دانلود پایان نامه پیاده سازی زمانبندي وظایف در رایانش ابري با استفاده از الگوریتم کلونی مورچگان بهبود یافته

این پایان نامه با موضوع "پیاده سازی زمانبندي وظایف در رایانش ابري با استفاده از الگوریتم کلونی مورچگان بهبود یافته" می باشد. کلیه سورس و فایل های شبیه سازی پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پایان نامه 83 صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است. 

امکانات اصلی این پایان نامه پس از خرید عبارتند از:
- امکان دانلود فایل  Word,pdf پایان نامه
- امکان دانلود سورس شبیه سازی شده با زبان برنامه نویسی جاوا (Java) 

توجه1: شبیه سازی با همین موضوع، در سایت موجود می باشد که می توانید بصورت جداگانه خریداری نمایید.(جهت خرید کلیک نمایید)
توجه2: پروپوزال با همین موضوع، در سایت موجود می باشد که می توانید بصورت جداگانه خریداری نمایید.(جهت خرید کلیک نمایید)
توجه3: در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید پایان نامه فوق کافی است با تیم پشتیبانی "ناب تزیز" از طریق پیامک یا واتساپ ارتباط برقرار نمایید.

چکيده:
محاسبات ابري مدتهاست که در محدوده فن‌آوري اطلاعات خود نمایی می‌کند. زمانبندي خدمات ابر توسط ارائه دهندگان، سود هزینه این الگوي محاسباتی را تحت تأثیر قرار می‌دهد، در چنین سناریویی کارها باید به نحو احسن زمانبندي شوند به طوری‌که هزینه و زمان اجرا کاهش یابد. در این پایان نامه سعی شده است تا بحث "زمانبندي وظایف بر اساس الگوریتم کلونی مورچگان بهبود یافته مبتنی بر الگوریتم ژنتیک با رویکرد تعادل بار پویا" بررسی شود. در روش پیشنهادي محیط ابر همگن و کارها مستقل در نظر گرفته شده‌اند، همچنین هر وظیفه علاوه بر داشتن زمان اجرا، زمان زنده ماندن هم دارد (به این معنی که هر وظیفه مهلت زمانی محدودي براي اجرا شدن دارد و در صورت اجرا نشدن در مهلت خاص خودش  از ارزش اجراي آن کم می‌شود) درست مانند سیستم‌هاي بلادرنگ و همین فاکتور زمان زنده ماندن، براي هر وظیفه، اولویت آن وظیفه براي اجرا شدن را نشان می‌دهد. مهم‌ترین مزیت الگوریتم پیشنهادي این است که علاوه بر این‌ که زمان اجراي کل را کاهش می‌دهد سعی می‌کند هر وظیفه را در سریع‌ترین زمان ممکن، قبل از اینکه مهلت زمانی‌اش به اتمام برسد، به پایان برساند که این مسئله در سیستم‌هاي بلادرنگ بسیار مهم است و در مقایسه با الگوریتم زمانبندي بلادرنگ ساده زمان اجراي کمتري دارد. همچنین روش پیشنهادی مصرف انرژی دیتاسنترهای رایانش ابری را به صورت قابل ملاحظه ای کاهش می دهد. شبیه‌سازي الگوریتم درCloudsim نشان می‌دهد که با افزایش منابع براي تعداد ثابتی از وظایف، زمان محیط اجرا تا چه میزان می‌تواند براي سیستم کاهش یابد. با توجه به نتایج بدست آمده، به طور کلی روش پیشنهادی از لحاظ زمان اجرا نسبت به روش DVFS حدود 2.74 برابر بهبود زمانی داشته، نسبت به روش EEVS حدود 4.49 برابر بهتر عمل نموده، نسبت به روش EEVS-N حدود 4.19 برابر، نسبت به روش MBFD حدود 4.11 برابر و در نهایت نسبت به روش Hemogeneous حدود 4.49 برابر بهبود داشته است. همچنین از لحاظ هزینه های ارتباطی نسبت به روش های EEVS حدود 0.88 برابر بهتر بوده، نسبت به روش EEVS-N حدود 3.8 برابر، نسبت به روش MBFD حدود 1.1 برابر و در نهایت نسبت به روش Hemogeneous حدود 1.08 برابر بهبود داشته است.