ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Cloud computing is an emerging computing paradigm with a large collection of heterogeneous autonomous systems with flexible computational architecture. Task scheduling is an important step to improve the overall performance of the cloud computing. Task scheduling is also essential to reduce power consumption and improve the profit of service providers by reducing processing time. This paper focuses on task scheduling using a multi-objective nested Particle Swarm Optimization(TSPSO) to optimize energy and processing time. The result obtained by TSPSO was simulated by an open source cloud platform (CloudSim). Finally, the results were compared to existing scheduling algorithms and found that the proposed algorithm (TSPSO) provide an optimal balance results for multiple objectives.
ابرمحاسبات، یک پارادایم محاسباتی در حال ظهور با مجموعهی بزرگی از سیستمهای مستقل (خود-مختار) ناهمگن با معماری محاسباتی پیچیده است. زمانبندی وظیفه، گام مهمی در بهبود عملکرد کلی ابرمحاسبات است. زمانبندی وظیفه همچنین برای کاهش محاسبهی توان و بهبود سود فراهم کنندگان خدمت به وسیلهی کاهش زمان پردازش، ضروری است. این مقاله روی زمانبندی وظیفه با استفاده از یک بهینهسازی ازدحام ذرات (TSPSO) چند منظورهی تو در تو برای بهینهسازی انرژی و زمان پردازش تمرکز میکند. نتیجهی به دست آمده توسط TSPSO توسط یک پلت فرم ابر منبع باز (CloudSim) شبیهسازی شد. در نهایت، نتایج با الگوریتمهای زمانبندی موجود مقایسه شدند و کشف شد که الگوریتم ارائه شده (TSPSO)، نتایج تعادل بهینهای را برای اهداف چندگانه فراهم میکند.