طراحي يك روش جديد توازن بار ماشين هاي مجازي در محيط محاسبات ابري

توازن بار ماشين هاي مجازي يكي از مقوله هاي مهم در تحقيقات محاسبات ابري است. يك روش عمومي بكارگيري الگوريتم هاي هوش همچون بهينه سازي كلوني مورچه(ACO) است. دو چالش مهم در ACO سنتي وجود دارد. اولا ACO وابستگي زيادي به شرايط اوليه دارد، كه ممكن است بر روي حل بهينه نهايي و سرعت همگرايي تأثير بگذارد. براي حل اين مساله ما الگوريتم ژنتيك(GA) براي بهينه سازي ACO پيشنهاد كرده ايم. ثانيا در الگوريتم ACO بايستي به نقطه محلي برسيم و سرعت همگرايي نوعا كند است. بدين منظور ايده شبيه سازي آنيلينگ(SA) را بكار گرفتيم تا مشكل بهينه محلي و سرعت همگرايي حل شود. سرانجام آزمايش ها نشان داده است كه روش جديد مبتني بر ACO پيشرفته باعث بهبود كارايي در توازن بار شده است.