Journal of Iranian Association of Electrical and Electronics Engineers

fa یک الگوریتم تخصیص منابع دو مرحله‌ای در رایانش ابری با استفاده از ترکیب Fuzzy-PSO FRA-PSO: A two-stage Resource Allocation Algorithm in Cloud Computing کنترل Control پژوهشي Research <div>رایانش ابری برپایه روش پرداخت به ازای مصرف، نوع جدیدی از پردازش را برای کاربران فراهم می‌نماید تا منابع مورد نیاز برنامه‌های کاربردی و سیستم‌ها را در سطوح مختلف تخصیص دهد. از اینرو تخصیص منابع در رایانش ابری، بسیار مهم می‌باشد. در این پژوهش، الگوریتمی برای تخصیص منابع برپایه منطق فازی ارائه شده است. میزان بهره‌وری منابع، رضایت کاربران و سود فراهم‌کنندگان سرویس به عنوان پارامترهای هدف در ارزیابی این الگوریتم در نظر گرفته شده‌اند. درمرحله اول تعداد 100 درخواست در بین 9 ماشین فیزیکی توزیع شده‌اند و توسط الگوریتم فازی تخصیص منابع انجام شده است. 95 درصد درخواست‌ها پاسخ داده شده و بهره‌وری منابع نیز 61.61 درصد حاصل شده است. در مرحله بعد با ترکیب الگوریتم فازی با <span dir="LTR">PSO</span>، عملیات تخصیص منابع به درخواست‌ها انجام شده است. مقایسه نتایج نشان می‌دهد که بهره‌وری ماشین‌های فیزیکی در الگوریتم ترکیبی فازی و PSO به میزان 0.5 درصد بهبود یافته است. همچنین در الگوریتم ترکیبی، یک درصد پاسخگویی به درخواست‌های کاربران ارتقاء یافته است که سود بیشتر فراهم‌کنندگان سرویس و رضایت بیشتر مشتریان را سبب می‌شود.</div> Cloud computing gives a large quantity of processing possibilities and heterogeneous resources, meeting the prerequisites of numerous applications at diverse levels. Therefore, resource allocation is vital in cloud computing. Resource allocation is a technique that resources such as CPU, RAM, and disk in cloud data centers are divided among cloud users. The resource utilization, cloud service provider profit, and user satisfaction are the common objectives of the proposed algorithms. In this study, the algorithm is based on fuzzy logic and tries to achieve better results than other resource allocation algorithms by using meta-heuristic methods. After designing the preliminary fuzzy inference system (FIS), the use of meta-heuristic algorithms is ended up tuning the FIS parameters. By adjusting the parameters, membership functions are improved and finally a trained FIS is delivered. PSO has been used to train the fuzzy system. The fuzzy resource allocation algorithm responded 95% of the requests and achieved 61.61% of the resource efficiency, while the fuzzy-PSO algorithm answered 96% of the requests and improved the resource utilization by 0.5%. The results have shown that the application of PSO improves fuzzy resource allocation efficiency. More requests are answered and it increases resource utilization.<br>   رایانش ابری, تخصیص منایع, منطق فازی, الگوریتم بهینه‌سازی ازدحام ذرات (PSO), بهره‌وری منابع Cloud Computing, Resource Allocation, Fuzzy Logic, Particle Swarm Optimization (PSO), Resource Utilization. 43 49 http://jiaeee.com/browse.php?a_code=A-10-2123-1&slc_lang=fa&sid=1 Mostafa Vakilifard مصطفی وکیلی فرد st_m_vakilifard@azad.ac.ir 100319475328460010104 100319475328460010104 No Department of Computer Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran دانشکده مهندسی کامپیوتر- واحد تهران جنوب، دانشگاه آزاد اسلامی- تهران- ایران Amir Sahafi امیر صحافی sahafi@iau.ac.ir 100319475328460010105 100319475328460010105 Yes Department of Computer Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran دانشکده مهندسی کامپیوتر- واحد تهران جنوب، دانشگاه آزاد اسلامی- تهران- ایران Amir Masoud Rahmani امیرمسعود رحمانی rahmani@srbiau.ac.ir 100319475328460010106 100319475328460010106 No Department of Computer Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran دانشکده مهندسی کامپیوتر- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی- تهران- ایران Peyman Sheikholharam Mashhadi پیمان شیخ الحرم مشهدی p_sheikholharam@azad.ac.ir 100319475328460010107 100319475328460010107 No Department of Computer Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran دانشکده مهندسی کامپیوتر- واحد تهران جنوب، دانشگاه آزاد اسلامی- تهران- ایران