یک استراتژی برنامه ریزی منبع بر اساس الگوریتم ژنتیک در محیط پردازش ابر
عنوان انگلیسی
A New Resource Scheduling Strategy Based on Genetic Algorithm in Cloud Computing Environment
صفحات مقاله فارسی
30
صفحات مقاله انگلیسی
11
سال انتشار
2012
نشریه
Jcp
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5149
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
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی الگوریتم ها و محاسبات، برنامه نویسی کامپیوتر، رایانش ابری و معماری سیستم های کامپیوتری
مجله
مجله کامپیوتر (JOURNAL OF COMPUTERS)
دانشگاه
دانشکده کامپیوتر NPU HPC Center، شیان، چین
کلمات کلیدی
پردازش، منابع ماشین مجازی، تعادل بار، الگوریتم ژنتیک، استراتژی برنامه ریزی
۰.۰(بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1- مقدمه
2- کار مربوطه
3- معماری برنامه ریزی در محیط پردازش ابر
4- طراحی مدل برنامه ریزی VM
A. مدل VM
B. بیان بار
C. مدل ریاضی
5- تحقق برنامه ریزی متعادل بواسطه الگوریتم ژنتیک
A. برنامه نویسی جمعیت
B. مقدار دهی اولیه جمعیت
C. تابع برازندگی
D. استراتژی انتخاب
E. عملکرد متقاطع
F. عملکرد جهش
G. استراتژی برنامه ریزی
6- تحلیل الگوریتم
A. الگوریتم برنامه ریزی کلی
B. تحلیل شدت الگوریتم ژنتیک
C. تحلیل بازده الگوریتم ژنتیک
7- تحلیل نتایج و آزمایش
A. تحلیل اثر الگوریتم
B. اثر میزان نوسان بر تعادل بار
C. تحلیل هزینه مهاجرت
D. میزان کاربرد پذیری الگوریتم
8- نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract—In view of the load balancing problem in VM resources scheduling, this paper presents a scheduling strategy on load balancing of VM resources based on genetic algorithm. According to historical data and current state of the system and through genetic algorithm, this strategy computes ahead the influence it will have on the system after the deployment of the needed VM resources and then chooses the least-affective solution, through which it achieves the best load balancing and reduces or avoids dynamic migration. At the same time, this paper brings in variation rate to describe the load variation of system virtual machines, and it also introduces average load distance to measure the overall load balancing effect of the algorithm. The experiment shows that this strategy has fairly good global astringency and efficiency, and the algorithm of this paper is, to a great extent, able to solve the problems of load imbalance and high migration cost after system VM being scheduled. What is more, the average load distance does not grow with the increase of VM load variation rate, and the system scheduling algorithm has quite good resource utility
نمونه چکیده ترجمه متن فارسی
چکیده: از نظر مسئله تعادل بار در برنامه ریزی منابع VM ، این مقاله یک استراتژی برنامه ریزی بر تعادل بار منابع VM بر اساس الگوریتم ژنتیک ارائه می دهد. مطابق با داده تاریخی و وضعیت فعلی سیستم و بواسطه الگوریتم ژنتیک، این استراتژی اثری که آن بر سیستم خواهد داشت را محاسبه می کند، بعد از گسترش منابع VM مورد نیاز و سپس انتخاب راه حل با کمترین اثر، که به بهترین تعادل بار می رسد و از مهاجرت دینامیکی اجتناب می کند یا آن را کاهش می دهد. همزمان این مقاله تغییر بار ماشین های مجازی را شرح می دهد و همچنین فاصله میانگین بار برای اندازه گیری اثر تعادل بار سراسری الگوریتم را معرفی می کند. آزمایش نشان می دهد که این استراتژی بازدهی و سخت گیری کلی مناسبی دارد و الگوریتم این مقاله در یک اندازه بزرگ، قادر به حل مسائل تعادل بار و هزینه مهاجرت بالا بعد از ازینکه VM سیستم برنامه ریزی شد، می باشد. فاصله بار میانگین با افزایش میزان تغییر بار VM رشد نمی کند، و الگوریتم برنامه ریزی سیستم کاربرد پذیری منبع کاملا مناسبی دارد.