مقاله انگلیسی با ترجمه فارسی آماده
مقاله شماره 123 کامپیوتر: الگوریتم خفاش برای برنامه ریزی در محاسبات ابری 

چکیده 
برنامه ریزی منابع یک فرایند پیچیده در محاسبات ابری، به دلیل ماهیت ناهماهنگ ابرداده ها و نسخه های زیاد از وظایف مشابه که برای رایانه های متنوع در نظر گرفته شده است. بنابراین، در این مقاله یک الگوریتم خفاش  برای برنامه ریزی منابع در محیط ابرداده ای پیشنهاد شده است. این الگوریتم دارای ارزش دقت بالا و بازدهی بالا در مقایسه با سایر الگوریتم های بهینه سازی است. 
1- مقدمه
محاسبات ابری سرعت برنامه ها را با حداقل هزینه و حداکثر نواوریها و چالاکی تجاری افزایش می دهد. ویژگی اصلی محاسبات ابری، مجازی سازی است که نسخه های متنوعی از محیط موجود از جمله ماشین های مجازی را ایجاد خواهد کرد. فناوری مجازی سازی به فراهم کنندگان محاسبات ابری اجازه می دهد تا هر نوع از منابع یا محیطهای ابری را با حذف حائل و سختی نگهداری اجزای نرم افزاری و سخت افزاری فراهم کرده و نیازهای کاربر را برطرف کند. از طریق فرایند مجازی سازی، رایانه های مجازی شده می توانند به صورت پویا مقرر شده و به عنوان یک یا چند منبع یکنواخت تر مبتنی بر SLA ارائه شوند که حکم بین فراهم کننده و مصرف کنندگان سرویس است. منبع فراهم شده برای کاربران شامل مجموعه ای از حافظه فرار و حافظه غیر فرار و پردازشگرها است. محاسبات ابری دسترسی ارزان و اسان را به منابع محاسباتی فراهم می کند. هدف اصلی برنامه ریزی، رسیدن به محاسبه با عملکرد بالا و بهترین خروجی سیستم است. الگوریتمهای برنامه ریزی در محاسبات ابری را می توان به دو گروه بر مبنای طبقه بندی ساده ، دسته بندی کرد. گروه اول، الگوریتم های برنامه ریزی ذهنی حالت دسته ای (BMHA) می باشند که در آنها وظایف در صف قرار گرفته شده و به عنوان دسته هایی که به سیستم می رسند جمع آوری شده و الگوریتم برنامه ریزی پس از دوره ثابتی از زمان اجرا می شود. مثالهایی از الگوریتمهای مبتنی بر BMHA عبارتند از : الگوریتم برنامه ریزی اولین ورود، اولین سرویس (FCFR) ، الگوریتم برنامه ریزی روبین چرخشی(RR) ، الگوریتم Min–Min و الگوریتم Max–Min است. دومین گروه، الگوریتم برنامه ریزی ذهنی حالت آنلاین است که در آن وظایف زمانی که به سیستم می رسند برنامه ریزی می شوند. چون محیط ابری یک سیستم ناهمگن است، و سرعت هر پردازشگر سریعا تغییر می کند، الگوریتنهای برنامه ریزی ذهنی حالت آنلاین برای محیطهای ابری مناسب تر هستند. الگوریتم برنامه ریزی وظیفه با سازگاری بیشتر (MFTF ) مثال مناسبی از الگوریتم برنامه ریزی ذهنی حالت آنلاین است. 
الگوریتم بهینه سازی مبتنی بر جمعیت که از الگوریتمهای ژنتیک (GA)، بهینه سازی ازدحام ذره (PSO)، بهینه سازی جستجوی باکتریایی(BA) استفاده می کنند، و الگوریتم های خفاش  ( BA) که از جمعیت افراد برای حل مسئله استفاده می کنند. 
پیروزی یا شکست الگوریتمها بستگی به قابلیت آن برای تنظیم تبادل مناسب بین اکتشاف و بهره برداری دارد. یک تعادل کاهش یافته بین اکتشاف و بهره برداری ممکن است منجر به شیوه های بهینه سازی ضعیف شود که از همگرایی زودرس رنج می برند، در یک رکود و بهینگی محلی به دام می افتند. 




قیمت ترجمه فارسی: 5000 تومان
     دانلود نسخه انگلیسی و خرید ترجمه فارسی ژورنال از لینک های پایین


 











آخرین مطالب

» سفارش ترجمه ( سه شنبه 5 اردیبهشت 1396 )
» مقالات انگلیسی با ترجمه آماده ( دوشنبه 3 خرداد 1395 )
» دعوت به همکاری و استخدام ( جمعه 14 اسفند 1394 )
 
 
ساخت وبلاگ در میهن بلاگ

شبکه اجتماعی فارسی کلوب | اخبار کامپیوتر، فناوری اطلاعات و سلامتی مجله علم و فن | ساخت وبلاگ صوتی صدالاگ | سوال و جواب و پاسخ | رسانه فروردین، تبلیغات اینترنتی، رپرتاژ، بنر، سئو