دانلود ترجمه مقاله توازن بار در ابر با استفاده از الگوریتم ژنتیک

1. مقدمه 2. توازن بار 3. پژوهش های مرتبط 4. توازن بار در ابر با استفاده از الگوریتم ژنتیک 5. پیاده سازی 6. نتیجه گیری

چکیده – رایانش ابری، توسعه رایانش توزیع یافته، رایانش موازی و یا رایانش شبکه ای است یا به صورت پیاده سازی تجاری این مفاهیم علوم کامپیوتری تعریف شده است. یکی از مسائل اساسی در این محیط، مرتبط با برنامه ریزی وظایف و توازن بار می باشد. برنامه ریزی وظایف ابر، یک مسئله بهینه سازی علمی و سخت است و بسیاری از الگوریتم های فرا ابتکاری، به منظور حل آن پیشنهاد شده اند. یک برنامه ریز وظایف خوب باید استراتژی برنامه ریزی خود را با محیط در حال تغییر و انواع وظایف، منطبق کند. این مقاله، یک سیاست برنامه ریزی وظایف ابری را بر پایه الگوریتم ژنتیک پیشرفته متوازن سازی بار (EGA) پیشنهاد می کند. مشارکت عمده مطالعه ما، حفظ توازن، در کل بار سیستم می باشد در حالی که برای به حداقل رساندن زمان صرف شده یک مجموعه وظایف خاص نیز تلاش می شود. استراتژی برنامه ریزی جدید، با استفاده از بسته ابزار نت بینز، شبیه سازی شده است. نتایج آزمایشات نشان می دهد که الگوریتم ژنتیک پیشرفته پیشنهادی (EGA) به نسبت LFCFS (اولین ورودی، اولین سرویس را می گیرد)، عملکرد بهتری داشته و ACO با EGA ، قابل مقایسه است.

The cloud computing is the development of distributed computing, parallel computing and grid computing, or defined as the commercial implementation of these computer science concepts. One of the fundamental issues in this environment is related to task scheduling and Load Balancing. Cloud task scheduling is an NP-hard optimization problem, and many meta-heuristic algorithms have been proposed to solve it. A good task scheduler should adapt its scheduling strategy to the changing environment and the types of tasks. This paper proposes a cloud task scheduling policy based on Load Balancing Enhanced Genetic (EGA) algorithm. The main contribution of our work is to maintain the balance in the entire system load while trying to minimizing the Make span of a given tasks set. The new scheduling strategy was simulated using the Net Beans toolkit package. Experiments results showed the proposed Enhanced Genetic (EGA) algorithm outperformed FCFS (First Come First Serve) and Compare the EGA, ACO.