کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
382923 660798 2015 11 صفحه PDF 13 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله ISI
Imperialist competitive algorithm with PROCLUS classifier for service time optimization in cloud computing service composition
ترجمه فارسی عنوان
الگوریتم رقابت امپریالیستی با طبقه بندی PROCLUS برای بهینه سازی زمان خدمات در ترکیب خدمات پردازش ابری
کلمات کلیدی
پردازش ابری، ترکیب خدمات ، انتخاب خدمات ، زمان خدمات، کیفیت خدمات، QoS، الگوریتم رقابت امپریالیستی، خوشه بندی، Proclus
فهرست مطالب مقاله
چکیده مطالب

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

 
ترجمه چکیده
با هدف ارائه خدمات رضایت بخش و خدمات ترکیبی ابری ارزش افزوده، تامین کنندگان تلاش زیادی برای ارائه تعداد زیادی از ارائه دهندگان خدمات می کنند. این هدف، که با ارائه بهترین راه حل ها به دست می آید، تضمین نمی شود مگر اینکه سازنده خدمات ترکیبی کارآمد برای انتخاب یک مجموعه بهینه از خدمات منحصر به فرد مورد نیاز (با توجه به ارزش های تعیین شده توسط کاربر برای کیفیت پارامترهای خدمات) از تعداد زیادی از خدمات ارائه شده در مجموع اعمال شود. در مواجهه با استخر خدمات گسترده، محدودیت های کاربر و تعداد زیادی از خدمات منحصر به فرد مورد نیاز در هر درخواست، سازنده باید مشکل NP - سخت را حل کند. در این مقاله CSSICA پیشنهاد شده است تا پیشرفت هایی را در جهت کمترین زمان ممکن خدمات، خدمات ترکیبی اعمال کند؛ در این روش، طبقه بندی PROCLUS برای تقسیم ارائه دهندگان خدمات ابری به سه دسته بر اساس کل زمان خدمات و اختصاص دادن احتمال به هر ارائه دهنده استفاده می شود. سپس الگوریتم رقابتی بهبود یافته امپریالیستی برای انتخاب خدمات دهندگان مناسب تر برای خدمات منحصر به فرد مورد نیاز استفاده می شود. با استفاده از یک مجموعه داده های حقیقی، مطالعات تجربی و آماری به منظور نشان دادن این مسئله انجام شده اند که استفاده از خوشه بندی نتایج در مقایسه با سایر روش های تحقیق بهبود یافته است؛ بنابراین، CSSICA باید توسط سازنده به عنوان رویکرد کارآمد و مقیاس پذیر مورد توجه قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی


• 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.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 1, January 2015, Pages 135–145
نویسندگان
, , ,