زمان بندی و انتخاب منابع در محیط محاسبات ابری با استفاده از الگوریتم ژنتیک و شبکه عصبی

زمان بندی و انتخاب منابع در محیط محاسبات ابری با استفاده از الگوریتم ژنتیک و شبکه عصبی

فرمت فایل: ورد قابل ویرایشتعداد صفحات :96 چکیده امروزهشبکه محاسبات ابری به عنوان یکی از مهم ترین ابزارهای توزیع شده برایانجام پردازش و ذخیره سازی داده ها در بستر اینترنت مطرح شده است تا جاییکه سال ۲۰۱۰ را بعنوان سال محاسبات ابری نامیدند از جمله ویژگی های بارزاین مدل توزیع شده می توان به کاهش چشمگیر هزینه ها و قابلیت اطمینان بالایآن و همچنین میزان پایین در آلودگی محیط زیست اشاره کرد.با رشد روز افزوناین شبکه نیاز به زمان بندی کارها بمنظور استفاده ی بهینه از شبکه وپاسخگویی مناسب به کارها بشدت مورد توجه قرار گرفته است و در این زمینهتلاش های زیادی در حال انجام می باشد و به دلیل اینکه محیط محاسبات ابریمحیطی بسیار بزرگ و دارای تعداد زیادی کارهای ورودی به شبکه می باشدالگوریتم های قطعی نتیجه ی مناسبی ندارند و بهترین گزینه برای این مدل ازشبکه ، الگوریتم های اکتشافی می باشند ولی یکی از مشکلات اکثر روش هایارائه شده عدم جامعیت نسبی برای ارائه یک راهکار کلی در برقراری توازن دربین پارامترهای شبکه محاسبات ابری می باشد همچنین در اکثر کارهای ارائه شدهبحث عدالت در اختصاص منابع به کارها نادیده گرفته شده است یعنی برایبسیاری از کارها امکان وقوع گرسنگی وجود دارد.ما برای بهینه سازی پارمترهایزمان اجرا و زمان پاسخگویی و هزینه و بهره وری سیستم الگوریتمی ترکیبیارائه داده ایم که ما در راهکار ارائه شده برای بحث عدالت برای کارهای واردشده به شبکه و جلوگیری از گرسنگی آنها چاره ای اندیشیده ایم.درN2TC(Neural Network Task Classification) که بر اساس شبکه عصبی می باشدکارهای جدید و کارهایی که در صف انتظار قرار دارند وارد شبکه شده و به آنهااولویت داده می شود کارهایی که دارای اولویت بالاتری می باشند بهGaTa(Genetic Algorithm Task assignment) که مبتنی بر الگوریتم ژنتیک میباشد ارسال شده تا مجموعه ای بهینه از کارها به منابع موجود در شبکه اختصاصیابد. راهکار پیشنهادی بطور میانگین ۱۰% بهبود در زمان اجرا و ۲۵% در بخشبهره وری شبکه محاسبات ابری و ۵۰% در بخش هزینه و ۵% بهبود در زمینه زمانپاسخگویی را بیان می کند هم با توجه به سرعت بالا در همگرایی در GaTa باعثافزایش سرعت اجرای زمان بندی شده است. کلمات کلیدی: انتخاب و زمان بندی منابع، شبکه محاسبات ابری ، الگوریتم ژنتیک، شبکه عصبی، الگوریتم اکتشافی   فصل اول-مقدمه 1-1-مقدمه 1-2-بیان مسئله 1-3-اهمیت و ضرورت انجام تحقیق 1-4-اهداف 1-5-فرضیه 1-6-جمع بندی فصل دوم-ادبیات و پیشینه تحقیق. 2-1-مقدمه 2-2-محیط محاسبات ابری 2-2-1-عناصر پایه ای2-2-2-معماری2-2-3-انواع ابر2-2-4-کاربردها2-2-5-چالش ها 2-3-انتخاب منابع و زمان بندی2-3-1-انتخاب منابع2-3-2-زمان بندی 2-4-الگوریتم ژنتیک2-4-1-کروموزم2-4-2-جمعیت2-4-3-تابع برازندگی2-4-4-عملگر انتخاب2-4-5-عملگر آمیزش2-4-6-عملگر تلفیق2-4-7-عملگر جهش 2-5-شبکه عصبی 2-6-پیشینه تحقیق2-6-1-کارهای مرتبط در محیط محاسبات ابری2-6-2-کارهای مرتبط در سایر محیط های توزیع شده فصل سوم- روش تحقیق 3-1-مقدمه 3-2-مدل پیشنهادی3-2-1-شبکه عصبی3-2-2-الگوریتم ژنتیک 3-3-معماری مدل پیشنهادی 3-4-الگوریتم پیشنهادی فصل چهارم- نتایج تحقیق 4-1-مقدمه 4-2-سناریو اجرا 4-3-ارزیابی راهکار پیشنهادی فصل پنجم-نتیجه گیری و کارهای آینده 5-1-مقدمه 5-2-جمع بندی 5-3-نتیجه گیری 5-4-کارهای آینده مراجع پیوست ها