فایل زمانبندی کار در محیط ابر مبتنی بر الگوریتم درهم آمیختن جهش قورباغه

توضیحات

فایل زمانبندی کار در محیط ابر مبتنی بر الگوریتم درهم آمیختن جهش قورباغهاین پایان نامه در قالب فرمت word قابل ویرایش ، آماده پرینت و ارائه به عنوان پروژه پایانی میباشد. فهرست مطالب عنوان صفحه چکیده 1 فصل اول: کلیات پژوهش 2 1-1 مقدمه تعریف 3 1-3سابقه وضرورت انجام تحقیق 4 1-4 هدف ها 6 1-5 جنبه نوآوری تحقیق 7 1-6 مراحل انجام تحقیق 7 1-7 ساختارپایان نامه 7 فصل دوم:مقدمه¬ای بر رایانش ابری 8 2-1 مقدمه 8 2-2 تعریف رایانش ابری 8 2-3 سیر تکامل محاسبات 10 2-4 عناصر زیربنایی محاسبات 12 2-4-1 محاسبات گرید 12 2-4-2 مجازی سازی 12 2-4-3 وب 2 12 2-4-4 معماری مبتنی بر سرویس(SOA) 13 2-5 سرویس‌های محاسبات ابری 13 2-5-1نرم‌افزار به عنوان سرویس (SaaS) 13 2-5-2 پلتفرم به عنوان سرویس(PaaS) 13 2-5-3 زیر ساخت به عنوان سرویس(IaaS) 14 2-6 لایه ماشین مجازی 14 2-6-1 ماشین‌های مجازی 14 2-6-2 ناظر ماشین مجازی 14 2-7 لایه مرکز داده 14 2-7-1 سخت افزار 15 2-8 مدل¬های پیاده سازی محاسبات ابری 15 2-8-1 ابر خصوصی 15 2-8-2 ابر عمومی 15 2-8-3 ابر گروهی 16 2-8-4 ابر آمیخته 16 2-9 مقدمه¬ای بر شبیه سازی 16 2-10 برخی نرم افزارهای شبیه سازی شبکه های محاسباتی 17 2-10-1 کلودسیم 17 2-10-2 کلود آنالایز 18 2-10-3 کلود ریپورتر 18 2-10-4 اپ تی آرسیم 18 2-10-5 گریدسیم 18 2-11 آشنایی با ابزار کلودسیم 18 2-11-1 کاربردهای کلودسیم 19 2-11-2 معماری کلودسیم 19 2-11-2-1 لایه کد کاربر 20 2-11-2-2 لایه کلودسیم 21 2-11-2-3 لایه هسته کلودسیم 21 2-12 مدل های تخصیص ماشین های مجازی 21 2-13 کلاس های موجود در کلودسیم 22 2-14 کلاس پهنای باند 22 2-15 کلاس کلودلت یا تکه ابر 23 2-16 کلاس تکه ابر زمانبند 25 2-17 کلاس مرکز داده 25 2-18 کلاس مرکز داده واسط 25 2- 19 کلاس میزبان 25 2-20 کلاس توپولوژی شبکه 26 2-21 کلاس ماشین مجازی 26 2-22 جمع بندی 26 3-1 مقدمه 27 3-2 الگوریتم موازنه بار فرصت طلبانه(OLB) 28 3-3 الگوریتم زمان اجرا کمینه(MET) 28 3-4 الگوریتم زمان اتمام کمینه(MCT)1 28 3-5 الگوریتم Min-Min 29 3-6 الگوریتم GA 29 3-7 الگوریتم گرمایشی(SA) 30 3-8 الگوریتم Tabu 30 3-9 الگوریتم بهترین درصد (KPB)K 31 3-10 الگوریتم بهینه سازی اجتماع ذرات(PSO) 31 3-11 الگوریتم بهینه سازی کلونی مورچگان(ACO) 31 3-12 الگوریتم ترکیبی جهش قورباغه 34 3-13مقایسه الگوریتم های اکتشافی 37 3-14 نتیجه گیری 40 فصل 4: روش پیشنهادی 41 4-1 مقدمه 41 4-2بهبود در زمان بندی الگوریتم جهش قورباغه 41 4-3 تفاوت در نتایج حاصل از الگوریتم جهش قورباغه و الگوریتمهای دیگر 42 4-4 ارائه روش پیشنهادی: 42 4-5 جمع بندی: 43 فصل پنجم:آزمایش ها و ارزیابی نتایج 44 5-1 مقدمه 44 5-2 محیط پیاده سازی و اجرا 45 5-2-1 پارامترها و مقادیر مورد استفاده 45 فصل ششم 60 نتیجه گیری و پیشنهادات 60 6-1 مقدمه 60 6-2 نتایج حاصل از تحقیق 60 6-3 پیشنهادها 61 مراجع: 62 واژه نامه 68 فهرست جدول¬ها عنوان صفحه جدول 2-1.انواع متغیرها و پارامترهای کلاسBw 21 جدول 2-2.متدها و متغیرهای کلاس Cloudlet 22 جدول 3-1.مقایسه الگوریتم¬های زمانبندی 34 جدول 5-1.پارامترهای استفاده شده در الگوریتم Aco 41 جدول 5-2.پارامترهای استفاده شده در الگوریتم Sfla 41 جدول 5-3.پارامترهای استفاده شده در کلودسیم 42 جدول 5-4.زمان اجرا هر الگوریتم در محیط ابر با 10 بار اجرا و 50 تسک 43 جدول 5-5. زمان اجرا هر الگوریتم در محیط ابر با 10 بار اجرا و 100 تسک 43 جدول 5-6. زمان اجرا هر الگوریتم در محیط ابر با 10 بار اجرا و 200 تسک 44 جدول 5-7. زمان اجرا هر الگوریتم در محیط ابر با 10 بار اجرا و 300 تسک 45 جدول 5-8. زمان اجرا هر الگوریتم در محیط ابر با 10 بار اجرا و 400 تسک 45 جدول 5-9. زمان اجرا هر الگوریتم در محیط ابر با 10 بار اجرا و 500 تسک 46 جدول 5-10. کدهای نوشته شده در این پروژه 48 فهرست شکل¬ها عنوان صفحه شکل 2-1. تعریف NISTدر محاسبات ابری 9 شکل 2-2. سیر تکامل محاسبات 10 شکل 2-3. معماری جدید CLOUDSIM 19 شکل 3-1. نمایش مراحل یافتن کوتاهترین مسیر توسط مورچه¬ها 29 شکل 3-2. شبه کد الگوریتم کلونی مورچه 30 شکل 3-3. فلوجارت الگوریتم کلونی مورچه 31 شکل3-4. فلوچارت الگوریتم Sce-Ua 33 شکل 5-1. نمودار Aco 47 شکل 5-2. نمودار Sfla 47 شکل 5-3. میانگین makespan از الگوریتم¬های Sfla، Acoو Fcfs 51 فهرست کلمات اختصاری: الگوریتم کلونی مورچه Ant Colony Optimazition Aco واسط الگوریتم کلونی مورچه Ant Colony Optimazition Broker Aco Broker پهنای باند Bandwidth Bw تکامل مجتمع رقابتی Competitive Complex Evolution Cce مرکز داده Data Center Dc اولین ورودی اولین خروجی First Come First Service Fcfs واسط اولین ورودی اولین خروجی First Come First Service Broker FcfsBroker الگوریتم ژنتیک Genetic Algorithm Ga سخت افزار به عنوان سرویس Hardware As A Service Haas زیر ساخت به عنوان سرویس Infrastructure as a Service Iaas الگوریتم بهترین درصد k-Persent Best Kpb الگوریتم زمان اتمام کمینه Minimum Completion Time Mct حداقل زمان تکمیل مورد انتظار Minimum Expected Completion Times Mect الگوریتم زمان اجرا کمینه Minimum Execution Time Met الگوریتم مینیمم-ماکسیمم Min-Max Algorithm Min-Max الگوریتم مینیمم-مینیمم Min-Min Algorithm Min-Min چند میلیون دستور در ثانیه Milion Instructure Per Second Mips موسسه فناوری و استاندارد National Of Standards And Technology Nist الگوریتم موازنه بار فرصت طلبانه Opportunistic Load Balancing Olb سکو به عنوان سرویس Platform As A Service Paas عناصر پردازشی Process Element Pe بهینه سازی گروه ذرات Particle Swarm Optimization Pso الگوریتم گرمایشی Simulated Annealing Sa نرم افزار به عنوان سرویس Software As A Service Saas تکامل مجتمع قورباغه Shuffled Complex Evalution Sce جهش قورباغه Shuffled Frog Leaping Sfl الگوریتم جهش قورباغه Shuffled Frog Leaping Algorithm Sfla واسط الگوریتم جهش قورباغه Shuffled Frog Leaping Algorithm Broker SflaBroker معماری مبتنی بر سرویس Service Oriented Architecture Soa بر پایه¬ی اینترنت Internet-Base Tcp/ip ماشین مجازی Virtual Machine Vm ناظر ماشین مجازی Virtual Machine Monitor Vmm چکیده: امروزه با پیشرفت تکنولوژی و همه گیر شدن سیستم¬های کامپیوتری ، سیستم¬های رایانش ابری به شدت رو به توسعه و ترویج هستند که با توجه به این حجم عظیم انتقال اطلاعات در بستر اینترنت نیاز مبرمی به مکانیزم هایی داریم تا در کوتاهترین زمان، به تمامی سرویس¬ها پاسخ دهند و کارهای قابل انجام را به بهترین شکل به انجام رسانند. از الگوریتم¬هایی که در زمان¬بندی کار در محیط های ابری استفاده شده است می توان به FCFS و RR اشاره کرد که جزو قدیمی¬ترین و پایدار¬ترین الگوریتم¬ها در¬¬این زمینه می باشند. از طرف دیگر ، در سال¬های اخیر با ظهور علوم جدیدی همچون هوش مصنوعی، محاسبات نرم، یادگیری ماشین و غیره ، متخصصین حوزه¬ی فناوری اطلاعات در تلاشند تا الگوریتم¬های کلاسیک را با الگوریتم¬های نوظهور تلفیق کنند و یا از الگوریتم¬های هوشمند به عنوان یک جایگزین بهره بگیرند. اخیرا ، در حوزه¬ی زمان¬بندی کارها در محیط¬ ابر از الگوریتم¬های هوشمندی همچون ژنتیک، PSO ، کلونی مورچگان، شبیه¬سازی تبرید و غیره استفاده شده است که نتایج حاصله نشان دهنده¬ی بهبود در زمان کل اجرای کارها بوده است. در این پژوهش سعی بر این است تا از الگوریتم جهش قورباغه جهت کاهش زمان کارها در زمان¬بندی در محیط ابر بهره گرفته شود تا بهبودی در الگوریتم¬های زمان بندی نسبت به کار¬های قبلی به دست آید. پیاده¬سازی آزمایشات و شبیه¬سازی ها به زبان جاوا و با کمک کتابخانه CloudSim انجام شده است. نتایج حاصله از انجام پیاده¬سازی¬ها و آزمایشات انجام گرفته در این پایان¬نامه نشان¬دهنده بهبود زمان اجرای کار¬ها در محیط ابر می¬باشد که در این تحقیق با الگوریتم های FCFS و ACO مقایسه شده است. واژه¬های کلیدی: پردازش ابر، محیط ابر ، زمانبندی، کلونی مورچه، جهش قورباغه فصل اول: کلیات پژوهش 1-1 مقدمه رایانش ابری با عنوان یکی از مشهورترین و داغ¬ترین موضوعات در زمینه فناوری اطلاعات پدیدار گردید. امروزه کاربران اینترنت به وسیله ابزارهای الکترونیکی بسیار سبکی به سرویس¬های آن دسترسی دارند،در چنین حالتی کاربران نیازهای خود را که ممکن است نیازمند پردازش سنگینی باشدبر حسب تقاضا درخواست می کنند و بدون توجه به محل سرویس و چگونگی ارائه آن،به مشاهده نتایج بازگردانده شده می پردازند. رایانش ابری بر پایه tcp/ip وبر پایه اینترنت بوده و شامل پردازنده¬ها،حافظه¬های عظیم،شبکه انتقال داده سریع و معماری سیستم¬های قابل اعتماد می باشد و بدون پروتکل¬های استاندارد حاکم بر شبکه نمی توان موجودیتی به این فناوری بخشید. سرویس¬های این تکنولوژی به 3 دسته عمده تقسیم می شود: زیر ساخت به عنوان سرویس ،سکو به عنوان سرویس و نرم-افزار به عنوان سرویس می باشند. رایانش ابری به 5 لایه ،مشتری، کاربردی، سکو، زیرساخت و سرورها تقسیم می شوند. تحمل خطای فوق العاده این فناوری، وفق پذیری آن را با زیرساخت شبکه افزایش می دهد. ویژگی کاربرد آسان آن، تمام پیچیدگی سرویس¬ها را مخفی کرده و کاربران را با رابطی ساده به مرکز داده متصل می¬کند. مجازی¬سازی و امنیت بالا نیز از خصوصیات دیگر این تکنولوژی می باشند et al., 2009). Dikaiakos). در سال¬های اخیر، الگوریتم¬های بهینه سازی به خصوص الگوریتم¬های هوش جمعی در تمامی علوم به خوبی به کار گرفته شده¬اند و نسبت به الگوریتم¬های کلاسیک کارایی بسیار بالایی داشته اند.از طرفی الگوریتم¬های زمان بند¬کار،الارغم حالت توزیع پذیری که دارند در محیط¬های ابری فاقد این هوش می باشند.در این تحقیق سعی بر این است تا با الگوریتم قورباغه دقت و سرعت زمان¬بندی کارها را در محیط ابری بهبود بخشیم. وبا مقایسه دو الگوریتم مورچه و قورباغه بررسی شود که کدام الگوریتم از نظر بهینه سازی زمان تکمیل کل کارها بهتر عمل می کند. تعریف طبق تعريف موسسه ملي استاندارد و فناوري،رايانش ابري مدلی است براي فراهم کردن دسترسي آسان بر اساس تقاضا کاربر از طريق شبکه به مجموعه¬اي از منابع رايانشي قابل تغيير و پيکربندي(مثل سرورها، شبکه ها، فضاي ذخيره¬سازي، برنامه¬هاي کاربردي و سرويس¬ها) که اين دسترسي بتواند با کمترين نياز به مديريت منابع و يا نياز به دخالت مستقيم فراهم کننده سرويس به سرعت فراهم شده يا آزاد گردد. به دليل طبيعت پوياي منابع و همچنين درخواست¬هاي مختلف کاربران در فناوري ابري براي افزايش کارايي، نياز به انتخاب يک الگوريتم زمانبندی درست و کارآمد مي باشد..(Chang et al.,2010) الگوریتم¬های بهینه¬سازی الهام گرفته از طبیعت، به عنوان روش¬های هوشمند بهینه¬¬سازی در کنار روش¬های کلاسیک موفقیت خوبی از خود نشان داده¬اند. از جمله این روش¬ها می توان به الگوریتم¬های قورباغه، وبهینه¬سازی کلونی مورچه¬ها (بر مبنای حرکت بهینه مورچه¬ها)اشاره نمود. در این راستا،در تحقیق حاضر از میان الگوریتم¬های تقریبی مختلف،دو الگوریتم قورباغه و بهینه¬سازی کلونی مورچه¬ها در مساله زمانبندی کار در محیط ابر جهت مقایسه انتخاب گردیدند. هر دو الگوریتم کلونی مورچگان و جهش قورباغه مبتنی بر جمعیت هستند و مهمترین مزیت آن¬ها نسبت به روش¬های قطعی، سرعت حل مساله خصوصا در مسایلی که با حجم زیادی از داده روبرو است می-باشد (Misevicius et al.,2013). الگوریتم جهش قورباغه یکی از الگوریتم¬های الهام گرفته از طبیعت است که توسط لنزی و یوسف توسعه داده شد، این الگوریتم برای جستجوی محلی میان زیر گروه¬های قورباغه از روش نموممتیک استفاده می کند (Eusuff et al.,2006) (Huynh,2008). در الگوریتم قورباغه ( SFLA) نه تنها در جستجوی محلی بلکه در جستجوی سراسری نیز پیام¬ها مبادله می¬شوند. بدین ترتیب جستجوی محلی و سراسری به خوبی در این الگوریتم ترکیب می-شوند. الگوریتم ژنتیک(GA) و بهینه¬سازی گروه ذرات(PSO)الگوریتم جهش ترکیبی قورباغه یک الگوریتم بهینه¬سازی مبتنی بر کولونی است.SFLA قابلیت بالایی برای جستجوی سراسری دارد و پیاده¬سازی آن آسان است.الگوریتم کلونی مورچه¬ها از هوش¬جمعی بهره برده و از مهم¬ترین مزایای هوش جمعی می توان به عدم وجود کنترل متمرکز، تعاملات توزیع شده موجودات، سرعت انتقال و کارکرد موازی اشاره نمود. نکته¬ی دیگر که حائز اهمیت می¬باشد، توانایی سازگاری مورچه¬ها با تغییرات محیط پیرامونش می¬باشد. به عنوان مثال زمانی که کوتاهترین مسیر به دلیل وجود یک مانع بسته شده باشد، مورچه¬ها کوتاهترین مسیر جدیدی را پیدا می¬کنند(Dorigo et al.,2006). هدف اصلي الگوريتم¬هاي زمانبندي به حداقل رساندن Makespanاست که همان مينيمم ساختن زمان تکميل کل کارها مي باشد. در اين تحقیق سعي شده است زمانبندی وظایف براساس الگوریتم جهش قورباغه در محیط ابر ارائه شود وبا مقايسه دو الگوريتم قورباغه و الگوریتم کلونی مورچه بررسي شود که کدام الگوريتم از نظر بهينه¬سازي زمان تکميل کل کارها بهينه تر عمل مي کند. 1- 3 سابقه وضرورت انجام تحقیق هدف این تحقیق این است که به وسیله الگوریتم قورباغه دقت و سرعت زمانبندی کارها را در محیط ابری بهبود بخشیم و با مقایسه دو الگوریتم مورچه و قورباغه بررسی شود که کدام الگوریتم از نظر بهینه سازی زمان تکمیل کل کارها بهینه تر عمل می¬کند. امروزه کاربران ابر باید نیازهای بزرگشان را با توجه به روند کاری برنامه¬هایی که می¬توانند در اجرای ابر ارائه شوند،انتقال دهند.محاسبات ابر یک فن آوری جدید است که با استفاده از زیرساخت های ارتباطی و شبکه¬های کامپیوتری ونیز با به کارگیری حد اعلای مفاهیم و امکانات سیستم¬های توزیع شده، به ما امکان دسترسی به انواع مختلف منابع را به صورت راه دور می¬دهد .(Chang et al.,2010)برای این که سیستم محاسبات ابر به بهترین شکل کارهای منتصب شده به خود را انجام دهد و پاسخ را در کم-ترین زمان ممکن و با سرعت بالا با مدیریت ابر برگرداند باید از یک الگوریتم بهینه بهره ببرد. به این ترتیب که کاربران گرید به ازای استفاده از منابع، به دارندگان آن منابع هزینه ی مالی پرداخت می¬کنند.این چارچوب باعث ایجاد انگیزه در دارندگان منابع می¬شود تا منابع خود را به اشتراک بگذارند(Cybenko,2012)برای زمانبندی کارها در محیط ابر الگوریتم¬های متفاوتی از جمله الگوریتم زمانبندی تحمل¬خطا، الگوریتم ژنتیک، الگوریتم کلونی¬مورچه¬ها، الگوریتم مینیمم،مینیمم(Min-Min)،الگوریتم گرمایشی استفاده شده است. متاسفانه پویایی و ناهمگونی منابع ابر باعث پیچیدگی زمانبندی وظایف می¬شوند. اکثر سیستم¬های زمانبندی موجود در محیط ابر،زمان اتمام کارها را به صورت مجزا بهینه می¬کنند. (Meng Xu et al.,2009),(Qiyi and Tinglei,2010) . مقاله ای که مورد مطالعه قرار گرفت مربوط به زمانبندی وظایف بر اساس الگوریتم ژنتیک است که در این مقاله یک راهکرد فرامکاشفه¬ای به نام CSMGA به منظور یافتن راه¬حل مناسب جهت نگاشت مجموعه¬ای از درخواست¬ها به منابع در دسترس سیستم، با توجه به شرایط سیستم¬های محاسبات ابری ارائه گردیده است.که از راهکرد تکاملی الگوریتم ژنتیک استفاده نموده است. در این روش، پس از گروه¬بندی منابع بر اساس توانایی پردازش و درخواست¬ها بر اساس نیاز پردازشی و قرارگرفتن آن¬ها در گروه مربوطه، فرایند زمانبندی برای هر گروه انجام می¬گیرد. ابتدا درخواست¬های هر گروه بر اساس حجم کاری، حساسیت اجرا، deadline وزمان تلف شده مرتب می¬شوند،تا علاوه بر در نظر گرفتن اولویت اجرای taskها ، امکان بروز گرسنگی نیز رفع گردد. در انجام عملیات مختلف GAنظیر:ایجاد جمعیت اولیه، Crossover یا mutation مناسب بودن منبع کاندید برای هر task،تست و لیست مجازی منابع به روز می¬شود. با در نظر گرفتن deadline در تست مناسب بودن منبع برای task امکان رفع انتظار کاربر را تا حد امکان فراهم می¬کند.به طور میانگین راه¬حل تولید شده توسط الگوریتم CSMGA، زمان اجرای مجموعه taskها را نسبت به الگوریتم RoundRobin به میزان 36.39% و نسبت به الگوریتم First-Fit به میزان 10.45% کاهش داده است. واین در حالی است که در تولید راه¬حل، برقراری توازن¬بار در منابع نیز در نظر گرفته شده است(Chenhong Zhao et al.,2009). مقاله ای دیگر که مورد بررسی قرار گرفت در مورد ارائه یک روش زمانبندی کار مبتنی بر الگوریتم قورباغه در محیط محاسباتی گرید¬های اقتصادی می¬باشد.گرید عبارت است از شبکه گسترده¬ای با توان محاسباتی بالا که امکان اتصال به اینترنت را هم داراست. در این مقاله راهکاری را جهت زمانبندی در راستای بهبود زمان و هزینه ارائه کرده است و هم¬چنین با استفاده از نوعی نگاشت کار، هزینه را نیز به حداقل رسانده است. در این مقاله کارها را از نظر طول به صورت نزولی مرتب کرده است. هم¬چنین منابع موجود را نیز از نظر هزینه به صورت صعودی مرتب کرده است ودر ادامه کار به ترتیب ریزکار اول را به منبع اول انتصاب داده است و به همین ترتیب ریزکار دوم به منبع دوم والی آخر. نکته حائض اهمیت اینکه وقتی در حال واگذارکردن کار¬ها به منبع انتخابی هست،به تدریج به کارهای کوچکتر می¬رسد، زیرا کارها به صورت نزولی مرتب شده¬اند. بنابراین این احتمال وجود دارد که به کاری برخورد کند که یک منبع که از منبع انتخابی ارزان¬تر است نیز بتواند آن کار را پیش از مهلت تعیین شده اجرا کند. برای هر کار، همه¬ی منابع را به ترتیب از ابتدا بررسی می¬کند و به محض برخورد به منبعی که بتواند کار را قبل از مهلت تمام کند، کار را به آن واگذار می کند(Huynh,2008). مقاله¬ای دیگر که برای زمانبندی وظایف در ابر مورد بررسی قرار گرفت الگوریتم Min-Min بود که این رویکرد اولویت بندی وظایف و تولید زمانبندی بر اساس اولویت است. این اولویت بر اساس زمان اتمام وظیفه مورد انتظار بر روی یک منبع تولید می¬شود. این روش وظایف را در چند گروه وظایف مستقل تنظیم می¬کند. پس از آن این گروه¬ها مکررا زمانبندی می¬شوند. هر تکرار مجموعه¬ای از وظایف مستقل نگاشت نشده را می¬گیرد و برای هر وظیفه، حداقل زمان تکمیل مورد انتظار ( MECT)را تولید می¬کند. وظیفه¬ای که کوچک¬ترین مقدار MECT،بیش از تمام وظایف انتخاب شده به منابع مربوطه را دارد. در این تکرار اول زمانبندی می¬شود. این تا زمانی که تمام وظایف زمانبندی شوند،ادامه می¬یابد (Maheswaran,1999)هدف این الگوریتم، رسیدن به کم¬ترین پاسخ است و برای رسیدن به این هدف، ابتدا وظایفی با زمان تکمیل کم و سپس وظایفی با زمان بیشتر را زمانبندی می¬کند. مسیر تحقیقی که ما بررسی می¬کنیم این است که زمانبندی وظایف در ابر را با الگوریتم در هم آمیختن جهش قورباغه پیاده سازی کنیم و دقت و سرعت آ¬ن را افزایش دهیم و با الگوریتم کلونی¬مورچه مقایسه می¬شود. روش کار به این شکل می¬باشد که تعدادی تسک و ماشین مجازی ساخته می¬شود، سپس به سه روش ACO، FCFS، SFLA زمانبندی می¬شود و در محیط ابر شبیه¬سازی می¬شود و در نهایت نتایج شبیه¬سازی به کاربر گزارش می¬شود. 1-4 هدف¬ها هدف اصلی در این پژوهش¬، بالا بردن دقت وسرعت زمانبندی کارها با استفاده از الگوریتم جهش قورباغه می-باشد و هم¬چنین با مقایسه الگوریتم کلونی¬مورچه بررسی شود که کدام الگوریتم از نظر بهینه¬سازی زمان تکمیل کل کار¬ها بهتر عمل می¬کند. 1-5 جنبه نوآوری تحقیق در سال¬های اخیر، الگوریتم¬های بهینه¬سازی به خصوص الگوریتم-های هوش¬جمعی در تمامی علوم به خوبی به کار گرفته شده¬اند و نسبت به الگوریتم¬های کلاسیک کارایی بسیار بالایی داشته اند. از طرفی الگوریتم¬های زمان بند کار، الارغم حالت توزیع¬پذیری که دارند در محیط¬های ابری فاقد این هوش می باشند. در این تحقیق بر آن شدیم تا با الگوریتم قورباغه دقت و سرعت زمان بندی کارها را در محیط ابری بهبود بخشیم. وبا مقایسه دو الگوریتم مورچه و قورباغه بررسی شود که کدام الگوریتم از نظر بهینه¬سازی زمان تکمیل کل کارها بهتر عمل می کند. 1-6 مراحل انجام تحقیق مراحل انجام تحقیق را می¬توان به دو بخش تقسیم نمود. در بخش اول، ما به مطالعه جامعی در زمینه پردازش ابری و مطالعه مقاله¬های موجود در زمینه زمانبندی وظایف در محاسبات ابری پرداخته و جنبه¬های مختلف آن را مورد بررسی قرار می¬دهیم. سپس در بخش دوم، با ارائه الگوریتم قورباغه در راستای بهبود دقت و سرعت زمانبندی کارها در محیط ابر پرداخته ودر نهایت به ارزیابی الگوریتم قورباغه با الگوریتم الگوریتم کلونی مورچه می¬پردازیم. 1-7 ساختارپایان¬نامه پس از بیان اهداف کلی در این فصل، در فصل دوم به مقدمه¬ای از محاسبات ابری شامل تعریف، سیر تکامل محاسبات و عناصر محاسبات ابری وکلودسیم¬ می¬پردازیم. در ضمن سرویس¬های متفاوت ابر از قبیل،نرم¬افزار به عنوان سرویس، پلتفرم به عنوان سرویس وزیرساخت به عنوان سرویس و مدل¬های استقرارابر را مورد بررسی قرار می¬دهیم.فصل سوم مروری بر کارهای انجام شده و الگوریتم¬های زمانبندی وظایف خواهیم پرداخت. فصل چهارم به معرفی روش پیشنهادی،بهبود در زمانبندی الگوریتم جهش قورباغه در ابر می¬پردازیم. فصل پنجم به ارزیابی روش پیشنهادی وآزمایشات می¬پردازیم و با الگوریتم کلونی مورچه مقایسه می¬کنیم. در فصل ششم به تحلیل نتایج حاصل از آن¬ها خواهیم پرداخت و به ارائه جمع¬بندی نهایی و پیشنهادها خواهیم پرداخت.