فایل ورد کامل الگوریتم زمانبندی انجام وظایف براساس الگوریتم ژنتیکی و بهینه سازی کلونی مورچه در محاسبات ابری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل الگوریتم زمانبندی انجام وظایف براساس الگوریتم ژنتیکی و بهینه سازی کلونی مورچه در محاسبات ابری،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۱ صفحه

روش های موثر برای الگوریتم های زمانبندی انجام وظایف، با چالش طولانی مدتی در محاسبات ابری همراه بوده اند. با وجود الگوریتم های زمانبندی مختلف پیشنهاد شده برای محیط ابری، ان ها بیشتر براساس یک الگوریتم بهبود می یابند؛ و مسلط بودن و غلبه بر محدودیت های خود الگوریتم اسان است. به منظور تعیین خصوصیات زمانبندی انجام وظیفه در محیط ابری، این مقاله الگوریتم زمانبندی انجام وظیفه را براساس الگوریتم کلونی مورچه- الگوریتم ژنتیکی پیشنهاد می کند. ما از فیدبک مثبت و دقیق بهینه سازی کلونی مورچه (ACO )و توجه به سرعت همگرایی الگوریتم بهره مند می شویم. ولی انتخاب فرومون اولیه تاثیر مهمی بر سرعت همگرایی دارد. الگوریتم از قابلیت جستجوی کامل الگوریتم ژنتیکی برای یافتن جواب مناسب استفاده می کند، و سپس ان را به فرومون اولیه ACO تبدیل می کند. ازمایش های شبیه سازی نشان می دهند که تحت شرایط مشابه، این الگوریتم عملکرد بهتری نسبت به الگوریتم ژنتیکی و ACO دارد، حتی در محیط های مقیاس-بزرگ، دارای کارایی است. این الگوریتم یک الگوریتم بهینه زمانبندی انجام وظیفه در محیط محاسبات ابری است.

کلمات کلیدی: محاسبات ابری | زمانبندی انجام وظیفه | الگوریتم ژنتیکی | بهینه سازی کلونی مورچه

عنوان انگلیسی:

A task scheduling algorithm based on genetic algorithm and ant colony optimization in cloud computing

~~en~~ writers :

Chun-Yan LIU, Cheng-Ming ZOU,Pei WU

An efficient approach to task scheduling algorithm
remains a long-standing challenge in cloud computing. In spite
of the various scheduling algorithms proposed for cloud
environment, those are mostly improvements based on one
algorithm.And it’s easy to overlook limitations of the algorithm
itself. Aiming at characteristics of task scheduling in cloud
environment, this paper proposes a task scheduling algorithm
based on genetic-ant colony algorithm. We take the advantage
of strong positive feedback of ant colony optimization (ACO)
on convergence rate of the algorithm into account.But the
choice of the initial pheromone has a crucial impact on the
convergence rate. The algorithm makes use of the global
search ability of genetic algorithm to solve the optimal solution
quickly, and then converts it into the initial pheromone of
ACO. The simulation experiments show that under the same
conditions, this algorithm overweighs genetic algorithm and
ACO, even has efficiency advantage in large-scale
environments. It is an efficient task scheduling algorithm in the
cloud computing environment.

Keywords: cloud computing | task scheduling | genetic algorithm | ant colony optimization

$$en!!