Loading...
ترجمه مقاله زمانبندی بهینه سازی چند منظوره با الگوریتم ACO
ترجمه مقاله A Multi-Objective Optimization Scheduling Method Based on the Ant Colony Algorithm in Cloud Computing
در این پست ترجمه مقاله زمانبندی بهینه سازی چند منظوره با الگوریتم کلونی مورچگان در رایانش ابری را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به صورت رایگان دانلود نمایید.
چکیده فارسی مقاله :
در این بخش از مقاله محاسبات ابری برای برنامه های زمانبندی یک روش بهینه سازی چند هدفه ای را معرفی می کند. ابتدا، با هدف تنوع حیات منابع و وظایف در محاسبات ابری، ما یک مدل هزینه ی منبع را شناسایی می کنیم که در خواست وظایف بر روی منبع را با کلی ترین جزئیات بیان می کند. این نمونه منعکس کننده ی رابطه بین هزینه های بودجه و هزینه های منبع می باشد.
یک روش بهینه سازی چند هدفه بر پایه مدل هزینه ی منبع تشریح شده است این تکنیک، هزینه های بودجه ی کاربر و makespan را به عنوان موانع جریان بهینه سازی در نظر گرفته و به بهینه سازی چند هدفه ی هر دو مورد هزینه و عملکرد دست می یابد. به همین خاطر یک الگوریتم کلونی مورچگان گسترش یافته برای حل این مسئله معرفی شده است.
دو تابع برای بررسی و ارزیابی مورد استفاده قرار گرفته و بازخوردی با توجه به هزینه بودجه و عملکرد ارائه می‌دهد. این دو تابع در الگوریتم، وضعیت و چگونگی راه حل را بصورت به موقع و بر اساس بازخورد به منظور دسترسی به راه حلی بهتر، تعدیل می‌کند. برخی از آزمایش های شبیه سازی به منظور بررسی کارکرد این مدل توسط چهار متریک طراحی می شود :
- قیمت
- نرخ نقض مهلت
- بهره برداری از منابع
- makespa
نتیجه آزمایش نشان می دهد که بر طبق این چهار متریک، یک روش بهینه سازی چند هدفه از دیگر روش های مشابه بهتر عمل می کند بخصوص مواقعی که کارایی آن در ارائه بهترین حالات، حدود ۵۶٫۶ درصد افزایش یافته باشد.
توضیحات بیشتر در مورد ترجمه مقاله زمانبندی بهینه سازی چند منظوره با الگوریتم کلونی مورچگان در رایانش ابری و دانلود رایگان مقاله اصلی لطفا به ادامه مطلب مراجعه نمائید.
مقدمه :
زمانبندی وظایف در محاسبات کلونی، بسیار مهم است چرا که آن مستقیما بار و عملکرد یک سیستم را تحت تاثیر قرار می‌دهد. یک زمانبندی وظایف نیاز دارد که غیر از نیازهای کاربر بهره وری کل سیستم را نیز انجام دهد. مسئله وظایف یک از مسائل معمول در NP-hard است که توسط الگوریتم کلونی مورچگان به ساده ترین شکل ممکن صورت می گیرد.
چکیده انگلیسی :
For task-scheduling problems in cloud computing, a multi-objective optimization method is proposed here. First, with an aim toward the biodiversity of resources and tasks in cloud computing we propose a resource cost model that denes the demand of tasks on resources with more details. This model reects the relationship between the user’s resource costs and the budget costs.
A multi-objective optimization scheduling method has been proposed based on this resource cost model. This method considers the makespan and the user’s budget costs as constraints of the optimization problem, achieving multi objective optimization of both performance and cost. An improved ant colony algorithm has been proposed to solve this problem.
Two constraint functions were used to evaluate and provide feedback regarding the performance and budget cost. These two constraint functions made the algorithm adjust the quality of the solution in a timely manner based on feedback in order to achieve the optimal solution. Some simulation experiments were designed to evaluate this method’s performance using four metrics: 1) the makespan 2) cost; 3) deadline violation rate; and 4) resource utilization.
Experimental results show that based on these four metrics, a multi-objective optimization method is better than other similar methods, especially as it increased 56.6% in the best case scenario.
منبع : ieeexplore.ieee.org
شبیه سازی شبکه های کامپیوتری و مخابراتی
مشاهده ویدئو در این باره