عنوان الإطروحه |
Intelligent Load Balancing in Cloud Computing Using Simulated Annealing and Elite Genetic Algorithms
|
تاريخ مناقشة الاطروحه |
2025-07-31 |
اسم الطالب |
خلود محمد سهو شواقفه
|
المشرف |
مازن سالم حمد الزيود |
|
المشرف المشارك |
اشرف محمد سلمان العون
|
اعضاء لجنة المناقشة |
| محمد سعيد منصور البشير |
| موفق سالم الزبون |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
تعد موازنة الاحمال مصدر قلق كبير في الأنظمة الموزعة، حيث أن النمو الهائل في إنترنت الأشياء ينتج عنه كمية كبيرة من البيانات مما يؤدي إلى زيادة التحميل على البنى التحتية السحابية. ويتمثل أحد الأساليب للتغلب على هذه التحديات في استغلال الموارد بشكل أفضل وتقليل وقت الاستجابة وزيادة الإنتاجية. تقترح هذه الورقة البحثية مخططًا محسنًا لموازنة التحميل على الشبكة وذلك باستخدام خوارزمية محاكاة الصلب كمعالجة مسبقة لمحاكاة الخوارزمية الجينية المحسنة باستخدام نخبة الافراد.
هذه الطريقة الهجينة لها قدرة على الاستغلال الأمثل للموارد في خوارزمية الصلب التي تقوم مسح أفضل لجميع الافراد والحلول المقترحة وبالتالي تقدم أساسا اقوى كنقطة انطلاق لخوارزمية الجينات المحسنة عن طريف اختيار اولي أفضل للأفراد.
في هذه الدراسة تم تناول بعض تقنيات توزيع الاحمال المعمول معها حاليا (الأكثر تداولا) وبيان مقدرتها بالمقارنة مع البحث المقترح الذي يمكن خوارزمية الصلب أن تخلق تنوع في مجموعة الأفراد المطروحة كحلول بحيث تكون أقرب ما تكون من الحل المثالي كنقطة بداية.
ومن خلال دمج الافراد النخبويين مع الحلول المطروحة فإنها ترفع من قيمة الحلول والنتائج، ويعتبر الافراد النخبويين التي يتم تضمينها أساسا قويا لخوارزمية الجينات المحسنة.
الفاعلية والمرونة للطريقة المقترحة تم اثباتها عن طريق مجموعة من الاختبارات الصارمة من بينها التنوع في احجام الحلول القادمة والتقسيمات للحاسبات الوهمية الى عدة أنواع أيضا تناسب مع احجام الاعمال وأيضا تقسيم الأجهزة في مركز البيانات الى عدة تقسيمات مثل التقسيم المتساوي والتخصيص الديناميكي وتقسيم 40%-60%.
تفوقت هذه الخوارزمية الهجينة بأدائها عن الخوارزميات التقليدية في موازنة الأحمال سواء في كمية الإنتاجية، أو معدل وقت الاستجابة بحيث تم تجريبها على برنامج المحاكي المتخصص لهذه التجارب. التي اثبتت قدرتها على التعامل مع البيئة المتغيرة أو الثابتة لقدرتها على التأقلم مع توسع الشبكة وتقليل الحمل داخل النظام والتقارب الأسرع نحو الحل الأمثل.
أظهرت النتائج قدرة الخوارزمية المقترحة على التجاوب بشكل إيجابي مع الأنظمة الموزعة المعقدة وواسعة النطاق.
مستقبلا سوف نركز على تطوير الخوارزمية بشكل أكبر ودراسة استخداماتها في النماذج المطورة مثل حوسبة الضباب وحوسبة الحافة السحابية لضمان إمكانية تطبيقه في الأنظمة الموزعة مستقبلا
|
الملخص بالانجليزي |
Load balancing is a significant issue in distributed systems, particularly in the emerging era of IoT, as industrial data generation creates a torturous workload and overloads cloud resources. Load balancing is a solution to such issues since it distributes resources more efficiently, reduces response time, and increases throughput. The paper proposes an enhanced load-balancing scheme that utilizes Simulated Annealing (SA) as an initial step and an Improved Genetic Algorithm (IGA) with elite individuals to achieve the final load-balanced assignment. The hybrid methodology leverages the ability of SA to explore solution spaces and refine initial solutions, while IGA's superior preservation mechanism ensures the optimization process yields optimal solutions.
The study assesses current load-balancing techniques, pointing out their drawbacks, and presents a novel approach in which SA creates a varied and nearly ideal starting population. With the inclusion of high-quality individuals to lead the search for worthy solutions, this set provides a strong foundation for IGA. The effectiveness and adaptability of the presented approach are demonstrated through large-scale testing under various partitioning schemes like even partitioning, dynamic partitioning, and 60%?40% partitioning. The hybrid method outperforms conventional methods in terms of load balancing, system throughput, and response time when empirically tested using the CloudSim simulator. The approach can be applied in both static and dynamic cloud computing environments thanks to its improved scalability, reduced system overhead, and faster convergence. The results demonstrate the efficiency and flexibility of the proposed approach even when running on large and complex distributed systems.
Future research will proceed to enhance the algorithm and its applicability to advanced paradigms, such as fog computing and edge-cloud computing, to render it applicable in next-generation distributed systems
|
رقم ISN |
8829 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|