مقاله کنفرانسی سال ۱۴۰۱ فارسی

بهبود زمان بندی کار و تخصیص منابع در ابر با روش AHP اصلاح شده

چکیده مقاله

از مسائل چالش برانگیز حوزه رایانش ابری، زمان بندی کارآی کارها و تخصیص بهینه منابع در ابر، براساس ماهیت پویای کارها و ناهمگونیمنابع است برنامه های کاربردی که برمبنای گردشکار علمی، عمل می کنند ازجمله برنامه های پرکاربرد در این حوزه هستند که از ویژگی هایبارز آن قدرت پردازش و ظرفیت ذخیره سازی زیاد است به منظور افزایش کارایی آن ها نیازمند به برنامه ریزی مناسب کارها و انتخاب بهترینماشین مجازی موجود در ابر می باشد اهداف سیستم از عوامل موثر در برنامه ریزی کارها و انتخاب منابع است که وابسته به معیارهای مختلفیازجمله زمان، هزینه، بارکاری جاری و قدرت پردازش است روش های تصمیم گیری چند معیاری انتخاب مناسبی در این زمینه هستند در این پژوهش دو سیاست زمان بندی کارها و تخصیص منابع در محیط ناهمگن برمبنای الگوریتم AHP اصلاح شده پیشنهاد شده است در سیاست زمان بندی کارهای ورودی، اولویت بندی کارها برمبنای دو معیار زمان اجرا و اندازه است هدف کلی دو سیاست زمان بندی کارها و تخصیص منابع، کاهش تاخیر و زمان اجرای هر کار است سیاست تخصیص منابع از معیارهای اندازه حافظه، سرعت پردازنده و پهنای باند برایاولویت بندی ماشین های مجازی استفاده می کند در این سیستم ما بر روی پنج روش نرمال سازی معروف به منظور بهبود عملکرد الگوریتمAHP تمرکز کرده ایم نتایج ارزیابی زمان بازگشت و زمان پاسخ نشان داد که روش های نرمال سازی Min Max Linear و Max Linearبهترین انتخاب برای آن هستند نتایج شبیه سازی نشاندهنده کاهش متوسط زمان پاسخگویی، زمان بازگشت و زمان اجرای کارهای ورودی در روش پیشنهادی در مقایسه با روش پایه است

کلیدواژه‌ها

اولویت بندی کارها نرمال سازی تخصیص منابع ناهمگن گردشکار علمی فرآیند تحلیلی سلسله مراتبی

نویسندگان

شیوه ارجاع

�حمدی، زهرا و ادیب نیا، فضل الله،1401،بهبود زمان بندی کار و تخصیص منابع در ابر با روش AHP اصلاح شده،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۱ ۱,۲۴۶ مشاهده

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر…

ام آر آییادگیری عمیقتومور مغزی
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن