ترجمه مقاله جست و جوی متغیر محلی بر اساس الگوریتم ممتیک برای مسئله توازن بار در رایانش ابری - نشریه اشپرینگر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

جست و جوی متغیر محلی بر اساس الگوریتم ممتیک برای مسئله توازن بار در رایانش ابری

عنوان انگلیسی

A Variable Local Search Based Memetic Algorithm for the Load Balancing Problem in Cloud Computing

صفحات مقاله فارسی

18

صفحات مقاله انگلیسی

16

سال انتشار

2016

نشریه

اشپرینگر - Springer

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

F987

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده 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

مهندسی الگوریتم ها و محایبات، رایانش ابری

مجله

کنفرانس اروپایی در مورد کاربرد محاسبات تکاملی

دانشگاه

دانشکده علوم کامپیوتر و IT، دانشگاه RMIT، ملبورن، استرالیا

کلمات کلیدی

جستجوی محلی، الگوریتم های ممتیک، توازن بار، ابر رایانه، الگوریتم های فرا ابتکاری

ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1 . مقدمه
2 . بیان مسئله
3 . روش شناسی
1.3 . الگوریتم ژنتیک
2.3 . شاخص تنوع
3.3 . جستجوی محلی متغیر
4 . شرایط آزمایشی
1.4 . نمونه مسئله
2.4 . پارامترهای تنظیمات
5 . نتایج و مقایسه
1.5 . مقایسه الگوریتم ممتیک پیشنهادی با الگوریتم پیشرفته و سایر الگوریتم ممتیک ها
2.5 . مقایسه با حالت روش پیشرفته
6 . نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

Load balancing (LB) is an important and challenging optimisation problem in cloud computing. LB involves assigning a set of services into a set of machines for which the goal is to optimise machine usages. This study presents a memetic algorithm (MA) for the LB problem. MA is a hybrid method that combines the strength of population based evolutionary algorithms with local search. However the effectiveness of MA mainly depends on the local search method chosen for MA. This is because local search methods perform differently for different instances and under different stages of search. In addition, invoking local search at every generation can be computationally expensive and compromise the exploration capacity of search. To address these issues, this study proposes a variable local search based MA in the context of LB problem. The proposed MA uses multiple local search mechanisms. Each one navigates a different area in search space using a different search mechanism which can leads to a different search path with distinct local optima. This will not only help the search to avoid being trap in a local optima point, but can also effectively deal with various landscape search characteristics and dynamic changes of the problem. In addition, a diversity indicator is adopted to control the local search processes to encourage solution diversity. Our MA method is evaluated on instances of the Google machine reassignment problem proposed for the ROADEF/EURO 2012 challenge. Compared with the state of the art methods, our method achieved the best performance on most of instances, showing the effectiveness of variable local search based MA for the Load Balancing problem.

نمونه چکیده ترجمه متن فارسی

چکیده
متعادل کننده بار (LB) یک مسئله مهم و چالش برانگیز بهینه سازی در محاسبات ابری است . متعادل کننده بار شامل اختصاص مجموعه ای از خدمات به مجموعه ای از ماشین آلات برای بهینه سازی کاربردهای دستگاه است . این مطالعه یک الگوریتم ممتیک (MA) برای مسئله متعادل کننده بار ارائه می دهد . الگوریتم ممتیک یک روش ترکیبی است که ترکیبی از قدرت الگوریتم های تکاملی بر اساس تعداد با جستجوی محلی می باشد. با این حال اثر الگوریتم ممتیک به طور عمده به روش جستجوی محلی انتخاب شده برای الگوریتم ممتیک بستگی دارد. به این دلیل که روش انجام جستجوی محلی متفاوت برای موارد مختلف و تحت مراحل مختلف جستجو وجود دارد . علاوه بر این، با استناد به جستجوی محلی در هر تولید می توان ظرفیت را جستجو کرد . برای رسیدگی به این مسائل، این مطالعه پیشنهاد یک الگوریتم محلی ممتیک با جستجو بر اساس متغیر در زمینه مسئله متعادل کننده بار ارائه می دهد . متحرک پیشنهادی با استفاده از چند مکانیزم جستجوی محلی عمل می کند. هریک هدایت یک منطقه مختلف در فضای جستجو را با استفاده از مکانیزم های مختلف جستجو انجام می دهند که می تواند با یک مسیر جستجوی متفاوت با الگوریتم ممتیک محلی متمایز شود. این نه تنها به جستجو برای جلوگیری از گرفتار شدن در دام یک نقطه بهینه محلی کمک می کند، همچنین می تواند به طور موثر با ویژگی های مختلف جستجو چشم انداز و تغییرات پویا مسئله برخورد کند. علاوه بر این، یک شاخص تنوع برای کنترل فرآیندهای جستجوی محلی برای تشویق تنوع راه حل به تصویب رسیده است. روش الگوریتم ممتیک این است که در موارد مسئله دستگاه تغییر پیشنهادی گوگل برای ROADEF/ EURO 2012 مورد بررسی قرار گرفته است. در مقایسه با حالت روش پیشرفته ، روش ما به بهترین عملکرد در بسیاری از موارد دست می یابد، اثربخشی متغیر محلی الگوریتم ممتیک بر اساس جستجو برای مسئله متعادل کردن بار نشان داده شده است .