%34تخفیف

دانلود پروژه: ارائه رویکرد نوین مبتنی بر عامل برای بهبود مدیریت منابع در اتحادیه ابرها

تعداد 143صفحه در فایل word

چکیده

همانطور که برنامه‌های کاربردی روز به روز پیچیده‌تر و متناسب تر با نیازهای کاربران، گسترش می یابند انتظارکاربران هم افزایش یافته است وخواهان اجرای آن برنامه‌ها در هر زمان و مکان می باشند.اما به دلیل محدودیت های سخت افزاری که وجود دارد امکان اجرای برنامه های مختلف روی دستگاه کاربران به ویژه تلفن همراه،تبلت ها و….مقدور نمی باشد.محاسبات ابری می تواند راه حل خوبی در این زمینه باشد.

در رایانش ابری، کاربران انواع مختلفی از منابع مانند پهنای باند شبکه، توان محاسباتی و ذخیره سازی سیستم را از یک یا بیش از یک ارائه دهنده ابری برای یک دوره زمانی محدود با قیمت ثابت یا متغیر خریداری می کنند.در واقع مسئله تخصیص منبع در رایانش ابری، يعني چه منابعي، چگونه و کجا به مشتري تخصيص داده شود.روش های مختلفی برای تخصیص منابع در رایانش ابری ارائه شده است.که در این مقاله روش تخصیص مبتنی بر عامل مورد بررسی قرار می گیرد.

 در روش تخصیص منبع مبتنی بر عامل، کاربر نیاز نیست بداند که ارائه دهنده سرویس ابری چه کسی است و منابع در کجا قرار دارند. مصرف کنندگان به دنبال کسب منابعی با کمترین قیمت هستند. در این سیستم سه نوع عامل به نام عامل مصرف کننده، عامل واسطه گر منبع و عامل ارائه دهنده منبع وجود دارد.که عامل واسطه گر با مذاکراتی که با عامل مصرف کننده انجام می‌دهد در لیست خود که شامل خصوصیات منابع عامل های ارائه دهنده می باشد، بر اساس حداکثر کیفیت سرویس و حداقل هزینه واحد، با استفاده از الگوریتم های حریصانه و AB-DRA[1] جستجو انجام می دهد.

در این مقاله، روشی جديد با استفاده از الگوریتم ژنتیک برای جستجو در لسیت عامل واسط گر ارائه می گردد. نتیایج ارزیابی نشان می دهد که به هر میزان تعداد درخواست ها افزایش می یابد، الگوریتم ژنتیک هزینه اختصاص منابع را در حد قابل قبولی کاهش می دهد.

کلمات کلیدی:الگوریتم ژنتیک، تخصیص منابع، تخصیص منابع مبتنی بر عامل، رایانش ابری

[1] Adaptive dynamic resource allocation

فهرست مطالب

فصل اول :کلیات تحقیق. 1

1-1 مقدمه. 2

1-2 بیان مسئله. 3

۱3 اهداف و انگیزه 5

۱4 ساختار پایان‌نامه. 6

فصل دوم: دانش پیش‌زمینه. 7

۲-1 مقدمه. 8

۲-۲ رایانش ابری. 8

2-3 معماری ابرها 11

2-3-1 نرم افزار بصورت سرویس(SaaS) 11

2-3-2 سکو بصورت سرویس (PaaS) 12

2-3-3 زیرساخت بصورت سرویس (IaaS) 12

۲-4 اتحادیه ابرها 13

2-5 مدیریت منابع در رایانش ابری. 18

2-5-1 سیاست‌هاي مدیریت منابع. 19

2-5-1-1 کنترل پذیرش.. 19

2-5-1-2 تخصیص ظرفیت.. 20

2-5-1-3 تعادل بار و بهینه‌سازی انرژی. 20

2-5-1-4 تضمین کیفیت سرویس‌دهی. 20

2-5-2 مکانیزم‌های مدیریت منابع. 20

2-5-2-1 تئوری کنترل. 21

2-5-2-2 یادگیری ماشینی.. 22

2-5-2-3 مکانیزم‌های مبتنی بر سودمندی.. 22

2-5-2-4 مکانیزم‌های اقتصادی یا بازارگرا 22

2-6 الگوریتم‌های بهینه‌سازی ژنتیک.. 22

2-6-1 عملگرهاي الگوريتم ژنتيك.. 22

2-6-1-1 کدگذاری: 22

2-6-1-2 ارزیابی.. 22

2-6-1-3 ترکیب… 23

2-6-1-4 جهش… 23

2-6-1-5 رمزگشايي.. 23

2-6-2 چارت الگوريتم. 23

2-7 عامل‌های نرم‌افزاری هوشمند. 26

2-7-1 تخصیص منابع پویا بر اساس عامل. 27

فصل سوم: کارهای مربوطه. 30

3-1 مقدمه: 31

3-2 پیشینه تحقیق. 31

3-2-1 تحقیقات داخلی. 31

3-2-2 تحقیقات خارجی. 35

فصل چهارم: رویکرد پیشنهادی و نتایج ارزیابی.. 52

4-1 مقدمه. 53

4-2 بیان مسئله. 53

4-3 رویکرد پیشنهادی. 66

4-4 شبیه سازی و ارزیابی. 69

4-4-1 پارامترهای شبیه سازی. 70

4-4-2 ارزیابی سناریو اول. 73

4-4-3 ارزیابی سناریو دوم. 77

4-4-4 ارزیابی سناریو سوم. 81

4-4-5 ارزیابی نهایی. 84

فصل پنجم :نتیجه گیری و پیشنهادات.. 87

5-1نتیجه گیری. 88

5-2پیشنهادات و کارهای آتی. 88

منابع. 89

فهرست جداول

جدول 3-1 : تحقیقات انجام شده در ایران، نتایج و ارتباط آن با موضوع تحقیق. 33

جدول 3-2: تحقیقات انجام شده در خارج‌ از کشور، نتایج و ارتباط آن با موضوع تحقیق. 42

جدول 4-1 مشخصات فراهم کننده ها 70

جدول 4-2 مشخصات میزبان. 71

جدول 4-3 میزان تاخیر در ارتباط بین سه عامل اصلی. 71

جدول 4-4 مشخصات الگوریتم ژنتیک… 71

جدول 4-5 مشخصات توابع استفاده شده در شبیه سازی.. 72

جدول 4-6 سناریو های مورد ارزیابی. 73

 فهرست نمودارها

نمودار 4-1 میانگین مقادیر تابع برازش را در الگوریتم GA-DRA 74

نمودار 4-2 میزان هزینه، در سه الگوریتم AB-DRA، GA-DRA و Greedy 74

نمودار 4-3 میزان دسترس پذیری منابع، در سه الگوریتم AB-DRA، GA-DRA و Greedy 75

نمودار 4-4 میزان قابلیت اطمینان منابع، در سه الگوریتم AB-DRA، GA-DRA و Greedy 76

نمودار 4-5 میانگین زمان پاسخگویی به درخواست ها در سه الگوریتم AB-DRA، GA-DRA و Greedy 76

نمودار 4-6 میانگین مقادیر تابع برازش را در الگوریتم GA-DRA 77

نمودار 4-7 میزان هزینه، در سه الگوریتم AB-DRA، GA-DRA و Greedy 78

نمودار 4-8 میزان دسترس پذیری منابع، در سه الگوریتم AB-DRA، GA-DRA و Greedy 79

نمودار 4-9 میزان قابلیت اطمینان منابع، در سه الگوریتم AB-DRA، GA-DRA و Greedy 80

نمودار 4-10 میانگین زمان پاسخگویی به درخواست ها در سه الگوریتم AB-DRA، GA-DRA و Greedy 80

نمودار 4-11 میانگین مقادیر تابع برازش را در الگوریتم GA-DRA 81

نمودار 4-12 میزان هزینه، در سه الگوریتم AB-DRA، GA-DRA و Greedy 82

نمودار 4-13 میزان دسترس پذیری منابع، در سه الگوریتم AB-DRA، GA-DRA و Greedy 83

نمودار 3-14 میزان قابلیت اطمینان منابع، در سه الگوریتم AB-DRA، GA-DRA و Greedy 84

نمودار 4-15 میانگین زمان پاسخگویی به درخواست ها در سه الگوریتم AB-DRA، GA-DRA و Greedy 84

نمودار 4-16 میانگین زمان پاسخگویی به درخواست ها در سه وضعیت 5، 10 و15 فراهم کننده 85

نمودار 4-17 میانگین هزینه اختصاص منابع در سه وضعیت 5، 10 و15 فراهم کننده 86

 

 

 

 

 

 

فهرست اشکال

شکل2-1: معماری ابرها 11

شکل2-2: نمای ساده از ابرهای خارجی و داخلی 13

شکل 2-3: تعامل پذیری ابر و Inter-cloud 17

شکل2-4:چارت الگوریتم ژنتیک 25

شکل 4-1 : مدل سیستم چند عامله مبتنی بر واسطه گر 54

شکل 4-2 دیاگرام جریان داده، مدل پروتکل روش مبتنی بر عامل 56

شکل 4-3 :الگوریتم 1 ارتباطات عامل مصرف کننده 58

 شکل 4-4 :الگوریتم 2 ارتباطات عامل واسطه گر 60

شکل 4-5 :الگوریتم 3 ارتباطات عامل واسطه گر 61

شکل 4-6: فلوچارت عامل درخواست کننده 62

شکل 4-7: فلوچارت عامل واسط گر 63

شکل 4-8: فلوچارت عامل ارائه دهنده 64

شکل 4-9 فلوچارت روابط عامل ها در روش مبتنی بر عامل 65

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo