بهبود کیفیت سرویس در زمان‌بندی منابع ابری با استفاده از الگوریتم خوشه‌بندی پویای کملئون

کیفیت سرویس منابع شبکه را با تعیین اولویت‌ها برای نوع خاصی از داده‌ها تنظیم  و کنترل می‌کند. الگوریتم‌های خوشه‌بندی زیادی برای خوشه‌بندی حجم کار ابری استفاده می شود که اکثر آن‌ها ایستا هستند. در واقع با توجه کمبود الگوریتمی پویا در مواجه با بانک‌های اطلاعاتی عظیم که به صورت بلادرنگ و با توجه به شرایط موجود خوشه‌بندی نماید، دیده می‌شوند. سرعت و دقت جزئی از مهم‌ترین عواملی است که روش پیشنهادی می‌بایست شامل باشد. جهت رفع این چالش، یکی از مهم‌ترین مولفه‌های کیفیت سرویس یعنی استفاده از منابع می باشد. در این مقاله استفاده از الگوریتم chameleon پیشنهاد شده‌است که خوشه‌بندی را بر اساس جفت مولفه شباهت همسایگی و قابلیت خوشه‌بندی پویا انجام می‌دهد. فرماندهی انتظامی جمهوری اسلامی ایران (فراجا) به جهت فعالیت در عرصه نظم و امنیت با حجم بسیار گسترده‌ای از اطلاعات در حوزه‌های گوناگون اجتماعی، امنیتی، اقتصادی و فرهنگی در ارتباط است. لذا استخراج الگوهای دقیق و پویای خوشه‌بندی از بانک‌های اطلاعاتی عظیم این سازمان می‌تواند تا حد بسیار زیادی بهبود کیفیت سرویس را در مواجهه با این اطلاعات به همراه داشته باشد. علم داده‌کاوی و استفاده از تکنیک‌‌های خوشه‌بندی آن جهت تحلیل اطلاعات امری ضروری است. تحلیل درست ، موقعیت یابی درست و دریافت صحیح اطلاعات در هر لحظه ، اقدامات درست را در پی خواهد داشت. لذا پویایی در خوشه‌بندی و اطلاع از وضعیت درست در هر لحظه می‌تواند افزایش امنیت را نیز به دنبال داشته باشد. با مقایسه الگوریتم chameleon با الگوریتم گاوسی 36 درصد بهبود در زمان مشاهده می‌شود. همچنین مصرف منابع الگوریتم chameleon ، 50 درصد کاهش نسبت به الگوریتم گاوسی داشته است. پس می‌توان نتیجه گرفت که روش ارایه شده توانسته است با توجه به کاهش استفاده از منابع، خوشه‌بندی پویا را در کمترین زمان داشته باشد.

improving qos in cloud resources scheduling using chameleon dynamic clustering algorithm

qos (quality of service) controls network resources by setting priorities for a specific type of configuration. there are many clustering algorithms for cloud workload clustering, most of which are static. in fact, according to a dynamic algorithm, in the face of huge databases that are seen in real time and according to the existing conditions of clustering. speed and accuracy are some of the most important factors that the proposed method should include. to solve this challenge, one of the most important components of service quality is the use of resources. in this article, it is proposed to use the chameleon algorithm, which performs clustering based on pairs of neighborhood similarity components and dynamic clustering capability. the administration command of the islamic republic of iran (farja) is in contact with a large amount of information in various social, security, economic and cultural fields in order to operate in the field of order and security. the results of accurate and dynamic clustering patterns from the huge databases of this organization can greatly improve the quality of dealing with this information. the science of data mining and the use of its clustering techniques is essential for information analysis. correct analysis, correct positioning, and correct receiving of information at any moment will lead to the correct result. well, dynamism in clustering and knowing the correct situation at any moment can also lead to security. by comparing the chameleon algorithm with the gaussian algorithm, 36% improvement in time can be observed. also, the resource consumption of chameleon algorithm has decreased by 50% compared to gaussian algorithm. therefore, it can be concluded that the proposed method has the dynamic cluster in the shortest time due to reducing the use of resources.