دانلود ترجمه مقاله راهبرد زمانبندی منابع جدید مبنی بر الگوریتم ژنتیک

• فهرست مطالب:

چکیده
۱- مقدمه
۲- کار مربوطه
۳- معماری برنامه ریزی در محیط پردازش ابر
۴- طراحی مدل برنامه ریزی VM
A. مدل VM
B. بیان بار
C. مدل ریاضی
۵- تحقق برنامه ریزی متعادل بواسطه الگوریتم ژنتیک
A. برنامه نویسی جمعیت
B. مقدار دهی اولیه جمعیت
C. تابع برازندگی
D. استراتژی انتخاب
E. عملکرد متقاطع
F. عملکرد جهش
G. استراتژی برنامه ریزی
۶- تحلیل الگوریتم
A. الگوریتم برنامه ریزی کلی
B. تحلیل شدت الگوریتم ژنتیک
C. تحلیل بازده الگوریتم ژنتیک
۷- تحلیل نتایج و آزمایش
A. تحلیل اثر الگوریتم
B. اثر میزان نوسان بر تعادل بار
C. تحلیل هزینه مهاجرت
D. میزان کاربرد پذیری الگوریتم
۸- نتیجه گیری

• بخشی از ترجمه:

۸- نتیجه گیری
با در نظر گرفتن تعادل بار فعلی در برنامه ریزی منابع VM، این مقاله یک استراتژی تعادل بار VM بر اساس الگوریتم ژنتیک ارائه داده است. با در نظر گرفتن برنامه ریزی منابع VM در محیط پردازش ابر و با مزیت الگوریتم ژنتیک این روش مطابق با داده تاریخی و وضعیت فعلی از قبل اثری که آن بر همه سیستم خواهد داشت وقتی که منابع سرویس VM فعلی که نیاز به توسعه دارند در هر گره فیزیکی قرار می گیرد محاسبه می کند و سپس آن راه حلی را انتخاب می کند که کمترین اثر بر سیستم بعد از نحوه قرار گرفتن خواهد داشت. به همین ترتیب، این روش به بهترین تعادل بار می رسد و از مهاجرت پویا اجتناب می کند یا آن را کاهش می دهد بنابراین مسئله عدم تعادل بار و هزینه بالای مهاجرت ایجاد شده بوسیله الگوریتم های برنامه ریزی سنتی را حل کرده است. نتایج آزمایش نشان می دهد که این روش می تواند تعادل بار و استفاده درست منابع را بهتر تحقق بخشد.
این مقاله یک مدل بر اساس موقعیت های بهم پیوسته پردازش ابر می سازد. این روش داده تاریخی و وضعیت فعلی VM را در نظر می گیرد، از ساختار درختی برای انجام برنامه نویسی در الگوریتم ژنتیک استفاده می کند، استراتژی های انتخاب متناظر را پیشنهاد می کند، پیوند زنی و تغییر کنترل هایی بر روش دارند بنابراین قابضیت بهتری دارد. گرچه در محیط پردازش ابر واقعی، ممکن است تغییرات دینامیکی در VM ها وجود داشته باشد و نیز ممکن است یک افزایش در هزینه پردازش نرم افزار مجازی سازی و تعدادی اتلاف بار با افزایش تعداد VM دایر شده در هر ماشین فیزیکی وجود داشته باشد. بنابراین یک مکانیزم تحلیل و نظارت مورد نیاز است تا مسئله تعادل بار را بهتر حل کند. این یک موضوع برای تحقیق بیشتر است.

• بخشی از مقاله انگلیسی:

VIII. CONCLUSIONS

In view of the current load balancing in VM resources scheduling, this paper presents a scheduling strategy on VM load balancing based on genetic algorithm. Considering the VM resources scheduling in cloud computing environment and with the advantage of genetic algorithm, this method according to historical data and current states computes in advance the influence it will have on the whole system when the current VM service resources that need deploying are arranged to every physical node, and then it chooses the solution which will have the least influence on the system after arrangement. In this way, the method achieves the best load balancing and reduces or avoids dynamic migration thus resolves the problem of load unbalancing and high migration cost caused by traditional scheduling algorithms. The experimental results show that this method can better realize load balancing and proper resource utilization. This paper builds a model based on the concrete situations of cloud computing. It considers the historical data and current states of VM, uses tree structure to do the coding in genetic algorithm, proposes the correspondent strategies of selection, hybridization and variation also puts some control on the method so that it has better astringency. However in real cloud computing environment, there might be dynamic change in VMs, and there also might be an increase of computing cost of virtualization software and some unpredicted load wastage with the increase of VM number started on every physical machine. Therefore, a monitoring and analyzing mechanism is needed to better solve the problem of load balancing. This is also a further research subject.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله