توسعه سریع کاربردهای رایانش ابری منجر به انتشار سرویسهای ابری زیادی در محیط ابر شده است. سرویسهای ساده موجود در محیط ابر قادر به پاسخگویی به درخواستهای پیچیده و مختلف موجود در دنیای واقعی نخواهند بود. لذا برای ایجاد سرویس مرکب مورد نیاز میبایست سرویسهای مختلف انتخ More
توسعه سریع کاربردهای رایانش ابری منجر به انتشار سرویسهای ابری زیادی در محیط ابر شده است. سرویسهای ساده موجود در محیط ابر قادر به پاسخگویی به درخواستهای پیچیده و مختلف موجود در دنیای واقعی نخواهند بود. لذا برای ایجاد سرویس مرکب مورد نیاز میبایست سرویسهای مختلف انتخاب و ترکیب شوند. ترکیب سرویسهای ابری آگاه از کیفیت سرویس یکی از چالشهای مهم در محاسبات سرویسگرا است. از آنجایی که تعداد سرویسهای ساده ارائهشده خیلی زیاد است، بنابراین مسأله انتخاب و ترکیب سرویسها یک مسأله Np-Hard است. در این تحقیق برای حل این مشکل الگوریتم بهینهسازی جغرافیای زیستی مورد استفاده قرار گرفته است. برای ارزیابی روش پیشنهادی آزمایشهای متعددی در 5 سناریوی مختلف با تعداد وظایف و تعداد سرویسهای مختلف در محیط Matlab انجام شده است. سرعت همگرایی روش پیشنهادی در ایجاد سرویس مرکب مورد نیاز بیشتر از سرعت همگرایی الگوریتمهای ژنتیک و ازدحام ذرات است. همچنین کیفیت سرویسهای مرکب ایجادشده به عنوان معیار ارزیابی دیگر مورد توجه میباشد. میزان گذردهی و نرخ موفقیت روش پیشنهادی به ترتیب برابر 999/0 و 998/0 میباشد. همچنین متوسط انحراف معیار در 30 اجرای روش پیشنهادی کمتر از 021/0 است. تمامی این مقادیر نشاندهنده برتری روش پیشنهادی نسبت به روشهای مبتنی بر ژنتیک و ذرات میباشد.
Manuscript profile
Rimag
Rimag is an integrated platform to accomplish all scientific journal requirements such as submission, evaluation, reviewing, editing, DOI assignment and publishing in the web.