پایان نامه بهینه سازی پارامتر های شبکه عصبی برای افزایش کارایی یک زمانبند مرکزی در رایانش ابری
فهرست محتوا
فهرست مطالب
- فصل اول.. 1
- کلیات… 1
- 1-1 مقدمه. 2
- 1-2 بیان مسئله. 3
- اهمیت و ضرورت تحقیق: 6
- اهداف: 6
- سوالات : 7
- فصل دوم. 8
- محاسبات ابری و زمانبندی… 8
- 2-2 محیط محاسبات ابری… 9
- 2-2-1 عناصر پایه ای… 9
- 2-2-2 معماری… 11
- 2-2-3 انواع ابر. 17
- 2-2-4 کاربردها 17
- 2-2-5چالش ها 19
- 2-3 انتخاب منابع و زمانبندی… 22
- 2-3-1 انتخاب منابع.. 22
- 2-3-2 زمان بندی… 23
- 2-4 شبکه عصبی… 24
- 2-5 پیشینه تحقیق… 25
- 2-5-1 کارهای مرتبط در محیط محاسبات ابری… 25
- 2-6 پارامترهای شبکه های عصبی… 29
- 2-7 مدل پیشنهادی… 31
- 2-8- شبکه عصبی… 33
- 2-8 الگوریتم ژنتیک….. 36
- 2-9 معماری مدل پیشنهادی… 37
- 2-10 الگوریتم پیشنهادی… 38
- فصل سوم. 41
- الگوریتم ها و پارامترهای زمانبندی و کارهای ارائه شده برای آن.. 41
- 3-1 مقدمه. 42
- 3-2- کارهای ارائه شده. 60
- فصل چهارم. 57
- جمع بندی و نتیجه گیری… 57
- 4-1- مقدمه. 58
- 4-2- جمع بندی… 58
- 4-3- نتیجه گیری… 58
- 4-4- کارهای آینده. 61
- 4-5- نتیجه گیری… 62
- منابع.. 62
چکیده
با رشد روز افزون شبکه محاسبات ابری نیاز به زمان بندی کارها بمنظور استفادهی بهینه از شبکه و پاسخگویی مناسب به کارها بشدت مورد توجه قرار گرفته است و در این زمینه تلاشهای زیادی در حال انجام میباشد و به دلیل اینکه محیط محاسبات ابری محیطی بسیار بزرگ و دارای تعداد زیادی کارهای ورودی به شبکه میباشد الگوریتمهای قطعی نتیجه مناسبی ندارند و بهترین گزینه برای این مدل از شبکه، الگوریتمهای اکتشافی میباشند. در این مطالعه سه شبکه عصبی مصنوعی اندازه گیرنده معیارهای عملکرد و همچنین سه فاکتور مهم که بر روی معیارهای انتخابی تاثیرگذار میباشند، مورد مطالعه قرار گرفتهاند. روش طراحی ترکیب مرکزی (CCD) برای طراحی آزمایش و آنالیز رفتار شبکه بر اساس پارامترهای تعریف شده با استفاده از تابع شرایط مطلوب، مورد استفاده قرار گرفت. سپس الگوریتم ژنتیک برای دستیابی به وضعیت پارامتر بهینه پیشنهاد شده است. به همین منظور، روش پیشنهادی توسط یک مثال عددی یک تابع ریاضی مشهور به کار گرفته شد. نتایج نشان داد که شبکه عصبی مصنوعی طراحی شده بر طبق روش پیشنهادی، عملکرد بهتری از دیگر شبکهها دارای پارامترهای انتخابی تصادفی و همچنین پارامترهای که توسط روش تاگوچی تعیین شدند، وجود دارد. درکل، نتایج پیشنهادی میتوانند برای تنظیم پارامترهای شبکه عصبی در حل مشکلات دیگر مورد استفاده قرار گیرند.
کلمات کلیدی: زمان بندی منابع، شبکه محاسبات ابری، شبکه عصبی
فصل اول
کلیات
1-1 مقدمه
در سال 1961 مصادف با صدمین سال تأسیس MIT آقای جان مک کارتی در سخنرانی خود گفت که کامپیوتر میتواند ابزاری اساسی برای صنعتی مهم و جدید باشد. این سخن بر مفهوم پایهای ابرتاکید میکند. اولین معرفی از ابر توسط اریک اشمیت در کنفرانس استراتژیهای موتورهای جستجو در سال 2006 مطرح شد.
تعریف موسسه جهانی استاندارد و تکنولوژی از محاسبات ابری به شرح زیر است:
شبکه محاسبات ابری مدلی است برای دسترسی به شبکه بر اساس تقاضا برای به اشتراک گذاری مجموعهای از منابع پیکره بندی شده نظیر شبکه و سرور و محل ذخیره سازی و برنامهها و سرویسها که با میزان سرعت قابل کنترل و با حداقل مدیریت و تعامل با ارائه دهنده سرویس منتشر میشود. همانطور که در شکل 1 میبینید 51% از کاربران بدلیل کارایی بالای شبکه محاسبات ابری از آن استفاده میکنند و 41% به دلیل در دسترس بودن دادهها بدون وابستگی به مکان و محدودیت ناحیهای میباشد.
مزیتهای استفاده از شبکه محاسباتی عبارتند از: 1-هزینه پایین 2- سطح خدمات مناسب 3- شفافیت در دسترسی 4-پشتیبانی از کاربران راه دور [4] 5- بر آورده شدن نیازهای کسب و کار 6- صرفه جویی در انرژی.
مطابق با تعریف NIST ویژگیهای محاسبات ابری که باعث برتری این تکنولوژی بر تکنولوژیهای مشابه میشود عبارتند از: 1-سلف سرویس بودن بر اساس تقاضا 2-دسترسی وسیع به اینترنت 3- مجموعه منابع 4-انعطاف پذیری سریع 5- قابل اندازه گیری بودن خدمات (آبدلعادیم الفتح، 2013).
1-2 بیان مسئله
یکی از مهمترین چالشهای شبکه محاسبات ابری بحث انتخاب منابع و زمان بندی کارها میباشد. حجم وسیع بار بر روی این شبکه و استقبال زیاد کاربران باعث شده است که کاربران زمان زیادی در انتظار بمانند تا بار شبکه کم شود و منابع مورد نیاز خود را در اختیار بگیرند، حال این پژوهش قصد دارد با استفاده از الگوریتمهای اکتشافی، روشی نوین در این زمینه ارائه دهد که زمانی که کارها به شبکه وارد میشوند منابع را به شیوهای بهینه و مناسب به آنها اختصاص داده شود تا شبکه، هم از نظر سرعت اجرای زمانبندی و هم از نظر دقت در انتخاب کارها به خوبی کار خود را انجام دهد. سیر تکاملی محاسبات به گونهای است که میتوان آن را پس از آب, برق, گاز و تلفن به عنوان عنصر اساسی پنجم فرض نمود. در چنین حالتی, کاربران سعی میکنند براساس نیازهایشان و بدون توجه به اینکه یک سرویس در کجا قرار دارد و یا چگونه تحویل داده میشود, به آن دسترسی یابند. نمونههای متنوعی از سیستمهای محاسباتی ارائه شده است که سعی دارند چنین خدماتی را به کاربران ارائه دهند. برخی از این سیستمهای محاسباتی عبارتند از: محاسبات خوشهای[1], محاسبات شبکهای[2] و اخیراً محاسبات انبوه[3] که از آن به عنوان محاسبات ابر یاد میشود. محبوبیت این سه رویکرد محاسباتی, از دید موتور جستجوی گوگل مورد ارزیابی قرار گرفته است که نتیجه آن در شکل 1-1 نمایش داده شده است و حاکی از آن است که محبوبیت محاسبات ابری, پس از ظهور مفاهیم اولیه آن در سال 2007, با فاصله زیادی نسبت به سایر رویکردهای محاسباتی در حال افزایش است (سوتومایور، 2009).
برای شناخت بهتر محاسبات ابری از دید زیرساخت, ابتدا نگاهی به سیر تکاملی سیستمهای محاسباتی از ابتدا تاکنون انداخته، تا بتوان جایگاه آن را در بین دیگر سیستمها تشخیص داد. اگر کامپیوترهای اصلی[4] بعنوان نسل اول سیستمهای محاسباتی در نظر گرفته شوند, با یک سیستم بسیار بزرگ مواجه خواهند شد که کاربران از طریق یک پایانه[5] واحد به آن دسترسی پیدا میکردند. به مرور این سیستمها کوچکتر شدند و با توان پردازشی بیشتر بصورت رایانههای شخصی در اختیار همه کاربران قرار گرفتند. سپس این امکان فراهم شد که با اتصال مجموعهای از این سیستمهای کوچک, شبکهای با توان پردازشی بیشتر فراهم نمود تا پاسخگوی نیازهای پردازشی بیشتر و سنگینتر باشند. اما نیازهای پردازشی به شکل فزایندهای درحال افزایش بودند و نیاز به سیستمهای محاسباتی بزرگتر و قویتر احساس شد. بنابراین تعداد زیادی از این شبکهها بصورت اختصاصی در سرتاسر اینترنت به هم متصل شدند و شبکه محاسباتی گرید را بوجود آوردند. در این بین مشاهده شد که میلیونها کاربر در اینترنت وجود دارند که در اکثر اوقات از تمام توان رایانه خود استفاده نمیکنند و سیستم محاسباتی دیگری شکل گرفت تا کاربرانی که تمایل داشته باشند, زمانهای بیکار سیستم خود را برای کارهای محاسباتی عام المنفعه هدیه کنند. بنابراین تعداد بسیار زیادی منبع محاسباتی کوچک در شبکهای تحت عنوان محاسبات داوطلبانه به هم پیوستند و توان پردازشی عظیمی بوجود آوردند.
اما هنوز منابع بسیار زیاد دیگری در سازمانها و مراکز داده اینترنتی وجود داشت که تمام ظرفیت آنها بطور کامل بکار گرفته نشده بود. این منابع نمیتوانستند در شبکه محاسباتی گرید بصورت اختصاصی بکار گرفته شوند, زیرا برای آنها وظیفه دیگری تعریف شده بود. در عین حال امکان استفاده از آنها در شبکه داوطلبانه هم وجود نداشت, چون فلسفه وجودی آنها, کاربردهای تجاری بود. به این ترتیب رویکرد جدیدی شکل گرفت که بتوان با استفاده از فناوریهای مجازی سازی این منابع را بصورت قابل انعطاف و پویا برای کاربردهای مختلف مورد استفاده قرار داد و از تمام ظرفیت آنها بطور مؤثر استفاده کرد. این فناوری محاسبات ابر در لایه زیرساخت نام داشت که امکان استفاد از منابع محاسبات و ذخیره سازی را بصورت یک سرویس بر حسب نوع نیاز فراهم میآورد. در حقیقت با ایجاد یک لایه انتزاعی[6] بر روی کلیه منابع فیزیکی خود (به کمک مجازی سازی) امکان مدیریت پویای منابع فیزیکی حاصل میشود (کار و فریمن،2010).
بنابراین محاسبات ابری از دید زیرساخت, به گونهای سیستمهای توزیع شده و موازی اطلاق میگردد که مجموعهای از رایانههای مجازی را که به یکدیگر متصل هستند شامل میشود. این رایانهها بطور پویا عرضه شده و به عنوان یک یا چند منبع محاسباتی یکپارچه براساس توافقات سطح سرویس ارائه میشوند. این توافقات در طول انجام مذاکرات سرویس دهندگان و مصرف کنندگان برقرار میگردند. محاسبات ابری سعی دارد نسل جدیدی از مراکز دادهای را, با ارائه کردن سرویسها و خدمات در ماشینهای مجازی شبکه شده به صورت پویا, به گونهای ممکن سازد که ارائه دهندگان خدمات کاربردی بتوانند سرویسها و برنامههای کاربردی را با انعطاف پذیری و سهولت بیشتری ارائه کنند و کاربران نیز بتوانند از هر جایی از دنیا به برنامههای کاربردی دسترسی داشته باشند. در تکنولوژی محاسبات ابر, کاربران میتوانند از طریق ابزارهای مختلف (نظیر رایانههای شخصی, رایانههای همراه, تلفن همراه و PDA) به برنامهها, فضاهای ذخیره سازی, پردازش و حتی سکوهای توسعه برنامههای کاربردی در اینترنت, از طریق سرویسهای ارائه شده توسط محاسبات ابر, دسترسی داشته باشند. به این ترتیب منابع به جای قرارگیری در سمت کاربر, در سمت سرورها قرار میگیرد. خدمات فراهم شده از طریق محاسبات ابر از نوع محاسبات همگانی [7]است و به این معناست که خدمات مورد استفاده مشتریان در سرورها عرضه میشود و پرداخت در آنها همانند سایر خدمات عمومی (برق, آب, تلفن و..) براساس سطح استفاده افراد انجام میشود (سوتومایور، 2009).
محاسبات ابری در یک جمله, زمان طراحی معماری یک برنامه را تا نصب و استقرار آن کوتاه میکند. محاسبات ابری ترکیبی از مجازی سازی, استقرار برحسب تقاضا, ارائه اینترنتی سرویسها, و نرم افزارهای کدمتن باز را بکار گرفته است. از یک جهت, محاسبات ابری چیز جدیدی نیست, زیرا رویکردها و مفاهیمی که قبلاً وجود داشته است را بکار گرفته است. از جهت دیگر, همه چیز جدید است, زیرا محاسبات ابری شیوه ساخت, توسعه, نصب, مقیاس پذیری, به روز رسانی, نگهداری و پرداخت برای برنامههای کاربری و زیرساختی که روی آن اجرا میشوند را تغییر داده است (شفی، 2010).
آنچه که از محاسبات ابری به عنوان مزایا و معایب یاد میشود, تقریباً در همه مقالات یکسان است. مواردی نظیر کاهش هزینههای اولیه, موانع کمتر برای ورود به بازار و یا استفاده از خدمات, مقیاس پذیری برحسب تقاضا, فراهم کردن خدمات در مقیاس مراکز داده, تضمین بهتر تداوم کسب وکار, امنیت نسبی بیشتر و مدیریت بهتر حجم بالای داده به عنوان مزایای اصلی آن یاد میشود. برخی از معایب آن نیز شامل مشکلات دسترسی راه دور, مشکلات ناشی از محدودیت پهنای باند, تأخیر, برخی مسائل امنیتی و فنی بخاطر اشتراک منابع یکسان بین مشتریان مختلف, دسترسی فراهم آورندگان خدمات ابری به دادهها و مسائلی از این قبیل را شامل میشود (ساپونزاکیز، 2016).
نقد و بررسیها
هنوز بررسیای ثبت نشده است.