فایل ورد کامل زمانبندی وظیفه ابری بر اساس بهینه سازی تعادل بار مورچگان

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 زمانبندی وظیفه ابری بر اساس بهینه سازی تعادل بار مورچگان،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۴ صفحه

۶- نتیجه گیری و کارهای آینده
در این مقاله الگوریتم LBACO را برای رسیدن به زمانبندی وظایف با تعادل بار، پیشنهاد داده ایم و به صورت تقریبی الگوریتم LBACO را در کاربردهایی با تعداد وظایف متغیر از ۱۰۰ تا ۵۰۰ ارزیابی کرده ایم. نتایج تقریبی نشان می دهد که LBACO کل بار سیستم را بطور موثر متعادل می کند. اگر اندازه وظایف یکسان باشد یا نه، LBACO می تواند تمام شرایط را کنترل کند و الگوریتم های FCFS و ACO را در محیط پردازش ابری بهتر کند.
بعنوان کار آینده، دو نقطه جالب وجود دارد که نیازمند بررسی بیشتر است. ابتدا در این کار ما فرض کردیم که تمام وظایف متقابلا مستقل هستند یعنی هیچ محدودیت مقدم بین وظایف وجود ندارد. دوم، ما فرض کردیم وظایف از نظر محاسباتی فشرده هستند که این برای سیستم های ابری واقع بینانه نیست. بعلاوه بعنوان یک کار آینده، به منظور تطابق با پردازش ناهمگن وظایف، بردار دسترسی باید مطول باشد تا اطلاعات نیازمندی وظیفه را در خود جای دهد.

عنوان انگلیسی:Cloud Task scheduling based on Load Balancing Ant Colony Optimization~~en~~

VI. CONCLUSIONS AND FUTURE WORK

In this paper we have proposed the LBACO algorithm for achieving tasks scheduling with load balancing, and we have experimentally evaluated the LBACO algorithm in applications with the number of tasks varying from 100 to 500. The experimental result shows that the LBACO balance the entire system load effectively. Weather the sizes of the tasks are the same or not, LBACO can handle all conditions, and outperforms FCFS and ACO algorithms in cloud computing environment. As for the future work, there are two interesting points that deserve further investigation. First, in this work, we assume that all Tasks are mutually independent, i.e., there is no precedence constraint between tasks. Second, we assume that tasks are computationally intensive, which is not realistic for cloud systems. Moreover, as a future work, in order to accommodate the heterogeneous processing of the tasks, the availability vector should be extended to incorporate information about task requirements.

$$en!!