نقشه سایت

مدل سازی قابلیت اطمینان سرویس ابر و زمانبندی وظیفه بهینه

محاسبات ابری، به اشتراک گذاری سرویس را در مقیاس انبوه از طریق دسترسی شبکه به مجموعه منابع محاسباتی قابل پیکربندی فراهم می سازد. باید منابع را بطور انطباقی برای وظایف و برنامه های کاربردی که قرار است اجرا شوند، در محیط ناهمگن مقیاس بزرگ بطور کارا و قابل اطمینان تخصیص دهد. تخصیص منبع در محاسبات ابری یک مسئله سخت NP است. در این مطالعه، محققان آنالیز قابلیت اطمینان سرویس های ابر را با بکارگیری روش مبتنی بر مارکوف انجام دادند و مسئله زمانبندی ابر را بصورت یک مسئله بهینه سازی چندهدفه با شرط هایی برحسب قابلیت اطمینان، زمان اجرا و زمان جریان فرموله کردند. همچنین، الگوریتم ازدحام مورچه هرج و مرج مبتنی بر الگوریتم ژنتیک[1] را پیشنهاد کردند که در آن چهار عملگر و انتخاب طبیعی برای حل مسئله بهینه سازی چندهدفه شرط دار بکار گرفته می شوند. نتایج شبیه سازی نشان دادند که الگوریتم پیشنهادی در کل سرعت همگرایی را افزایش داده و بهتر از سایر راهکارهای متاهیوریستیک عمل می کند.

کلمات کلیدی: آنالیز وظیفه، محاسبات ابری، پیچیدگی محاسباتی، الگوریتم های ژنتیک، فرایندهای مارکوف، بهینه سازی، تخصیص منبع، زمانبندی، قابلیت اطمینان نرم افزار

 

Cloud service reliability modelling and optimal task scheduling

Published in: IET Communications Volume: 11Issue: 2, 1 26 2017 ), IEEE

Abstract

Cloud computing enables service sharing in a massive scale via network access to a pool of configurable computing resources. It has to allocate resources adaptively for tasks and applications to be executed effectively and reliably in a large scale, highly heterogeneous environment. Resource allocation in cloud computing is an NP-hard problem. In this study, the authors conduct a reliability analysis of cloud services by applying a Markov-based method. They formulate the cloud scheduling problem as a multi-objective optimisation problem with constraints in terms of reliability, makespan, and flowtime. Furthermore, they propose a genetic algorithm-based chaotic ant swarm (GA-CAS) algorithm, in which four operators and natural selection are applied, to solve this constrained multi-objective optimisation problem. Simulation results have demonstrated that GA-CAS generally speeds up convergence and outperforms other meta-heuristic approaches.

Keywords: task analysiscloud computingcomputational complexitygenetic algorithmsMarkov processes, optimizationresource allocationschedulingsoftware reliability

 

 

[1] genetic algorithm-based chaotic ant swarm (GA-CAS) algorithm

تماس با ما

  • آدرس: تبریز، میدان دانشسرا، خایابان خاقانی، پاساژ خاقانی، پلاک 119
  • تلفن تماس: 35250068-041
  • فکس: 35250069-041
  • این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید
  • موبایل: 09141077352

طلا ترجمه

وب سایت طلا ترجمه از  سال  1385 شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.طلا ترجمه اولین وب‌سایت ایرانی است که امکان محاسبه آنلاین مبلغ ترجمه را به دو روش مختلف فراهم نموده است تا بتواند گامی موثر در راحتی شما مشتریان عزیز بردارد.

دیکشنری تصویری

ارسال سریع پیام

  1. لطفا نام و نام خانوادگی خود را وارد نمایید.
  2. لطفا آدرس پست الکترونیکی خود را صحیح وارد نمایید.
  3. لطفا موضوع پیام ارسالی خود را بنویسید.
  4. لطفا متن پیام خود را تکمیل نمایید.
Top
We use cookies to improve our website. By continuing to use this website, you are giving consent to cookies being used. Cookie policy. I accept cookies from this site. Agree