ترجمه مقاله بهینه سازی ازدحام ذره پیشرفته برای زمان بندی وظیفه در محیط های رایانش ابری - نشریه الزویر

قیمت خرید این محصول

۳۳,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

بهینه سازی ازدحام ذره پیشرفته برای زمان بندی وظیفه در محیط های رایانش ابری

عنوان انگلیسی

Enhanced Particle Swarm Optimization For Task Scheduling In Cloud Computing Environments

صفحات مقاله فارسی

17

صفحات مقاله انگلیسی

10

سال انتشار

2015

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

7780

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

معماری سیستم های کامپیوتری، رایانش ابری و مهندسی الگوریتم ها و محاسبات

مجله

کنفرانس بین المللی ارتباطات، مدیریت و فناوری اطلاعات

دانشگاه

دانشکده کامپیوتر و اطلاعات، دانشگاه منوفی، مصر

کلمات کلیدی

محاسبات ابر، بهینه سازی ذرات ذرات، استراتژی برنامه ریزی، تعادل بار، ماشین مجازی

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1 – مقدمه
2- کار مرتبط
3 – ساختار مدل پیشنهادی
4 – تدوین مشکل زمان بندی وظیفه سیستم های پیشنهادی
5- بهینه سازی ازدحام ذرات جهش متواز ن سازی بار
6 – نتیجه شبیه سازی و ارزیابی
6-1 داده و اجراء
6-2 آزمایشات و نتایج
7 – نتیجه گیری ها و کار آینده

نمونه چکیده متن اصلی انگلیسی

Abstract

The most important requirement in cloud computing environment is the task scheduling which plays the key role of efficiency of the whole cloud computing facilities. Task scheduling in cloud computing means that to allocate best suitable resources for the task to be execute with the consideration of different parameters like time, cost, scalability, make span, reliability, availability, throughput, resource utilization and so on. The proposed algorithm considers reliability and availability. Most scheduling algorithms do not consider reliability and availability of the cloud computing environment because the complexity to achieve these parameters. We propose mathematical model using Load Balancing Mutation (balancing) a particle swarm optimization (LBMPSO) based schedule and allocation for cloud computing that takes into account reliability, execution time, transmission time, make span, round trip time, transmission cost and load balancing between tasks and virtual machine .LBMPSO can play a role in achieving reliability of cloud computing environment by considering the resources available and reschedule task that failure to allocate. Our approach LBMPSO compared with standard PSO, random algorithm and Longest Cloudlet to Fastest Processor (LCFP) algorithm to show that LBMPSO can save in make span, execution time, round trip time, transmission cost.

نمونه چکیده ترجمه متن فارسی

چکیده
زمان بندی وظیفه از جمله مهم ترین نیازمندی در محیط رایانش ابری می باشد که نقش کلیدی در کارامدی کل امکانات رایانش ابری ایفاء می کند . زمان بندی وظیفه در رایانش ابری بدان معنی می باشد که بهترین منابع مناسب برای وظیفه ای اختصاص یابد که قرار است با بررسی پارامتر های مختلف نظیر زمان ، هزینه ، مقیاس پذیری ، گستره سازی ، قابلیت اطمینان ، دسترس پذیری ، بازده ، بهره برداری منبع و غیره اجراء گردد . قابلیت اطمینان و دسترس پذیری در الگوریتم پیشنهادی مورد توجه قرار می گیرد . بخش عمده الگوریتم های زمان بندی به دلیل پیچیدگی دستیابی با این پارامتر ها به قابلیت اطمینان و دسترس پذیری محیط رایانش ابری نمی پردازند . ما مدل ریاضی را با استفاده از بهینه سازی ازدحام ذره جهش متوازن سازی بار (LBMPSO) مبتنی بر برنامه زمانی و تخصیص برای رایانش ابری پیشنهاد می دهیم که قابلیت اطمینان ، زمان اجراء ، زمان انتقال ، محدوده سازی ، هزینه انتقال و متوازن سازی بار بین وظایف و ماشین مجازی را به حساب می آورد . LBMPSO می تواند در دستیابی به قابلیت اطمینان محیط رایانش ابری از طریق بررسی منابع در دسترس و زمان بندی مجدد وظیفه نقش ایفاء نماید که در تخصیص دادن موفق نمی باشد . LBMPSO رویکرد ما با PSO استاندارد ، الگوریتم تصادفی و الگوریتم LCFP مقایسه شده بود تا نشان دهد که LBMPSO می تواند در گستره سازی ، زمان اجراء ، زمان سفر و هزینه انتقال صرفه جویی نماید .

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر