دانشکده فنی و مهندسی

گروه آموزشی مهندسی کامپیوتر

اطلاعیه دفاع  پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر-گرایش شبکه‌های کامپیوتری

عنوان:

روشی برای بهینه‌سازی برنامه‌ریزی تخصیص منابع در رایانش ابری  

استاد راهنما:

جناب آقای دکتر یونس سیفی

استاد مشاور:

جناب آقای دکتر محرم منصوری­زاده

 

اساتید ممتحن:

جناب آقای دکتر مرتضی یوسف صنعتی

جناب آقای دکتر حاتم عبدلی

 

پژوهشگر:

شیوا طینه­زاده

 

زمان:

شنبه 27/11/1397 ساعت 15:30

سالن آمفی تئاتر دانشکده فنی مهندسی-دانشگاه بوعلی سینا

 

 

Bu-Ali Sina University

Faculty of Engineering

Department of  Computer Engineering

 

Thesis submitted for Master of Science in Information Technology-Computer Networks

 

Title

A Method for Optimizing the scheduling of Allocation of Resources in Cloud Computing

 

Supervisor:

Dr. Younes Seifi

 

Advisor:

Dr. Moharram Mansourizadeh

 

By:

Shiva Tinehzadeh

 

JAN, 2019

 

 

چکیده:

رایانش ابری یک محیط پردازشی توزیع‌شده بر روی بستر اینترنت، باقابلیت ارائه سرویس‌های متنوع است. این محیط با کاهش هزینه‌های سربار مختلف مثل هزینه دستگاه‌های پردازشی متنوع و هزینه خرید حافظه‌های زیاد و افزایش میزان بهره‌وری مثل استفاده از منابع محاسباتی در دسترس و ارزان، یک بستر محاسباتی قوی را بر اساس ارائه کیفیت خدمات سرویس بین مشتری و فراهم‌کنندگان ابر ایجاد می‌کند. یکی از مسائل پیش رو در رایانش ابری زمان‌بندی وظایف برای تخصیص منابع محاسباتی به وظایف به‌صورتی است که در کمترین زمان به درخواست‌ها پاسخ داده شود. مسئله‌ی زمان‌بندی در رایانش ابری، تکنیکی برای توزیع عادلانه‌ی منابع بین مشتریان است که به‌منظور دستیابی به بهره‌وری بهینه‌ی منابع با کمترین زمان پاسخ است. تاکنون کارهای بسیاری در این حوزه صورت گرفته است و الگوریتم‌های متنوعی به‌منظور بهبود در هزینه یا زمان زمان‌بندی وظایف در محیط رایانش ابر ارائه‌شده است. ازجمله‌ی این الگوریتم‌ها می‌توان به الگوریتم‌های ژنتیک، ازدحام ذرات، کلونی مورچه، جهش قورباغه و غیره، اشاره کرد. در این پایان‌نامه با توجه به این‌که الگوریتم کلونی مورچه دیر به جواب می‌رسد و الگوریتم ازدحام ذرات به‌صورت تصادفی مسیر خود را انتخاب می‌کند، از ترکیب این دو الگوریتم برای پوشش معایب یکدیگر استفاده‌شده است تا بتوان نتیجه‌ی دقیق‌تر و سریع‌تری به‌دست ‌آورد. در این تحقیق، به کمک الگوریتم کلونی مورچه یک جمعیت اولیه برای الگوریتم ازدحام ذرات ایجاد می‌شود. در این حالت، جمعیت اولیه‌ی دقیق‌تری نسبت به انتخاب تصادفی جمعیت اولیه خواهیم داشت. درنتیجه ذرات می‌توانند همه‌ی نقاط را تحت پوشش قرار دهند و در نقطه بهتری از این لحاظ که کدام ماشین مجازی برای تخصیص درخواست مناسب‌تر است همگرا شوند. در این تحقیق، برای ارزیابی از شبیه‌ساز مناسب رایانش ابری که کلودسیم است، استفاده‌شده است. در نتیجه‌ی این تحقیق الگوریتمی ارائه می‌شود که ‌الگوریتم‌های مورداستفاده را بهبود می‌بخشد و نتیجه‌‌ی بهینه‌تری از الگوریتم‌های پیشین در ارزیابی از خود نشان می‌دهد.

 

واژه‌های کلیدی: رایانش ابری، زمان‌بندی،تخصیص منابع، الگوریتم کلونی مورچه، الگوریتم ازدحام ذرات، کلودسیم، ارزیابی

 

 

 

Abstract:

 Cloud computing is an Internet-based distributed computing environment capable of delivering variety of services. Cloud computing reduces the cost of various overheads, such as the cost of a variety of processing devices and the cost of purchasing large amounts of memory and increasing productivity such as using available computing resources, creates a powerful computing platform based on providing quality service services between the customer and cloud providers. One of the issues in cloud computing is the scheduling for allocating computing resources to tasks. The task of scheduling is to provide an algorithm to respond to requests in the shortest time. Many studies have been done on scheduling. various algorithms have been presented to improve the cost or timing of tasks in the cloud computing environment. These algorithms include Genetic algorithms, Particle swarm, Ant colony, Frog mutation. One of the problems with the ant colony algorithm is that it responds late, but it definitely answers. The particle swarm algorithm randomly selects its path and may not get the right answer. In this paper, we decided to use these two algorithms to cover the disadvantages of each other so that a more accurate and faster result can be obtained. In this study, we intend to use the Cloudsim simulator to evaluate. As a result of this research, we present an algorithm that gives us an even better response time from the previous algorithms.

 

 

 

Key Words: Cloud computing, scheduling, ant colony algorithm, particle swarm algorithm, Cloudsim

 

1- مشخصات فردی :

نام و نام خانوادگی: شیوا طینه زاده

 

تلفن تماس: 09129487433           نشانی محل سکونت: کرج باغستان

پست الکترونیکی: shiva.tz71@gmail.com