ارایه روشی برای بهبود انتخاب داده و بالا بردن قابلیت اطمینان در گرید با استفاده از الگوریتم خفاش

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارایه روشی برای بهبود انتخاب داده و بالا بردن قابلیت اطمینان در گرید با استفاده از الگوریتم خفاش دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارایه روشی برای بهبود انتخاب داده و بالا بردن قابلیت اطمینان در گرید با استفاده از الگوریتم خفاش  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارایه روشی برای بهبود انتخاب داده و بالا بردن قابلیت اطمینان در گرید با استفاده از الگوریتم خفاش،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارایه روشی برای بهبود انتخاب داده و بالا بردن قابلیت اطمینان در گرید با استفاده از الگوریتم خفاش :

تعداد صفحات :۱۳

چکیده مقاله:

گریدهای محاسباتی دسترسی قابل اعتماد و ارزان را به منابع محاسباتی دیگران فراهم می کنند. از طرف دیگر، منابع درگرید، متعلق به سازمان های مختلف می باشد که دارای سیاست های مدیریتی و مدل های استفاده و هزینه ای مخصوص به خود برای کاربران مختلف در زمان های گوناگون هستند. به این ترتیب، صاحبان و کاربران منابع دارای اهداف، استراتژی ها و الگوهای عرضه و تقاضای متفاوتی هستند. در مدیریت چنین محیط پیچیده ای، نمی توان از روش های رایج برای مدیریت منابع که سعی می کنند میزان کارایی را در سطح سیستم بهینه کنند، استفاده کرد. در این مطالعه روش جدیدی برای زمانبندی کارها در محیط گرید محاسباتی ارایه شد. در روش پیشنهادی از الگوریتم خفاش بهره گرفته شده است. در این الگوریتم برای افزایش دقت و ارزیابی بهتر سیستم، دو معیار زمان انجام کار و هزینه انجام کار را با یکدیگر ترکیب نمودیم. این ایده و کار، تاکنون در هیچ تحقیقی به انجام نرسیده بود. به عبارت دیگر، با استفاده از دو ضریب متفاوت، توانستیم یک تساوی برای زمانبندی گرید ایجاد نماییم. روش بدست آوردن ضرایب نیز، استفاده از تکنیک آنتروپی است پس از پیاده سازی الگوریتم پیشنهادی بر روی سیستم و مقایسه آن دریافتیم که الگوریتم زمانبندی مورد نظر ما به تناسب و بر اساس تمام معیارهای اعتبار سنجی الگوریتم های زمانبندی، نسبت به سایر الگوریتم های قبلی، بهبود قابل چشم گیری داشته است.