به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

code partition

در نشریات گروه صنایع
تکرار جستجوی کلیدواژه code partition در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه code partition در مقالات مجلات علمی
  • راضیه قاسمی*، فرزانه فاموری

    با تکنولوژی مجازی سازی، مراکز داده  ابری امروزی انعطاف پذیرتر و امن تر می شود و بر اساس تقاضا تخصیص می یابد. یک فناوری کلیدی که نقش مهمی در مراکز داده ابری بازی می کند، برنامه زمان بندی منابع است. در این مقاله برای حل مشکلات موجود در این حوزه با استفاده از الگوریتم تکاملی ازدحام ذرات برای کوچک کردن حیطه اهداف چندگانه به اندازه ای مناسب، راهبرد جایابی نزدیک به بهینه ارایه شده است. روش جایابی مبتنی بر الگوریتم بهینه سازی ازدحام ذرات، به دلیل افزایش در قابلیت محاسباتی پردازشگرها در پنج سال گذشته می تواند به عنوان یک روش جایابی زمان واقعی عمل کند. این جایابی یک روش جستجو بوده که در آن شایستگی به صورتی پویا بر مبنای واریانس های مقادیر تناسب در هر نسل تغییر می کنند. این روش مهاجرت و جایابی، به حداقل سازی زمان تکمیل ماشین های مجازی نیز توجه می کند. برای ارزیابی روش پیشنهادی، نتایج حاصله طی معیارهای متفاوت کیفیتی و از جنبه های متفاوت و بر اساس تغییر در پارامترهای مختلف اجرایی مورد مقایسه و بررسی قرار گرفت. کارایی روش معرفی شده در مقایسه با سایر روش های موجود در این زمینه مقایسه شد که نتایج بیانگر کیفیت بالای روش پیشنهادی می باشد.

    کلید واژگان: محاسبات ابری تلفن همراه، زمان بندی منابع، پارتیشن بندی کد، بهینه سازی ازدحام ذرات، ماشین مجازی
    Raziyeh Ghasemi *, Farzaneh Famoori

    Through virtualization technology, current cloud data centers are becoming more flexible and secure, and are allocated on demand. A key technology playing an important role in cloud data centers is the resource scheduling program. In this paper, a near-optimal strategy is proposed to solve the problems in this field, by using an evolutionary particle swarm algorithm to reduce the range of multiple targets to a proper level. The placement method based on the particle swarm optimization algorithm can act as real-time placement, due to the increase in computational capability of processors over the past five years. This placement is a searching method in which competencies are dynamically altered based on the variance of fitness values ​​in each generation. This migration and placement approach also minimizes the completion time for virtual machines. In order to assess the proposed method, the results were analyzed and compared through various qualitative criteria, from different aspects and based on changes in different functioning parameters. The performance of the proposed method was compared with other approaches in this field and reflects the high quality of the proposed method.

    Keywords: Code Partition, Mobile Cloud Computing, Particle Swarm Optimization, Resource Scheduling, Virtual Machine
  • راضیه قاسمی*، فرزانه فاموری
    با تکنولوژی مجازی سازی، مراکز داده  ابری امروزی انعطاف پذیرتر و امن تر می شود و بر اساس تقاضا تخصیص می یابد. یک فناوری کلیدی که نقش مهمی در مراکز داده ابری بازی می کند، برنامه زمان بندی منابع است. در این مقاله برای حل مشکلات موجود در این حوزه با استفاده از الگوریتم تکاملی ازدحام ذرات برای کوچک کردن حیطه اهداف چندگانه به اندازه ای مناسب، راهبرد جایابی نزدیک به بهینه ارایه شده است. روش جایابی مبتنی بر الگوریتم بهینه سازی ازدحام ذرات، به دلیل افزایش در قابلیت محاسباتی پردازشگرها در پنج سال گذشته می تواند به عنوان یک روش جایابی زمان واقعی عمل کند. این جایابی یک روش جستجو بوده که در آن شایستگی به صورتی پویا بر مبنای واریانس های مقادیر تناسب در هر نسل تغییر می کنند. این روش مهاجرت و جایابی، به حداقل سازی زمان تکمیل ماشین های مجازی نیز توجه می کند. برای ارزیابی روش پیشنهادی، نتایج حاصله طی معیارهای متفاوت کیفیتی و از جنبه های متفاوت و بر اساس تغییر در پارامترهای مختلف اجرایی مورد مقایسه و بررسی قرار گرفت. کارایی روش معرفی شده در مقایسه با سایر روش های موجود در این زمینه مقایسه شد که نتایج بیانگر کیفیت بالای روش پیشنهادی می باشد.
    کلید واژگان: محاسبات ابری تلفن همراه، زمان بندی منابع، پارتیشن بندی کد، بهینه سازی ازدحام ذرات، ماشین مجازی
    Raziyeh Ghasemi *, Farzaneh Famoori
    Through virtualization technology, current cloud data centers are becoming more flexible and secure, and are allocated on demand. A key technology playing an important role in cloud data centers is the resource scheduling program. In this paper, a near-optimal strategy is proposed to solve the problems in this field, by using an evolutionary particle swarm algorithm to reduce the range of multiple targets to a proper level. The placement method based on the particle swarm optimization algorithm can act as real-time placement, due to the increase in computational capability of processors over the past five years. This placement is a searching method in which competencies are dynamically altered based on the variance of fitness values ​​in each generation. This migration and placement approach also minimizes the completion time for virtual machines. In order to assess the proposed method, the results were analyzed and compared through various qualitative criteria, from different aspects and based on changes in different functioning parameters. The performance of the proposed method was compared with other approaches in this field and reflects the high quality of the proposed method.
    Keywords: Code Partition, Mobile Cloud Computing, Particle Swarm Optimization, Resource Scheduling, Virtual Machine
  • راضیه قاسمی*، فرزانه فاموری
    با تکنولوژی مجازی سازی، مراکز داده  ابری امروزی انعطاف پذیرتر و امن تر می شود و بر اساس تقاضا تخصیص می یابد. یک فناوری کلیدی که نقش مهمی در مراکز داده ابری بازی می کند، برنامه زمان بندی منابع است. در این مقاله برای حل مشکلات موجود در این حوزه با استفاده از الگوریتم تکاملی ازدحام ذرات برای کوچک کردن حیطه اهداف چندگانه به اندازه ای مناسب، راهبرد جایابی نزدیک به بهینه ارائه شده است. روش جایابی مبتنی بر الگوریتم بهینه سازی ازدحام ذرات، به دلیل افزایش در قابلیت محاسباتی پردازشگرها در پنج سال گذشته می تواند به عنوان یک روش جایابی زمان واقعی عمل کند. این جایابی یک روش جستجو بوده که در آن شایستگی به صورتی پویا بر مبنای واریانس های مقادیر تناسب در هر نسل تغییر می کنند. این روش مهاجرت و جایابی، به حداقل سازی زمان تکمیل ماشین های مجازی نیز توجه می کند. برای ارزیابی روش پیشنهادی، نتایج حاصله طی معیارهای متفاوت کیفیتی و از جنبه های متفاوت و بر اساس تغییر در پارامترهای مختلف اجرایی مورد مقایسه و بررسی قرار گرفت. کارایی روش معرفی شده در مقایسه با سایر روش های موجود در این زمینه مقایسه شد که نتایج بیانگر کیفیت بالای روش پیشنهادی می باشد.
    کلید واژگان: محاسبات ابری تلفن همراه، زمان بندی منابع، پارتیشن بندی کد، بهینه سازی ازدحام ذرات، ماشین مجازی
    Raziyeh Ghasemi *, Farzaneh Famoori
    Through virtualization technology, current cloud data centers are becoming more flexible and secure, and are allocated on demand. A key technology playing an important role in cloud data centers is the resource scheduling program. In this paper, a near-optimal strategy is proposed to solve the problems in this field, by using an evolutionary particle swarm algorithm to reduce the range of multiple targets to a proper level. The placement method based on the particle swarm optimization algorithm can act as real-time placement, due to the increase in computational capability of processors over the past five years. This placement is a searching method in which competencies are dynamically altered based on the variance of fitness values ​​in each generation. This migration and placement approach also minimizes the completion time for virtual machines. In order to assess the proposed method, the results were analyzed and compared through various qualitative criteria, from different aspects and based on changes in different functioning parameters. The performance of the proposed method was compared with other approaches in this field and reflects the high quality of the proposed method.
    Keywords: Code Partition, Mobile Cloud Computing, Particle Swarm Optimization, Resource Scheduling, Virtual Machine
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال