمعیت

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 22

تعداد کلمات : 7000

مجله : electronics

انتشار : 2022

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
28 آگوست 2022
دسته بندی
تعداد بازدیدها
1452 بازدید
45,000 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:زمان‌بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم‌های پیشرفته تکامل جمعیت فاسمیده (چوبک سانان)

 چکیده

 به نظر می‌رسد رایانش ابری نتیجه پیشرفت در محاسبات توزیع شده، محاسبات موازی و محاسبات شبکه باشد. مدیریت و تخصیص منابع ابری به عنوان یک جهت تحقیقاتی مرکزی مطرح شده است. یک سیستم تخصیص منابع هوشمند می‌تواند هزینه‌ها و هدر رفتن منابع را به میزان قابل توجهی به حداقل برساند. در این مقاله، ما یک تکنیک زمان‌بندی وظایف را بر اساس الگوریتم پیشرفته تکامل جمعیت فاسمیده (APPE) در یک محیط ابری ناهمگن ارائه می‌کنیم. این الگوریتم با بهبود تکامل همگرای نزدیکترین راه حل‌های بهینه، زمان صرف شده برای یافتن راه حل‌ها را تسریع می‌بخشد. سپس یک استراتژی راه اندازی مجدد اضافه می‌کند تا از ورود الگوریتم به بهینه سازی محلی جلوگیری کند و قابلیت‌های اکتشاف و توسعه آن را متعادل کند. علاوه بر این، تابع ارزیابی به معنای یافتن بهترین راه‌حل‌ها با در نظر گرفتن زمان ساخت، هزینه منابع و درجه تعادل بار است. نتایج الگوریتم APPE در حال آزمایش بر روی ۳۰ تابع معیار نشان می‌دهد که عملکرد آن از الگوریتم‌های مشابه بهتر است. به طور همزمان، الگوریتم مشکل زمان‌بندی وظایف را در محیط محاسبات ابری حل می‌کند. این روش در مقایسه با سایر الگوریتم‌ها زمان همگرایی سریع‌تر و استفاده از منابع بیشتری دارد.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Task Scheduling in Cloud Computing Environment Using Advanced Phasmatodea Population Evolution Algorithms

Abstract

 Cloud computing seems to be the result of advancements in distributed computing, parallel computing, and network computing. The management and allocation of cloud resources have emerged as a central research direction. An intelligent resource allocation system can significantly minimize the costs and wasting of resources. In this paper, we present a task scheduling technique based on the advanced Phasmatodea Population Evolution (APPE) algorithm in a heterogeneous cloud environment. The algorithm accelerates up the time taken for finding solutions by improving the convergent evolution of the nearest optimal solutions. It then adds a restart strategy to prevent the algorithm from entering local optimization and balance its exploration and development capabilities. Furthermore, the evaluation function is meant to find the best solutions by considering the makespan, resource cost, and load balancing degree. The results of the APPE algorithm being tested on 30 benchmark functions show that it outperforms similar algorithms. Simultaneously, the algorithm solves the task scheduling problem in the cloud computing environment. This method has a faster convergence time and greater resource usage when compared to other algorithms.