فایل ورد کامل یک الگوریتم ترکیبی بهبود یافته فازی کلنی مورچه ای به کار رفته برای متعادل سازی بار در محیط محاسبه 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 یک الگوریتم ترکیبی بهبود یافته فازی کلنی مورچه ای به کار رفته برای متعادل سازی بار در محیط محاسبه ابری،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۴ صفحه

این مقاله یک الگوریتم ترکیبی نوین را برمبنای منطق فازی و مفاهیم بهینه سازی کلنی مورچه ای (ACO) جهت بهبود متعدل سازی بار در محیط ابری توضیح می دهد. متاسفانه تعداد زیاد درخواست های پردازش شده و نیز سرورهای دردسترس در هر نمونه t، الگوریتم های سنتی متعادل سازی بار را غیرمفید می کند. الگوریتم پیشنهادی متعادل سازی بار و اهداف زمان پاسخ را در ابر مدنظر قرار می دهد. به علاوه، عملکرد الگوریتم ACO شدیدا” با مقادیر پارامترهای ACO همبسته است. دیدگاه معرفی شده (۱) از طراحی تجربی تاگوچی برای شناسایی بهترین مقدار پارامترهای ACO استفاده می کند (۲) و یک مدول فازی برای ارزیابی مقدار فرومون به منظور بهبود مدت زمان محاسبه تعریف می کند. شبیه سازی های به دست آمده ازطریق بستر تحلیلگر ابری نشانگر مفید بودن الگوریتم فازی ترکیبی ACO در مقایسه با سایر الگوریتم های متعادل سازی بار هستند.

کلیدواژه ها: بهینه سازی کلنی مورچه ای | منطق فازی | محاسبه ابری | متعادل سازی بار | تاگوچی | زمان پاسخ

عنوان انگلیسی:

An improved Hybrid Fuzzy-Ant Colony Algorithm Applied to Load Balancing in Cloud Computing Environment

~~en~~ writers :

Awatif Ragmani, Amina Elomri, Noreddine Abghour, Khalid Moussaid, Mohammed Rida

This paper outlines a novel hybrid algorithm based on the Fuzzy logic and ant colony optimization (ACO) concepts to improve the
load balancing in the Cloud environment. Unfortunately, the large number of requests processed as well as the servers available
at each instant t, make the conventional algorithms of load balancing ineffective. The proposed algorithm considers the load
balancing and response time objectives in the Cloud. Moreover, the performance of the ACO algorithm is strongly correlated with
the ACO parameters’ values. The introduced approach (i) applies the Taguchi experimental design to identify the best value of
ACO parameters (ii) and define a fuzzy module to evaluate the pheromone value in order to improve the calculation duration.
The achieved simulations through CloudAnalyst platform demonstrate the effectiveness of the combined Fuzzy-ACO algorithm in
comparison with other load balancing algorithms.

Keywords: Ant Colony Optimization | Fuzzy Logic | Cloud computing | Load Balancing | Taguchi | Response time.

$$en!!