عنوان انگلیسی مقاله : Cloud Task Scheduling Based on Ant Colony Optimization
چاپ شده در : Computer Engineering & Systems (ICCES), 2013 8th International Conference
Abstract
Cloud computing is the development of distributed computing, parallel computing and grid computing, or defined as the commercial implementation of these computer science concepts. One of the fundamental issues in this environment is related to task scheduling. Cloud task scheduling is an NP-hard optimization problem, and many meta-heuristic algorithms have been proposed to solve it. A good task scheduler should adapt its scheduling strategy to the changing environment and the types of tasks. In this paper a cloud task scheduling policy based on ant colony optimization algorithm compared with different scheduling algorithms FCFS and round-robin, has been presented. The main goal of these algorithms is minimizing the makespan of a given tasks set. Ant colony optimization is random optimization search approach that will be used for allocating the incoming jobs to the virtual machines. Algorithms have been simulated using Cloudsim toolkit package. Experimental results showed that the ant colony optimization outperformed FCFS and round-robin algorithms
عنوان فارسی مقاله: زمانبندی کار در محیط ابر بر اساس بهینه سازی مورچگان
چکیده: پردازش ابری، توسعه محاسبات توزیع شده ، محاسبات موازی و محاسبات گیرید، و یا به عنوان
پیاده سازی تجاری این مفاهیم علوم کامپیوتر، می باشد. یکی از مسائل اساسی در این محیط ،مربوط به زمانبندی کار است. زمانبدی کار در محیط ابر، یک مسئله بهینه سازی NP-hard است، و بسیاری از الگوریتم های فرا اکتشافی (meta-hueristic)پیشنهاد شده است که آن را حل کند. یک زماننبد خوب کار باید
استراتژی زماننبدی را به محیط در حال تغییر و انواع کارها، منطبق نماید. در این مقاله یک سیاست زماننبدی کار ابر بر اساس الگوریتم بهینه سازی کلونی مورچه ها در مقایسه با الگوریتم های زمانبندی مختلف FCFS و round-robin، معرفی شده است. هدف اصلی از این الگوریتم این است که به حداقل رساندن makespan مجموعه کارهای داده شده است. بهینه سازی کلونی مورچه ها ،روش جستجو بهینه سازی تصادفی است که برای تخصیص برای کارهای وارده به ماشین های مجازی، استفاده می شود. الگوریتم ،با استفاده از بسته ابزار Cloudsim شبیه سازی شده است. نتایج تجربی،نشان داد ه است که بهینه سازی کلونی مورچه ها عملکرد بهتری نسبت به الگوریتم های FCFSو round-robin داشته است
.
کلمات کلیدی:پرزداش ابری. زماننبدی کار. makespan. بهینه سازی کلونی مورچه. CloudSim
I.مقدمه
پردازش ابری با یک الگوی جدید برای تأمین منابع محاسباتی مختلف، همراه شده است ،معمولا به سه جنبه اساسی رسیدگی می نماید: زیرساخت به عنوان سرویس (IaaS)، پلت فرم به عنوان خدمات (PaaS) و نرم افزار به عنوان خدمات (SaaS) [1]. با توجه به رشد سریع از پردازش ابری در چشم انداز IT، چندین تعریف پدید آمده است. پردازش ابری،را می توان به عنوان یک نوع از سیستم موازی و توزیع شده شامل مجموعه ای از درون متصل شده وکامپیوترهای مجازی که به صورت دینامیک فراهم شده و معرفی شده به عنوان یک یا چند منبع محاسباتی یکپارچه بر اساس توافق سطح خدمات از طریق مذاکره بین ارائه دهنده خدمات و مصرف کنندگان [2] تعریف نمود. با پشتیبانی از تکنولوژی مجازی سازی پلتفرم ابر، مراکز مهم را قادر می سازد تا منابع محاسباتی را به صورت ماشین های مجازی به کاربران اجاره دهد [3]. از آنجا که صدها هزار نفر ازماشین های مجازی (VMS) استفاده می کنند،تخصیص به صورت دستی وظایف به منابع محاسباتی در ابرها دشوار است [4]. بنابراین ما نیاز به یک الگوریتم کارآمد برای زماننبدی کار در محیط ابر داریم.
یک زمانبند خوب کار باید استراتژی زماننبدی خود را به محیط در حال تغییر و نوع کار وفق دهد [5].
پس از پرداخت آنلاین در پایین همین سایت سریعا فایل رایگان مقاله لاتین و لینک خرید ترجمه کامل مقاله با کیفیتی عالی درفرمتword به صورت آنلاین برای شما ارسال گردد.
Cloud Task Scheduling Based on Ant Colony Optimization (زمانبندی کار در محیط ابر بر اساس بهینه سازی مورچگان)