دانلود رایگان مقاله انگلیسی الگوریتم ژنتیک اکتشافی بهبود یافته برای تحویل محتوای استاتیک در ذخیره سازی ابری - الزویر 2018

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

به سوی یک الگوریتم ژنتیک اکتشافی بهبود یافته برای تحویل محتوای استاتیک در ذخیره سازی ابری

عنوان انگلیسی

Towards an improved heuristic genetic algorithm for static content delivery in cloud storage

صفحات مقاله فارسی

0

صفحات مقاله انگلیسی

13

سال انتشار

2018

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی (تحقیقاتی)

رفرنس

دارد

پایگاه

اسکوپوس

کد محصول

E9970

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

رایانش ابری، الگوریتم ها و محاسبات

مجله

کامپیوترها و مهندسی برق - Computers and Electrical Engineering

دانشگاه

Luoyu Road 1037 - Wuhan - Hubei - China

کلمات کلیدی

ذخیره سازی ابری، تحویل محتوای استاتیک، مدل مدیریت منابع، مدل هزینه، الگوریتم ژنتیک

doi یا شناسه دیجیتال

http://dx.doi.org/10.1016/j.compeleceng.2017.06.011

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

۰.۰ (بدون امتیاز)

امتیاز دهید

چکیده

abstract

A key challenge in computer networking is how to organize network topology effectively among a large number of servers in the cloud storage system. In a cloud environment, the topology, which is different from the underlying topology, may be established in any form at any potential edge peers. The cloud content delivery network (CDN) always faces problems of complex distributed path creation, cache update, load balancing, etc. To address the problem as a static content delivery, we propose an Improved Heuristic Genetic Algorithm for Static Content Delivery in Cloud Storage (IHGA-SCDCS) based on a resource management model and cost model. The static content delivery in cloud storage is abstracted into mathematical model for set solving problem, which is then solved by an improved Genetic Algorithm (GA). Finally, the optimal solution is reduced to an optimal content delivery program. The simulation experiment, based on CloudSim, shows that IHGA-SCDCS can effectively obtain optimal solution while reducing delivery cost.

نتیجه گیری

Conclusion

In this paper, a resource management model and a cost model for cloud storage were proposed. Based on the models, an improved genetic algorithm for static content delivery set covering problem was constructed and a validated simulation experiment was undertaken. The experiment results showed that the IHGA-SCDCS can solve static content delivery problem in cloud storage. In the future, the research will be focused on problems of metadata copy storage and life cycle to ensure the consistency and integrity of all cache copies in the network.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات isi