کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
382923 | 660798 | 2015 | 11 صفحه PDF | دانلود رایگان |
کلمات کلیدی
1. مقدمه
2. شرح الگوریتم و مشکل
1.2. بهینه سازی زمان خدمات در ترکیب خدمات محاسبات ابری (STOCCSC)
2.2 الگوریتم رقابتی امپریالیستی
شکل 1. جهت حرکت مستعمره به امپریالیسم مربوطه (آتشپاز - گارگاری و لوکاس، 2007).
3. الگوریتم پیشنهاد شده
شکل 2. محیط 2.8.2 KNIME پس از PROCLUS اجرا می شود.
1.3. از دست دادن جایگزینی ارزش و عادی سازی
2.3. اعمال PROCLUS
جدول 1.نتایج PROCLUS و احتمالات محاسبه شده.
شکل 3 نتایج KNIME برای خوشه بندی PROCLUS.
شکل 4. ساختار کشور و جهان.
شکل 5. شبیه ساز روش ServerSelection.
4. نتایج تجربی
1.4. برپایی آزمایش
شکل 6. مقایسه زمان کل خدمات ارائه شده برای مشکل الف، (الف) CSSICA در مقابل ICA در 1500 تکرار، (ب) CSSICA در مقابل ICA در 6300 تکرار، (پ) CSSICA در مقابل ICA و Niching PSO برای 1500 تکرار ، (ت) CSSICA در مقابل ICA و Niching PSO برای 6.300 تکرار
2.4. بحث
1.2.4 مقایسه زمان کلی خدمات
شکل 7: مقایسه زمان سرویس کلی دریافت شده برای مشکل ب، (الف) CSSICA در مقابل ICA در 1500 تکرار، (ب) CSSICA در مقابل ICA در 6300 تکرار، (پ) CSSICA در مقابل ICA و Niching PSO برای 1500 تکرار ، (ت) CSSICA در مقابل ICA و Niching PSO برای 6.300 تکرار.
شکل 8: مقایسه زمان سرویس کلی دریافت شده برای مشکل پ، (الف) CSSICA در مقابل ICA در 1500 تکرار، (ب) CSSICA در مقابل ICA در 6300 تکرار، (پ) CSSICA در مقابل ICA و Niching PSO برای 1500 تکرار ، (ت) CSSICA در مقابل ICA و Niching PSO برای 6.300 تکرار.
2.2.4 مقایسه درصد مصرف زمان (TCP)
3.2.4 مقایسه عملکرد آماری
شکل 10. درصد مصرف سه الگوریتم بر اساس NICHING PSO.
شکل 11. میزان مصرف زمان CSSICA و ICA بر اساس ICA.
جدول 2 .نتایج اندازه گیری های مکرر anova.
جدول .3نتایج مقایسه دو طرفه Bonferroni.
5. نتیجه گیری
• CSSICA is proposed to find the lowest service time for cloud composite services.
• PROCLUS is used to divide service providers into 3 categories based on service time.
• Selection probability of categories is calculated using their average service time.
• Utilizing achieved categories CSSICA has been able to make more conscious selections.
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.
Journal: Expert Systems with Applications - Volume 42, Issue 1, January 2015, Pages 135–145