ارائه يك رويكرد تركيبي پويا جهت تخصيص منابع در محيط ابري موبايل مبتني بر الگوريتم هاي FCM و ژنتيك باينري

A New dynamic hybrid approach allocating resources in the Mobile cloud computing Based on algorithms FCM and Binary Genetics

با توجه به توسعه فناوري اطلاعات و ارتباطات بحث‌هايي مانند كاهش هزينه، كارايي و افزايش سرعت باعث ايجاد تحولي روزافزون در دنياي اينترنت شده است. رايانش ابري شيوه‌اي از محاسبات كامپيوتري است كه قابليت‌هاي مرتبط با فناوري اطلاعات را به عنوان سرويس، به كاربران عرضه مي‌كند. در اين مقاله يك روش تركيبي پويا براي تخصيص منبع و توازن بار در محيط‌هاي ابري موبايل ارايه شده است كه منابع ابتدا خوشه‌بندي شده، به هر منبع امتيازي اختصاص داده مي­ شود و با فراخوان هر درخواست تطبيق داده انجام تا بهترين منبع به عنوان تخصيص نهايي انتخاب شود. اگر در فاز تطبيق، بيش از يك منبع انتخاب شود الگوريتم ژنتيك باينري انتخاب منبع نهايي براي تخصيص را به عهده دارد و اگر شكست رخ دهد طوريكه نياز به مهاجرت باشد اجرا از ابتدا لازم نيست و دومين انتخاب در صورت آزاد بودن پذيرفته مي­ شود و از همان رتبه‌بندي انجام شده براي تخصيص مقصد، مهاجرت رخ مي ­دهد كه اين امر سبب بهبود زمان مي‌گردد. در اين مقاله، الگوريتم تركيبي در فرآيند زمان‌بندي منبع موبايل مطرح شده كه جهت ارائه نتايج رضايت‌بخش به كاربران از طريق رتبه‌بندي سفارشي مكانيزم عمل كرده و قادر به كاهش مقياس زمان‌بندي منبع و نتايج كانديد گزينش در زمان واقعي است. در شبيه‌سازي انجام شده دو فاكتور اساسي “تعادل خوشه‌بندي” و “بهبود كارايي” در فاز تطبيق ارزيابي شد. صحت خروجي روش پيشنهادي 4/2 درصد بهبود به نسبت روشي كه از بردار پشتيبان تصميم استفاده كرده است، نتيجه داد.

With the development of information and communication technology, discussions such as cost reduction, efficiency and increasing speed have caused an increasing change in the world of the Internet. Cloud computing is a style of computer computing that provides IT-related capabilities to users as a service. This paper presents a dynamic hybrid method for resource allocation and load balancing in mobile cloud environments, First, clustered resources are assigned to each privileged resource and with each request, data matching is performed to select the best source as the final allocation. If more than one source is selected during the matching phase, the binary genetic is responsible for selecting the final source for the assignment. Also, if failure occurs and migration is required, there is no need to run from the beginning, an‎d the second option is accepted if it is free and Migration occurs from the same ranking assigned to the destination allocation, which improves the time required. In this paper, a hybrid algorithm in the mobile resource scheduling process is introduced, which works to provide satisfactory results to users through custom ranking mechanism and It is able to reduce the scale of source scheduling and candidate selection results in real time. Finally, the simulation of the two basic factors of clustering equilibrium and performance improvement in the adaptation phase for the proposed method was concluded. The output accuracy of the proposed method has improved by 4.2% compared to the model using the decision support vector method.