ترجمه مقاله بهینه سازی زمان بندی وظیفه در رایانش ابر مبتنی بر الگوریتم ذهنی

ترجمه مقاله بهینه سازی زمان بندی وظیفه در رایانش ابر مبتنی بر الگوریتم ذهنی
قیمت خرید این محصول
۲۷,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
بهینه سازی زمان بندی وظیفه در رایانش ابر مبتنی بر الگوریتم ذهنی
عنوان انگلیسی
Task Scheduling Optimization in Cloud Computing Based on Heuristic Algorithm
صفحات مقاله فارسی
13
صفحات مقاله انگلیسی
7
سال انتشار
2012
نشریه
Academypublication
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
7781
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
مجلات شبکه ها - JOURNAL OF NETWORKS
دانشگاه
دانشکده علوم و فناوری اطلاعات، دانشگاه دونگهو، چین
کلمات کلیدی
رایانش ابری، متمرکز بر داده، متمرکز بر رایانش، بهینه سازی ازدحام ذرات، زمان بندی وظیفه
فهرست مطالب
چکیده
1 – مقدمه
2 – کار مرتبط
III . تدوین مسئله زمان بندی وظیفه
IV . زمان بندی وظیفه بر اساس بهینه سازی ازدحام ذرات
A . نمایش ذره
B . تولید ازدحام اولیه
C: الگوریتم PSO
V . نتیجه آزمایشی
A . سنجه عملکرد
B . محیط های آزمایشی
C . عملکرد مقایسه ای
D : تحلیل همگرایی
VI : نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

Cloud computing is an emerging technology and it allows users to pay as you need and has the high performance. Cloud computing is a heterogeneous system as well and it holds large amount of application data. In the process of scheduling some intensive data or computing an intensive application, it is acknowledged that optimizing the transferring and processing time is crucial to an application program. In this paper in order to minimize the cost of the processing we formulate a model for task scheduling and propose a particle swarm optimization (PSO) algorithm which is based on small position value rule. By virtue of comparing PSO algorithm with the PSO algorithm embedded in crossover and mutation and in the local research, the experiment results show the PSO algorithm not only converges faster but also runs faster than the other two algorithms in a large scale. The experiment results prove that the PSO algorithm is more suitable to cloud computing.

نمونه چکیده ترجمه متن فارسی
چکیده
رایانش ابری یک فناوری در حال ظهورمی باشد و به کاربران اجازه می دهد تا همانند شما کارسازی کنند و دارای عملکرد بالا بوده است . رایانش ابری بهمان اندازه یک سیستم ناهمگن می باشد و مقدار زیادی از داده کاربرد را حفظ می کند . در فرآیند زمان بندی داده متمرکز یا رایانش یک کاربرد متمرکز تایید شده است که بهینه سازی انتقال و زمان پردازش برای برنامه کاربردی حیاتی می باشد . ما در مقاله حاضر با هدف به حداقل رساندن هزینه پردازش، یک مدل را برای زمان بندی وظیفه تدوین می کنیم و الگوریتم بهینه سازی ازدحام ذرات را پیشنهاد می دهیم که مبتنی بر قاعده مقدار موقعیت کم می باشد . نتایج آزمایش به استناد مقایسه الگوریتم بهینه سازی ذرات (PSO) با الگوریتم PSO تعبیه شده در تقاطع و جهش و در جستجو محلی یک الگوریتم را نشان می دهد که نه تنها سریع تر همگراء می گردد بلکه همچنین سریع تر از دو الگوریتم دیگر در مقیاس بزرگ اجراء می شود . نتایج آزمایش اثبات می کنند که الگوریتم PSO برای رایانش ابری مناسب تر می باشد .

بدون دیدگاه