دانلود ترجمه مقاله الگوریتم زمان بندی وظایف مبتنی بر PSO بهبود یافته با متوازن سازی باز

1. مقدمه 2. مطالعات مرتبط 3. زمان بندی وظایف، مبتنی بر PSO 3.1. PSO کلاسیک 3.2. الگوریتم پیشنهادی متوازن سازی بار 3.3. فرمول بندی زمان بندی منابع- امور 3.4. متوازن سازی بار پیشنهادی، مبتنی بر PSO 4. ارزیابی عملکرد 4.1. تحلیل آماری 4.2. نتایج شبیه سازی 4.3. تحلیل نتایج 5. نتیجه گیری و مطالعات آتی

مقدمه: رایانش ابری، از مفاهیم رایانش پراکنده و موازی، برای ارائه منابع به اشتراک گذاشته شده از طریق اینترنت، برای کاربران استفاده می کند. یک مدل پرداخت بر اساس استفاده، باعث شده که خدمات ابری فراگیر شوند. ارائه دهندگان خدمات ابری، ارائه خدمات و کاربران موجودیت متفاوت هستند که در یک فرآیند تامین سطح نرم افزار، به عنوان خدمات، با یکدیگر تلفیق می شوند. ارائه دهندگان ابر از فناوری مجازی سازی استفاده کرده و منابع رایانشی را به صورت ماشین های مجازی، در اختیار مشتریان خود قرار می دهند. از طرفی دیگر، ارائه دهندگان خدمات، از این VMها برای ارائه خدمات سطح کاربرد به کاربرانشان، سود می جویند. برای این که امور کاربران را به VMها اختصاص بدهیم، زمان پاسخگویی را کاهش دهیم و کیفیت خدمات نویدبخشی (QoS) را ارائه نموده و از منابع به بهترین شکل ممکن استفاده کنیم، ارائه دهندگان خدمات از تکنیک های زمان بندی بهره می جویند. بنابراین الگوریتم زمان بندی، یکی از عناصر مرکزی هر زیرساخت ابری ای می باشد. با وجود این که چندین روش زمان بندی، برای مجموعه ای از محیط های رایانشی وجود دارد، این تکنیک ها را باید اگر به صورت اختصاصی، برای محیط مدنظر، طراحی نشده باشند، تنظیم کرد. برای مثال، چندین کامپیوتر همگون و مستقل در یک دسته وجود دارند که همراه یکدیگر، به عنوان یک سیستم عمل می کنند و این سیستم ها از منابع محلی خود استفاده می کنند در حالی که محیط ابری، شامل مجموعه ای از منابع ناهمگون پراکنده است و کاربران می توانند از تمامی آن ها استفاده کنند. بنابراین یک الگوریتم زمان بندی ای که برای یک دسته، خوب است ممکن است نتواند برا یک محیط ابری، مناسب باشد. فضای مسئله باید براساس عناصر الگوریتم، به گونه ای نگاشت شود که الگوریتم را بتوان به ویژگی های ساختاری محیط ابری، اعمال کرد. افزایش VMهای ناهمگون و گوناگونی سایز امور، منجر به تعداد بالایی از چیدمان های امور می شود. یافتن جایگشت مناسب، با زمان اتمام کار حداقل، در میان تمامی جایگشت ها، یک مسئله سخت NPاست. بسیاری از مطالعات مربوطه، با استفاده از الگوریتم های فراابتکاری، به صورت ترکیبی با زمان بندی، در یک محیط ابری، به این مسئله پرداختند. با این وجود در مقاله در دست، یک روش زمان بندی را مبتنی بر الگوریتم PSO ارائه کرده ایم که با استفاده از روش متوازن سازی بار بهبود داده شده و منجر به همگرایی سریع تر به راه حل بهینه می شود. در حقیقت از تکنیک متوازن سازی بار مناسب و یک الگوریتم فراابتکاری، برای بررسی دو هدف که مرتبط با منافع ارائه دهندگان خدمات می شوند (استفاده از منابع) و افزایش رضایت کاربران (کاهش زمان صرف شده) استفاده نموده ایم.

INTRODUCTION: Cloud computing employs parallel and distributed computing concepts to provide users with shared resources through the internet. A “pay as you go” model has made cloud services ubiquitous. Cloud providers, service providers, and users are three distinct entities incorporating in the software as a service (SaaS) level provisioning. Cloud providers exploit virtualization technology and supply their clients with computing resources in the form of virtual machines (VMs). Service providers, on the other hand, benefit from these VMs to provide users with application level services. To assign users' tasks to VMs, reduce the response time, provide promising quality of service (QoS), and make the most of the resource, service providers exploit task scheduling techniques. Therefore, the task scheduling algorithm is one of the core elements of each cloud infrastructure.1 Although there are several scheduling methods for a variety of computing environments, they should be adjusted for a cloud environment if they have not been specifically designed for it. For example, there are some independent and homogeneous computers in a cluster, which together act as a single system, and these systems use their local resources, while a cloud environment contains a set of distributed heterogeneous resources and users can use all of them; thus, a scheduling algorithm that can be good for a cluster may not be appropriate for a cloud environment. The problem space should be mapped into the algorithm elements so that the algorithm can be applied to the structural features of the cloud environment. The increase in heterogeneous VMs and the diversity of the size of tasks leads to a huge number of task arrangements. Finding the suitable permutation with the minimum completion time among all permutations is a NP‐hard problem. Many related studies have been conducted using meta‐heuristic algorithms in conjunction with scheduling in a cloud environment; however, in this paper, we have presented a scheduling method based on the PSO algorithm that has been improved using a load‐balancing method, leading to the faster convergence of the optimal solution. In fact, we can use an appropriate load‐balancing technique and a meta‐heuristic algorithm to consider two objectives meeting the interest of service providers (resource utilization) and increasing the satisfaction of users (makespan reduction).

بخشی از ترجمه مقاله (صفحه 19 و 20 فایل ورد ترجمه)