مقايسه الگوريتم ژنتيك كوانتومي با الگوريتم ژنتيك متعارف در كاهش مصرف انرژي مراكز داده ابري با استفاده از ادغام ماشين هاي مجازي

در دهه گذشته رشد سريع فناوري اطلاعات و افزايش سرويس ها باعث افزايش تعداد ماشين هاي فيزيكي در مراكزز داده شزده بود كه با پيدايش رايانش ابري و تجميع ماشين هاي مجازي بر روي ماشين هاي فيزيكي قدرتمند، امكان كاهش تعداد ماشين هاي فيزيكي در مراكز داده فراهم شد. با توجه به اينكه بيشترين مصرف انرژي در مراكز داده توسز ماشزين هزاي فيزيكزي رزورت مي گيرد لذا استفاده از حداكثر ظرفيت و مسئله تخصيص ماشين هاي مجازي به ماشين هاي فيزيكي، يكي از چالش هاي اساسزي براي ارائه دهندگان سرويس در رايانش ابري است كه با كم كردن تعداد سرورهاي روشن، بتزوان مصزرف انزرژي را بزه ميززان قابل توجهي كاهش داد. در اين مقاله با استفاده از الگوريتم ژنتيك كوانتومي و الگوريتم ژنتيك متعارف و به كمك داده هاي مرسوم بار كاري كلاسترهاي محاسباتي، تجميع ماشين هاي مجازي در محي كلودسيم شبيه سازي شده است. نتزاي نشزان مزي دهزد الگوريتم ژنتيك كوانتومي براي كشف پاسخ در ابرهاي محاسباتي با مقياس بزرگ نسبت به الگوريتم ژنتيك متعارف پاسزخ هزاي بهتري را در ميزان مصرف انرژي از خود نشان مي دهد.