دانلود مقاله ISI انگلیسی شماره 11785 + ترجمه فارسی
عنوان فارسی مقاله

یک متد با محدودیت ϵ تقریبی برای زمان بندی کار چند هدفه در ابر

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
11785 2013 8 صفحه PDF 18 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
An approximate ϵϵ-constraint method for a multi-objective job scheduling in the cloud
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Future Generation Computer Systems, Volume 29, Issue 8, October 2013, Pages 1901–1908

فهرست مطالب ترجمه فارسی
چکیده
کلمات کلیدی 
1. مقدمه 
2. کارهای مربوطه
3. زمان بندی کار در یک پلت فرم رایانش ابری
4.  یک زمان بندی کار چند هدفه در رایانش ابری 
4.1 متد مجموع وزن دار 
الگوریتم 1: الگوریتم مجموع وزن دار
4.2 رویکرد محدودیتϵ تقریبی
الگوریتم 2: الگوریتم‌هایی با محدودیت ϵ
4.3 تولید مجموعه Ω
الگوریتم 3 : تولید 
5. فاز آزمایشی
جدول 1 نقاط نادیر و ایده آل
6. تولید سناریوهای سازگار 
جدول 2: مقایسه‌‌های عددی I
جدول 3: مقایسه عددی II
7. کران بالاتر و پایین تر
8. نتایج محاسباتی
جدول 4: نامگذاری‌ها
9. نتیجه گیری و کارهای آینده
کلمات کلیدی
زمان بندی کارها، مدیریت عملیات، رایانش ابری، روش محدودیت- ϵ، بهینه سازی چند هدفه
کلمات کلیدی انگلیسی
Jobs scheduling, Operations management, Cloud computing, ,constraint method, Multi-objective optimization,
ترجمه چکیده
رایانش ابری یک مدل ترکیبی است که منابع سخت افزاری و نرم افزاری را از طریق شبکه‌های کامیپوتری در اختیار شما قرار می‌دهد. خدمات داده‌ای (سخت افزار) همراه با کاربردهای آن‌ها (نرم افزار) به جای اینکه در یکی از کامپیوترهایی که به شبکه‌ها متصل است مقیم باشند؛ در سرورهای وب مقیم هستند. از طریق یک دستگاه (کامپیوتر یا یک تلفن هوشمند)، یک مرورگر و یک اتصال اینترنتی، هر کاربر به پلت فرم ابر دسترسی دارد و خدمات خاصی را طلب می‌کند. برای مثال، کاربر می‌تواند برخی از اپلیکیشن‌ها (کار ) را در ماشین‌هایی (هاست‌ها) از یک زیرساخت ابری اجرا کند. بنابراین، ارائه رویکردهای زمان بندی کار بهینه شده مناسب برای تعادل توزیع بار کاری در میان هاست‌های پلت فرم اهمیت یافته است. در این مقاله، یک فرمولاسیون ریاضی چند هدفه از مسئله زمان بندی کار در یک پلت فرم رایانش ابری همگن به منظور بهینه سازی متوسط زمان انتظار برای کار، متوسط زمان انتظار برای کارها در طولانی ترین زمان بندی کار (زمان اتمام کار ) و تعداد هاست مورد نیاز ارائه شده است. رویکرد پیشنهادی بر اساس متد تقریبی با محدودیت ϵ است که در مجموعه‌ای از نمونه‌ها تست شده است و با متد مجموع وزن دار (WS) مقایسه شده است. نتایج محاسباتی تاکید می‌کنند که رویکرد ما از متد WS از نظر تعداد راه حل‌‌های غیر سلطه‌ای بهتر اجرا می‌شود.
پیش نمایش مقاله
پیش نمایش مقاله یک متد با محدودیت ϵ تقریبی برای زمان بندی کار چند هدفه در ابر

چکیده انگلیسی

• We formulate the multi-objective off-line job scheduling problem in the cloud.• We optimize the makespan, the total average waiting time and the used hosts.• We generate a set of test instances suitable for the problem.• We define an approximate ϵϵ-constraint method.• We compare the proposed solution approach with the weighted sum method.Cloud computing is a hybrid model that provides both hardware and software resources through computer networks. Data services (hardware) together with their functionalities (software) are hosted on web servers rather than on single computers connected by networks. Through a device (e.g., either a computer or a smartphone), a browser and an Internet connection, each user accesses a cloud platform and asks for specific services. For example, a user can ask for executing some applications (jobs) on the machines (hosts) of a cloud infrastructure. Therefore, it becomes significant to provide optimized job scheduling approaches suitable to balance the workload distribution among hosts of the platform.In this paper, a multi-objective mathematical formulation of the job scheduling problem in a homogeneous cloud computing platform is proposed in order to optimize the total average waiting time of the jobs, the average waiting time of the jobs in the longest working schedule (such as the makespan) and the required number of hosts. The proposed approach is based on an approximate ϵϵ-constraint method, tested on a set of instances and compared with the weighted sum (WS) method.The computational results highlight that our approach outperforms the WS method in terms of a number of non-dominated solutions.

مقدمه انگلیسی

Cloud computing is a revolutionary paradigm suitable to change the way of accessing both hardware and software in order to produce, price, provide and deliver services and computational resources to users. Users can run their applications (jobs) without paying for software licenses, using well equipped machines (hosts) and high performance computational resources. This paper addresses a multi-objective job scheduling problem in a homogeneous cloud infrastructure considering the minimization of the total average waiting time of the jobs, of the total waiting time of the jobs belonging to the longest working schedule (makespan) and the number of used hosts. It takes into account anoff-line job scheduling scenario and, therefore, the number of jobs to run and their resource requirements are known a-priori. The main contributions are as follows: • a multi-objective formulation of the off-line job scheduling problem in a homogeneous cloud computing platform; • an approximate ϵϵ-constraint method for solving the problem; • a detailed experimental analysis for evaluating the quality of the proposed approach. With reference to the last contribution, first we implement an instance generator in order to determine a set of problems considered during the experimental phase. Then, we implement an alternative solution approach based on the weighted sum (WS) method. Finally, we compare the two approaches on the set of generated instances. This paper is organized as follows: Section 2 reviews some significant literary contributions, Section 3 provides a high level description of the problem, Section 4 describes the multi-objective mathematical formulation of the problem. Sections 4.1, 4.2 and 4.3 detail the two solution approaches taken into account, while Section 5 describes the generated scenarios and discusses the computational results. Finally, Section 6 concludes the work and suggests some future developments.

نتیجه گیری انگلیسی

This paper addresses a multi-objective off-line job scheduling problem on a homogeneous cloud computing platform. For that, an approximate ϵϵ-constraint method is designed, implemented and evaluated. Moreover, the numerical results are compared with the WS method traditionally used for solving multi-objective optimization problems. The solution qualities are estimated in terms of the number of no dominated solutions, their distribution and diversification introducing two metrics: View the MathML sourceΣspacing and View the MathML sourceΣspread. Further developments will be carried out on the implementation of alternative heuristic approaches used to populate ΩΩ in order to detect more diverse sets of solutions. Moreover, an on-line job scheduling version of the problem will be examined and studied and also heterogeneous cloud platforms will be taken into consideration. In particular, a redefinition of the mathematical model will be necessary in order to explicitly include the costs for data transfer.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.