ترجمه مقاله الگوریتم زمانبندی شغلی برای رایانش ابری با الهام از فاخته – سال 2019
مشخصات مقاله:
عنوان فارسی مقاله:
عنوان انگلیسی مقاله:
کلمات کلیدی مقاله:
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مهندسی الگوریتم ها و محاسبات، مهندسی نرم افزار، رایانش ابری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. الهام بخشی رفتار فاخته
3. از الهام گرفتن تا الگوریتم
3-1 طراحی سیستم
4- روش ارزیابی
5- نتیجه و بحث
6. نتیجه گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Cloud computing offers a pool of virtual resources to users on demand. Among the main challenge facing cloud computing is job scheduling which is an NP-hard problem. Usually, scheduling should consider job priority, where high-priority jobs should be immediately allocated required resources, whereas low-priority jobs can wait. In this paper, we propose a scheduling algorithm that imitates the parasitic behaviour of the cuckoo bird. Cuckoos reproduce by exploiting the nests of other birds with eggs similar to their own. We have evaluated the proposed cuckoo scheduling algorithm under varying number of nodes and percentage of high priority jobs. The experimental results demonstrate the superiority of our proposed algorithm over the benchmarks in terms of average CPU utilization and average turnaround time for each type of job.
چکیده
رایانش ابری مخزنی از منابع مجازی را با توجه به تقاضا به کاربران پیشنهاد می دهد. یکی از اصلی ترین چالش های رایانش ابری، زمان بندی کاری است که یک مسئله سخت NP است. به شکل معمول، زمان بندی باید اولویت کار را در نظر بگیرد، جایی که در کارهای دارای اولویت بالا، منابع مورد نیاز باید بلافاصله اختصاص یابند، در حالی که کارهای دارای اولویت پایین می توانند صبر کنند. در این مقاله، ما یک الگوریتم زمان بندی را پیشنهاد می کنیم که از رفتار انگلی پرنده فاخته تقلید می کند. فاخته ها با بهره برداری از لانه پرندگان دیگر با قرار دادن تخم ها در آن لانه ها تولید مثل می کنند. ما الگوریتم زمان بندی فاخته پیشنهادی را تحت تعدادی از گره ها و درصد کارهای دارای اولویت بالا ارزیابی کردیم. نتایج آزمایشی برتری الگوریتم پیشنهادی ما را نسبت به معیارها از نظر میانگین استفاده از CPU و میانگین زمان چرخش برای هر نوع کار نشان می دهند.
