ارائه یک الگوریتم بهینه برای زمان‌بندی منابع و پارتیشن‌بندی کد در محاسبات ابری تلفن همراه

با تکنولوژی مجازی‌سازی، مراکز داده  ابری امروزی انعطاف‌پذیرتر و امن‌تر می‌شود و بر اساس تقاضا تخصیص می‌یابد. یک فناوری کلیدی که نقش مهمی در مراکز داده ابری بازی می‌کند، برنامه زمان‌بندی منابع است. در این مقاله برای حل مشکلات موجود در این حوزه با استفاده از الگوریتم تکاملی ازدحام ذرات برای کوچک کردن حیطه اهداف چندگانه به‌ اندازه‌ای مناسب، راهبرد جایابی نزدیک به بهینه ارائه شده است. روش جایابی مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات، به دلیل افزایش در قابلیت محاسباتی پردازشگرها در پنج سال گذشته می‌تواند به ‌عنوان یک روش جایابی زمان واقعی عمل کند. این جایابی یک روش جستجو بوده که در آن شایستگی به صورتی پویا بر مبنای واریانس‌های مقادیر تناسب در هر نسل تغییر می‌کنند. این روش مهاجرت و جایابی، به حداقل‌سازی زمان تکمیل ماشین‌های مجازی نیز توجه می‌کند. برای ارزیابی روش پیشنهادی، نتایج حاصله طی معیارهای متفاوت کیفیتی و از جنبه‌های متفاوت و بر اساس تغییر در پارامترهای مختلف اجرایی مورد مقایسه و بررسی قرار گرفت. کارایی روش معرفی ‌شده در مقایسه با سایر روش‌های موجود در این زمینه مقایسه شد که نتایج بیانگر کیفیت بالای روش پیشنهادی می‌باشد.

presenting an optimal algorithm for resource scheduling and code partition in mobile cloud computing

through virtualization technology, current cloud data centers are becoming more flexible and secure, and are allocated on demand. a key technology playing an important role in cloud data centers is the resource scheduling program. in this paper, a near-optimal strategy is proposed to solve the problems in this field, by using an evolutionary particle swarm algorithm to reduce the range of multiple targets to a proper level. the placement method based on the particle swarm optimization algorithm can act as real-time placement, due to the increase in computational capability of processors over the past five years. this placement is a searching method in which competencies are dynamically altered based on the variance of fitness values ​​in each generation. this migration and placement approach also minimizes the completion time for virtual machines. in order to assess the proposed method, the results were analyzed and compared through various qualitative criteria, from different aspects and based on changes in different functioning parameters. the performance of the proposed method was compared with other approaches in this field and reflects the high quality of the proposed method.