دانلود مقاله ISI انگلیسی شماره 44267
عنوان فارسی مقاله

الگوریتم رقابت استعماری با طبقه بندی پروکلوس برای بهینه سازی زمان سرویس در ترکیب سرویس محاسبات ابری

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
44267 2015 11 صفحه PDF سفارش دهید 6050 کلمه
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Imperialist competitive algorithm with PROCLUS classifier for service time optimization in cloud computing service composition
منبع

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

Journal : Expert Systems with Applications, Volume 42, Issue 1, January 2015, Pages 135–145

کلمات کلیدی
پردازش ابری - ترکیب سرویس - انتخاب خدمات - زمان سرویس - کیفیت خدمات - کیفیت سرویس - الگوریتم رقابت استعماری (ICA) - خوشه بندی - پروکلوس
پیش نمایش مقاله
پیش نمایش مقاله الگوریتم رقابت استعماری با طبقه بندی پروکلوس برای بهینه سازی زمان سرویس در ترکیب سرویس محاسبات ابری

چکیده انگلیسی

Aiming to provide satisfying and value-added cloud composite services, suppliers put great effort into providing a large number of service providers. This goal, achieved by providing the “best” solutions, will not be guaranteed unless an efficient composite service composer is employed to choose an optimal set of required unique services (with respect to user-defined values for quality of service parameters) from the large number of provided services in the pool. Facing a wide service pool, user constraints, and a large number of required unique services in each request, the composer must solve an NP-hard problem. In this paper, CSSICA is proposed to make advances toward the lowest possible service time of composite service; in this approach, the PROCLUS classifier is used to divide cloud service providers into three categories based on total service time and assign a probability to each provider. An improved imperialist competitive algorithm is then employed to select more suitable service providers for the required unique services. Using a large real dataset, experimental and statistical studies are conducted to demonstrate that the use of clustering improved the results compared to other investigated approaches; thus, CSSICA should be considered by the composer as an efficient and scalable approach.

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