فایل ورد کامل بررسی روش های زمانبندی فرا ابتکاری 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 بررسی روش های زمانبندی فرا ابتکاری در محاسبات ابری،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۷۸ صفحه

محاسبات ابری به یک شعار در حوزه محاسبات توزیع شده عملکردی بالا تبدیل شده است همانطور که دسترسی در تقاضا برای استخر اشتراک گذاری شده ی منابع بر روی اینترنت در یک سلف سرویس را نیز، که بطور دینامیکی مقیا س پذیر و دارای رفتاری اندازه گیری شده است ارائه می کند. محاسبات ابری هنوز در مراحل اولیه خودش است، بنابراین مزایای کامل آن کسب می شود، تحقیقات زیادی در کل آرایه گسترده ای از عناوین مورد نیاز است. یکی از مهم ترین مسائل تحقیق که برای عملکرد کارآمد آن می بایست تمرکز کرد برنامه ریزی می باشد. هدف از برنامه ریزی نقشه برداری وظایف برای منابع مناسب است که یک یا چند هدف را بهینه سازی کند. برنامه ریزی در محاسبات ابری متعلق به مقوله ای از مسائل شناخته شده به عنوان مسئله NP-hard با توجه به فضای راه حل آن است و از اینرو این موجب اتلاف در زمان جهت یافتن راه حلی مطلوب می گردد. هیچ الگوریتمی وجود ندارد که احتمالا راه حل مطلوبی با زمان چند جمله ای برای حل کردن این مسائل را تولید کند. در محیط ابری، برای دوره کوتاهی از زمان بهتر است که راه حل زیر بهینه یافته شود. روش های مبتنی بر فرا ابتکاری برای به دست آوردن راه حل های بهینه نزدیک با زمان معقول برای این مسائل مورد تائید قرار گرفته اند. در این مقاله، بررسی گسترده و آنالیز قیاسی از الگوریتم های برنامه ریزی مختلف برای محیط های شبکه ای و ابری مبتنی بر سه روش فوق ابتکاری محبوب: بهینه سازی کلونی مورچه (ACO)، الگوریتم ژنتیک (GA) و بهینه سازی ازدحام ذرات (PSO)، و دو روش جدید: الگوریتم لیگ قهرمانان (LCA) و الگوریتم خفاش را ارائه می کنیم.

کلمات کلیدی: زمانبندی کار ابر | تکنیک های فرا ابتکاری | بهینه سازی کلونی مورچه | الگوریتم ژنتیک و بهینه سازی ازدحام ذرات | الگویتم لیگ قهرمانان (LCA) و الگوریتم خفاش

عنوان انگلیسی:

A review of metaheuristic scheduling techniques in cloud computing

~~en~~ writers :

Mala Kalra, Sarbjeet Singh

Cloud computing has become a buzzword in the area of high performance distributed
computing as it provides on-demand access to shared pool of resources over Internet in a selfservice, dynamically scalable and metered manner. Cloud computing is still in its infancy, so to reap
its full benefits, much research is required across a broad array of topics. One of the important
research issues which need to be focused for its efficient performance is scheduling. The goal of
scheduling is to map tasks to appropriate resources that optimize one or more objectives.
Scheduling in cloud computing belongs to a category of problems known as NP-hard problem
due to large solution space and thus it takes a long time to find an optimal solution. There are
no algorithms which may produce optimal solution within polynomial time to solve these problems.
In cloud environment, it is preferable to find suboptimal solution, but in short period of time.
Metaheuristic based techniques have been proved to achieve near optimal solutions within reasonable time for such problems. In this paper, we provide an extensive survey and comparative analysis
of various scheduling algorithms for cloud and grid environments based on three popular metaheuristic techniques: Ant Colony Optimization (ACO), Genetic Algorithm (GA) and Particle
Swarm Optimization (PSO), and two novel techniques: League Championship Algorithm (LCA)
and BAT algorithm.

KEYWORDS: Cloud task scheduling | Metaheuristic techniques | Ant colony optimization | Genetic algorithm and particle swarm optimization | League Championship Algorithm (LCA) and BAT algorithm

$$en!!