افزایش کارایی ترکیب سرویس های ابری مبتنی بر الگوریتم کرم شب تاب بهبود یافته نوین
محورهای موضوعی : مجله فناوری اطلاعات در طراحی مهندسی
بهنام فرناد
1
,
کامبیز مجیدزاده
2
*
,
محمد مصدری
3
,
امین بابازاده سنگر
4
1 - گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
2 - گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
3 - گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
4 - گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
کلید واژه: بهینه سازی, الگوریتم کرم شب تاب, ترکیب سرویس های ابری, فراابتکاری,
چکیده مقاله :
کاربرد گسترده رایانش ابری ، سرویس های برنامه ای گسترده ای را در اینترنت ایجاد می کند که چالش جدیدی برای مدل ها و الگوریتم های ترکیب سرویس ابری است. در این مقاله یک روش فراابتکاری نوین برای ترکیب سرویس های ابری ارایه شده است. الگوریتم کرم شب تاب FA یکی از پرکاربردترین الگوریتم های فرا ابتکاری بر گرفته از طبیعت است که آن را از رفتار کرم های شب تاب در حرکت به منابع نور در سال 2008 شبیه سازی کرده اند. الگوریتم پیشنهادی، حاصل شبیه سازی با جدیدترین اطلاعات حاصل از رفتار کرم شب تاب ها می باشد و با تغییرات جدیدی که بر روی این الگوریتم صورت گرفته است سبب تعادل آن در قابلیت اکتشاف و بهره برداری شده و آن را مناسب برای حل مساله ترکیب سرویس ابری می کند. نتایج بدست آمده نشان می دهد که روش مطرح شده نسبت روش های معروف دیگر در زمینه کیفیت جواب، کارایی ( مخصوصا بر روی داده ای با تعداد نمونه زیاد) بهتر عمل کرده و جواب ها را در کمترین زمان ممکن بدست می آورد.
The widespread application of cloud computing creates a wide range of application services on the Internet, which is a new challenge for cloud service composition models and algorithms. In this article, a new meta-heuristic method for combining cloud services is presented. The firefly algorithm is one of the most widely used metaheuristic algorithms based on nature, which has been simulated from the behavior of fireflies in moving to light sources in 2008. The proposed algorithm is the result of simulation with the latest information obtained from the behavior of fireflies, and with the new changes that have been made to this algorithm, it is balanced in the ability of exploration and exploitation, making it suitable for solving the problem of combining cloud services. The obtained results show that the proposed method works better than other State-of-the-Art algorithms in the field of service quality, and efficiency (especially on data with a large number of samples) and obtains the answers in the shortest possible time.