موازنة وجدولة سير عمل المهام باستخدام الخوارزمية الوراثية وخوارزمية تحسين السرب في الحوسبة السحابية
| العنوان بلغة أخرى: |
Workflow Load Balancing and Scheduling using Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) in Cloud Computing |
|---|---|
| المؤلف الرئيسي: | باعلي، حنان علي (مؤلف) |
| مؤلفين آخرين: | مناصرة، أحمد (مشرف) |
| التاريخ الميلادي: |
2017
|
| موقع: | إربد |
| الصفحات: | 1 - 80 |
| رقم MD: | 870505 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة اليرموك |
| الكلية: | كلية تكنولوجيا المعلومات وعلوم الحاسوب |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
123
| المستخلص: |
تقدم الحوسبة السحابية العديد من الخدمات وتساهم في تقاسم الموارد للعملاء المعروفة باسم طلب الخدمات. تدار العديد من العمليات التجارية باستخدام تكنولوجيا سير عمل المهام على الحوسبة السحابية والتي تمثل واحدة من إحدى التحديات في استخدام موارد الحوسبة السحابية بطريقة فعالة نظرا للتبعية بين المهام والتي تؤثر على ترتيب تنفيذها وكفاءة استخدام الموارد. استخدمت عدة طرق لإيجاد الحل الأمثل لكفاءة توزيع وجدولة المهام على موارد الحوسبة السحابية وحل مشكلة سير عمل المهام على الحوسبة السحابية. في هذه الأطروحة، تم اقتراح خوارزمية جديدة تقوم على دمج حسنات كلا من خوارزمية تحسين السرب والخوارزمية الوراثية حيث يتم استخدامهما في تخصيص وتوزيع المهام على موارد الحوسبة السحابية بطريقة فعالة مع تحقيق عدد من الأهداف ممثلة في الحد من makespan، وهو الفرق بين وقت الانتهاء ووقت البدء بتنفيذ مهام سير العمل كاملة لتحقيق التوازن بين الحمل وتكلفة تنفيذ المهام التي تعتمد على الموارد الغير متجانسة الصفات في بيئة الحوسبة السحابية. وتمت مقارنة نتيجة الخوارزمية الهجينة مع كلا من خوارزمية تحسين سرب الجسيمات (PSO)، والخوارزمية الجينية (GA)، الخوارزمية الوراثية الإرشادية المركبة (HSGA)، الخوارزمية الوراثية لجدولة تطبيقات سير العمل (WSGA)، خوارزمية الأقل للأقل المبنية على أساس مقايضة الوقت والتكلفة (MTCT) لتقييم أداء الخوارزمية المقترحة في حل مشكلة موازنة وجدولة تطبيقات سير العمل في البيئة السحابية. وأظهرت النتائج أن خوارزمية GA-PSO أوجدت الحد الأدنى من makespan مقارنة مع GA، HSGA، WSGA بنسبة 16%، 4%، 11% و5% على التوالي. وبالإضافة إلى ذلك، بلغ متوسط تحسين makespan خلال التطبيقات Montage، CyberShake، Epigenomics، LIGO ما يقارب من 11%، 17%، 5% و15% على التوالي بالمقارنة مع خوارزمية MCTC وكذلك، قللت الخوارزمية المقترحة التكلفة الإجمالية لتنفيذ المهام مقارنة بالخوارزمية GA، HSGA، WSGA بنسبة 13%، 4% و9% على التوالي. وعلاوة على ذلك، بلغ متوسط تكلفة التنفيذ للمهام بالمقارنة مع خوارزمية MTCTخلال التطبيقات Montage، CyberShake، Epigenomics، LIGO 15%، 11%، 9% و11% على التوالي وتبعا لذلك، تم تخفيض الحمل بالمقارنة مع GA، PSO وHSGA بنسبة 28%، 4% و9% على التوالي |
|---|
عناصر مشابهة
-
ضمان أمنية البيانات على السحابة باستخدام خوارزميتى AES & Blowfish
بواسطة: الشيخ، هدى يحيى عبدالله منشور: (2020) -
تحديد أفضل مركز لتوجيه البيانات بالاعتماد على خوارزمية التطور التفاضلية
بواسطة: الدومي، آلاء خليفة منشور: (2017) -
Evaluating and Comparing Between Fuzzy K-Mean and K-mean Clustering in General cloud
بواسطة: الضمور، محمود عوض مسلم منشور: (2017) -
Implementation of proposed lightweight cryptosystem for use in Cloud Computing Security
بواسطة: الراميني، لبنى معتصم منشور: (2018) -
An Efficient Task Scheduling Algorithm for Private Cloud Computing based on User priority
بواسطة: Al-Zyadneh, Mohammad منشور: (2019)
