تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله زمانبندی وظیفه ابری بر اساس بهینه سازی تعادل بار مورچگان – نشریه IEEE

عنوان فارسی: زمانبندی وظیفه ابری بر اساس بهینه سازی تعادل بار مورچگان
عنوان انگلیسی: Cloud Task scheduling based on Load Balancing Ant Colony Optimization
تعداد صفحات مقاله انگلیسی : 7 تعداد صفحات ترجمه فارسی : 18
سال انتشار : 2011 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 4853 رفرنس : دارد
محتوای فایل : zip حجم فایل : 805.72Kb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: مهندسی الگوریتم ها و محاسبات، معماری سیستم های کامپیوتری، رایانش ابری و مهندسی نرم افزار
مجله: ششمین کنفرانس Chinagrid
دانشگاه: دانشکده علوم و فناوری کامپیوتر، دانشگاه جیلین، چانگ چون، چین
کلمات کلیدی: زمان بندی وظیفه، محاسبات ابری، توازن بار، بهینه سازی مورچگان
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1- مقدمه

2- ابزار CloudSim

A. مشخصه های شبیه ساز ابری

B. سبک کاری CloudSim

C. ارتباط بین موجودیت ها

3- الگوریتم پایه مورچگان

4- الگوریتم LBACO پیشنهادی

5- شبیه سازی

A. مفروضات

B. تعریف درجه عدم تعادل

C. محیط پیاده سازی

D. تنظیم پارامترهای ACO پایه و LBACO

E. نتایج آزمایش

6- نتیجه گیری و کارهای آینده

نمونه متن انگلیسی

Abstract

The 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. This paper proposes a cloud task scheduling policy based on Load Balancing Ant Colony Optimization (LBACO) algorithm. The main contribution of our work is to balance the entire system load while trying to minimizing the makespan of a given tasks set. The new scheduling strategy was simulated using the CloudSim toolkit package. Experiments results showed the proposed LBACO algorithm outperformed FCFS (First Come First Serve) and the basic ACO (Ant Colony Optimization).

نمونه متن ترجمه

چکیده

پردازش ابری گسترش محاسبات توزیع شده، محاسبات موازی و محاسبات شبکه ای است و یا بعنوان پیاده سازی تجاری این مفاهیم علمی کامپیوتری تعریف شده است. یکی از موضوعات اصلی در این حیطه مرتبط با زمانبندی وظیفه است. زمانبندی وظیفه ابری یک مسئله بهینه سازی NP-سخت است و بسیاری از الگوریتم های فرا ابتکاری برای حل آن پیشنهاد شده اند. یک زمان بند وظیفه مناسب باید آن استراتژی زمان بندی را با تغییرات محیطی و انواع وظایف وفق دهد. این مقاله یک سیاست زمان بندی وظیفه ابری بر اساس الگوریتم بهینه سازی تعادل بار مورچگان (LLBACO) را پیشنهاد داده است. مهم ترین بخش کار ما تعادل کل بار سیستم است هنگامی که سعی در به حداقل رساندن طول یک مجموعه وظیفه داده شده داریم. استراتژی زمان بندی جدید با استفاده از پکیج ابزاری CloudSimشبیه سازی شده است. نتایج آزمایشات نشان می دهد که الگوریتم LBACO پیشنهادی عملکرد بهتری نسبت به FCFS (دریافت خدمات به ترتیب ورود) و ACO ابتدایی (بهینه سازی مورچگان) دارد.