فهرست:
فصل اول- کلیات تحقیق 1
1-1-مقدمه. 2
1-1-1 ابرهای محاسباتی.. 2
1-1-2 الگوریتم رقابت استعماری.. 3
1-1-3 زمان بندی کارها 3
1-2 اهمیت موضوع تحقیق.. 5
1-3 تعریف مسئله. 6
1-4 اهداف تحقیق.. 6
1-5 محدوده تحقیق.. 6
1-6 ساختار کلی پایان نامه. 6
فصل دوم- ادبیات و پیشینه ی تحقیق 7
2-1 مقدمه. 8
2-2 ابرهای محاسباتی.. 8
2-2-1 تعریف.. 9
2-2-2 تاریخچه. 9
2-2-3 معماری ابرهای محاسباتی.. 10
2-2-4 مدل های پیاده سازی ابرهای محاسباتی.. 11
2-2-5 مجازی سازی.. 12
2-2-6 مزایای ابرهای محاسباتی.. 12
2-2-7 چالش های ابرهای محاسباتی.. 13
2-3 زمان بندی کارهای مستقل.. 14
2-3-1 تعریف.. 15
2-3-2 الگوریتم های زمان بندی در ابرهای محاسباتی.. 16
2-3-2-1 مروری بر الگوریتم های زمان بندی حداکثر تلاش... 20
2-3-2-2 الگوریتم زمان بندی آگاه از منبع. 20
2-3-2-3 قیمت گذاری بر اساس فعالیت بهبود یافته (ABC) 21
2-3-2-4 بهینه سازی ازدحام ذرات (PSO) 21
2-3-2-5 الگوریتم توافق زمان-هزینه (CTC) 21
2-3-2-6 چندین گردش کاری با چندین محدودیت QOS (MQMW) 22
2-3-2-7 الگوریتم زودترین زمان پایان ناهمگن (HEFT) 22
2-3-3 الگوریتم های فوق ابتکاری.. 22
2-4 زمان بندی بلادرنگ... 23
2-4-1 برخی از الگوریتم های زمان بندی بلادرنگ... 24
2-4-1-1الگوریتم نرخ یکنواخت.. 24
2-4-1-2 الگوریتم ابتدا زودترین مهلت(EDF) 24
2-4-1-3 الگوریتم کمترین لختی.. 24
2-4-1-4 زمان بندی دو سطحی.. 25
2-5 الگوریتم رقابت استعماری.. 25
2-5-1 مراحل الگوریتم رقابت استعماری.. 25
2-5-1-1 شکل دهی امپراطوری‌های اولیه. 27
2-5-1-2 مدل‌سازی سیاست جذب: حرکت مستعمره‌ها به سمت امپریالیست.. 29
2-5-1-3 جابجایی موقعیت مستعمره و امپریالیست.. 31
2-5-1-4 قدرت کل یک امپراطوری.. 32
2-5-1-5 سیاست رقابت استعماری.. 33
2-5-1-6 سقوط امپراطوری‌های ضعیف.. 35
2-5-1-7 همگرایی.. 36
2-5-2 مزایای الگوریتم رقابت استعماری.. 38
2-6 تحقیقات انجام شده در زمان بندی ابرهای محاسباتی.. 40
2-7 جمع بندی و نتیجه گیری.. 42
فصل سوم- روش پیشنهادی 43
3-1 مقدمه. 44
3-1-1 بیان مساله. 44
3-1-2 پارامترهای زمان بندی.. 44
3-1-2-1 مدل زمان بندی.. 45
3-1-2-2 تطابق اولیه. 45
3-1-3 تابع هدف.. 47
3-1-4 نحوه انجام عمل زمان بندی.. 47
3-1-4-1 مدل ماشین مجازی بلادرنگ نرم. 47
3-1-4-2 مدل خادم. 48
3-1-4-3 درخواست ماشین مجازی بلادرنگ... 48
3-1-4-4 ساختار زمان بندی ابری بلادرنگ... 48
3-1-5 مراحل اجرای الگوریتم رقابت استعماری.. 50
3-1-5-1 شکل دهی امپراطوری های اولیه. 50
3-1-5-2 سیاست جذب.. 51
3-1-5-3 انقلاب.. 51
3-1-5-4 سیاست رقابت استعماری.. 52
فصل چهارم- شبیه‌سازی و ارزیابی روشهای پیشنهادی 54
4-1 مقدمه. 55
4-2 شبیه ساز. 55
4-2-1 مزایای کلود سیم. 55
4-2-2 مدل سازی در کلود سیم. 55
4-2-2-1 مدل سازی ابر. 56
4-2-2-2 مدل کردن تخصیص ماشین های مجازی.. 56
4-2-2-3 مدل کردن بارهای کاری پویا 56
4-2-3 جمع بندی شبیه ساز. 56
4-3 ارزیابی.. 58
4-2-1 آزمایش 200 خادمی.. 59
4-2-2 آزمایش 400 خادمی.. 62
4-3 نتیجه گیری.. 65
فصل پنجم- جمع بندی و پیشنهادات 67
5-1 جمع بندی.. 68
5-1-1 خلاصه کار انجام شده. 68
5-1-2 مزایا و معایب روش پیشنهادی.. 69
5-1-2-1 مزایای روش پیشنهادی.. 69
5-1-2-2 معایب روش پیشنهادی.. 69
5-3 نو آوری.. 69
5-4 پیشنهادات.. 70
فصل ششم- ضمیمه 71
6-1 مقدمه. 72
6-2 شبیه سازی با استفاده از الگوریتم ژنتیک... 72
6-2-1 کد گذاری.. 72
6-2-2 جمعیت اولیه. 73
6-2-3 تابع برازندگی (محاسبه هزینه) 73
6-2-4 عملگر انتخاب.. 73
6-2-5 عملگر تقاطع. 73
6-2-6 الگوریتم جهش... 74
6-2-7 الگوریتم خاتمه. 74
6-3 نتیجه گیری.. 75
مراجع 76
Abstract 79
منبع:
[1] Chenhong Zhao, Shanshan Zhang, Qingfeng Liu“Independent Tasks Scheduling Based on Genetic Algorithm in Cloud Computing” IEEE, 25, 2009.
[2] Ali Heydarzadegan, Yaser Nemati,Mohammad Iman Jamnezhad, Mohsen Moradi “Offering a New Approach to Optimal Scheduling of Tasks in the Cloud Using Chromosome Portioning” International Research Journal of Applied and Basic Sciences, 2014.
[3] Saswati Sarkar “ Optimum Scheduling and Memory Management inInput Queued Switches with Finite Buffer Space”, IEEE 1373, 2003.
[4] LeeCY，Piramuthu S.Tsai YK．”Job shop scheduling with a genetic algorithm and machine 1earning “ Inr J. Pred Res,35-4,1171, 1997.
[5] Radoslaw Szymanek and Krzysztof Kuchcinski, “ Task Assignment and Scheduling under Memory Constraints ” , IEEE, 2000.
[6] Kousik Dasgupta, Brototi Mandal, Paramartha Dutta, Jyotsna Kumar Mondal,Santanu Dam“ A Genetic Algorithm (GA) based Load Balancing Strategy for Cloud Computing” International Conference on Computational Intelligence: Modeling Techniques and Applications (CIMTA) ,Elsevier, 340, 2013.
[7] Ehsan Arianyan,Davood maleki,Alireza Yari“ Efficient Resource Allocation in Cloud Data Centers Through Genetic Algorithm” IEEE, 2012.
[8] Rajkumar Buyya, Chee Shin Yeo, Srikumar Venugopala, James Broberg, Ivona Brandic, “Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility” Future Generation Computer Systems, ELSEVIER,2008
[9] http://fa.wikipedia.org/wiki/رایانش ابری
[10] Rajkumar Buyya, William Voorsluys, James Broberg, and, Introduction to Cloud Computing, Cloud Computing: Principles and Paradigms, R. Buyya, J. Broberg, A.Goscinski (eds), ISBN-13: 978-0470887998, Wiley Press, New York, USA, February 2011.
[11] Atashpaz-Gargari, E.; Lucas, C., "Imperialist competitive algorithm: An algorithm for optimization inspired by imperialistic competition," Evolutionary Computation, 2007. CEC 2007. IEEE, 2007.
[12] Hamid Taghavifar, Aref Mardani, Leyla Taghavifar, A hybridized artificial neural network and imperialist competitive algorithm optimization approach for prediction of soil compaction in soil bin facility, Measurement, Volume 46, Issue 8, 2288-2299, 2013.
[13] J. Wiley & Sons, Inc., Hoboken. ” Discovering knowledge in data, An Introduction to Data Mining”, In New Jersey and Canada, 2005.
[14] Shuo Liu, Gang Quan, Shangping Ren, “On-line Scheduling of Real-time Services for Cloud Computing”, IEEE, 6th World Congress on Services, 2010.
[15] Zhifeng Yu and Weisong Shi, "A Planner-Guided Scheduling Strategy for Multiple WorkApplications," icppw, International Conference on Parallel Processing, 1-8, 2008.
[16] Elena Apostol, Iulia Baluta, Alexandru Gorgoi, Valentin Cristea. “Efficient Manager for Virtualized Resource Provisioning in Cloud Systems”, IEEE International Conference on Intelligent Computer Communication and Processing (ICCP),511 – 517, 2011.
[17] Hai Zhong, Kun Tao, Xuejie Zhang, “An Approach to Optimized Resource Scheduling Algorithm for Open-source Cloud Systems”,The fifth annual ChinaGrid conference, 124-128, 2010.
[18] Zhongni Zheng, Rui Wang, Hi Zhong, Xuejie Zhang, “An Approach for Cloud Resource Schedulgin Based on Prallel Genetic Algorithm”, 3rd International Conference on Computer Research and Development (ICCRD), 444 – 447, 2011.
[19] Y. K. Kwok and I. Ahmad, “Static scheduling algorithms for allocating directed task graphs to multiprocessors,” ACM Computing Surveys, vol. 31, no. 4,406–471, 1999.
[20] L. Wang, H. J. Siegel, V. R. Roychowdhury, and A. A. Maciejewski, “Task matching and scheduling in heterogeneous computing environments using a geneticalgorithmbased approach,” Journal of Parallel and Distributed Computing, vol. 47, pp. 8–22, 1997.
[21] M. Aggarwal, R. Kent, and A. Ngom, “Genetic algorithm based scheduler for computational grids,” in 19th International Symposium on High Performance Computing Systems and Applications (HPCS 2005), pp. 209 – 215,2005.
[22] S. C. Kim, S. Lee, and J. Hahm, “Push-Pull: Deterministic search-based DAG scheduling for heterogeneous cluster systems,” IEEE Transactions on Parallel and Distributed Systems, vol. 18, no. 11, pp. 1489–1502, 2007.
[23] Rajkumar Buyya, Chee Shin Yeo, Srikumar Venugopal, James Broberg, and Ivona Brandic, “Cloud Computing and Emerging IT Platforms: Vision, Hype, and Reality for Delivering Computing as the 5th Utility”, Future Generation Computer Systems, Elsevier Science, Amsterdam, Volume 25, Number 6, pp. 599-616,2009.
[24] Brian Hayes, Cloud computing, Communications of the ACM, Volume 51, Issue 7, July 2008.
[25] J. Yu and R. Buyya, "Task Scheduling Algorithms for Grid Computing", Metaheuristics for Scheduling in Distributed Computing Environments, F. X. a. A. Abraham, ed., Springer, 2008.
[26] IanFoster, Yong Zhao, Ioan Raicu and Shiyong Lu, “Cloud Computing and Grid Computing 360-Degree Compared”, Grid Computing Environments Workshop,2008.
[27] Zhan, Sh., Huo, H., "Improved PSO-based Task Scheduling Algorithm in Cloud Computing ", Journal of Information & Computational Science, 2013.
[28] Chawla, Y., Bhonsle, M., "A Study on Scheduling Methods in Cloud", International Journal of Emerging Trends & Technology in Computer Science, Vol. 1, pp. 12-17, 2012
[29] Gua, G., Ting, H., “Genetic Simulated Annealing for Task Scheduling based on cloud Computing Environment”, Intelligent Computing and Integrated Systems (ICISS), pp. 60-63, 2010.
]30[ اسماعیل آتش پز گرگری." توسعه الگوریتم بهینه‌سازی اجتماعی و بررسی کارایی آن"، (1387).
]31 [نادیا حاضری ومحمود احمدی "استراتژیهای جدید زمان بندی کارها براساس کیفیت خدمات رسانی به کاربران درمحیط محاسبات ابری " اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات، (1392).
]32 [ بهشتی،محمد تقی،سروی،معین، "رایانش ابر: ساختار، مزایا و چالش ها".اولین کارگاه ملی رایانش ابری ایران، (1391).
]33[ غفاری، امیررضا،"سیستم های محاسبات ابرین:نمونه ها؛ کاربردها؛ چالش ها".دانشگاه شهید بهشتی، (1389).
]34 [ شمس، زینب، فراهی، احمد، "بررسی قابلیت اطمینان الگوریتم های زمان بندی در محیط محاسبات ابری". اولین همایش استفاده از فناوری اطلاعات و شبکه های کامپیوتری دانشگاه پیام نور، دانشگاه پیام نور واجد طبس، (1391).
]35[ آرش قربان نیا و یلدا آرین" ارایه یک روش زمان بندی ترکیبی برمبنای الگوریتم ژنتیک درمحیط محاسبات ابری" اولین همایش تخصصی سیستمهای هوشمند کامپیوتری و کاربردهای آنها، (1390) .
]36[ هدیه ساجدی و سید جواد عبداللهی "زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم رقابت استعماری بهبود یافته" نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران، دانشگاه شهید بهشتی، تهران، (1392).