چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2006014 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
475 Kb
حجم فایل فارسی :
319 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
زمانبندی وظایف مستقل در رایانش ابری با الگوریتم ژنتیک بهبود یافته
عنوان انگليسي
ndependent Task Scheduling in Cloud Computing by Improved Genetic Algorithm
نویسنده/ناشر/نام مجله
International Journal of Advanced Research in Computer Science and Software Engineering
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 4 صفحه انگلیسی به صورت پی دی اف و 11 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
زمانبندی یک مسئله مهم در رایانش ابری است، زیرا ارائه دهنده ابر باید به بسیاری از کاربران در سیستم رایانش ابری سرویس دهی کند. بنابراین زمانبندی مسئله اصلی در ایجاد سیستم رایانش ابری است. روش زمانبندی خوب همچنین به بهره برداری مناسب و کارآمد از منابع کمک می کند. محققان بسیاری از تکنیک های زمانبندی مانند GA (الگوریتم ژنتیک)، PSO (بهینه سازی ازدحام ذرات)، Min-Min، Max-Min، X-Sufferage و غیره را توسعه داده اند. این مقاله یک الگوریتم زمان بندی جدید پیشنهاد می کند که نسخه بهبود یافته از الگوریتم ژنتیک است. در الگوریتم زمان بندی ارائه شده، زمان بندی Min-Min و Max-Min در الگوریتم ژنتیک استاندارد ادغام شده اند. تکنیک های زمانبندی Min-Min، Max-Min و ژنتیک مورد بحث قرار گرفته اند در نهایت عملکرد الگوریتم ژنتیک استاندارد و الگوریتم ژنتیک بهبود یافته پیشنهادی مقایسه شده و با نمودار نشان داده شده است.
1-مقدمه
از آنجایی که فنآوری IT روز به روز رشد می کند، نیاز به محاسبات و ذخیره سازی منابع به سرعت در حال افزایش است. سرمایه گذاری تجهیزات بیشتر و بیشتر، برای سازمان یک روش اقتصادی برای برآوردن نیازهای محاسباتی و ذخیره سازی در حال رشد نیست. بنابراین رایانش ابری به یک پارادایمِ پذیرفته شده برای محاسبات با کارایی بالا تبدیل شده است، چرا که در رایانش ابری همه نوع امکانات IT به کاربران به عنوان سرویس ارائه می شود. رایانش ابری دسته ای از خدمات محاسباتی پیچیده مبتنی بر تقاضا است که در ابتدا توسط ارائه دهندگان تجاری، مانند آمازون، گوگل و مایکروسافت ارائه شده است...
محاسبات ابری Min-Min Max-Min الگوریتم ژنتیک الگوریتم ژنتیک بهبود یافته
:کلمات کلیدی
Abstract
Scheduling is a critical problem in Cloud computing, because a cloud provider has to serve many users in Cloud computing system. So scheduling is the major issue in establishing Cloud computing systems. A good scheduling technique also helps in proper and efficient utilization of the resources. Many scheduling techniques have been developed by the researchers like GA (Genetic Algorithm), PSO (Particle Swarm Optimization), Min-Min, Max-Min, X-Sufferage etc. This paper proposes a new scheduling algorithm which is an improved version of Genetic Algorithm. In the proposed scheduling algorithm the Min-Min and Max-Min scheduling methods are merged in standard Genetic Algorithm. Min-Min, Max-Min and Genetic Scheduling techniques are discussed and in the last the performance of the standard Genetic Algorithm and proposed improved Genetic Algorithm is compared and is shown by graphs
Keywords:
Cloud Cloud Computing Min-Min Max-Min Genetic Algorithm Improved Genetic Algorithm
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه زمان بندی در محاسبات ابری