الگوریتم ممتیک مبتنی بر کلونی زنبور عسل برای مهاجرت و توازن بار در رایانش ابری

در رایانش ابری راه اندازی چند ماشین مجازی بر روی یک سرویس دهنده فیزیکی بااستفاده از مجازی‌سازی امکان‌پذیر است. اما این میزبانی مشترک به خاطر وجود رقابت در تخصیص و بهره‌گیری از منابع، می‌تواند کاهش عملکرد نرم افزار را در پی داشته باشد. یکی از رویکردهای غلبه بر این چالش، مهاجرت ماشین‌های مجازی است. در این مقاله یک الگوریتم ترکیبی برای حل این مساله پیشنهاد شده است. ابتدا تابع هزینه برای میزان مجموع مصرف منابع، انرژی و پهنای باند محاسبه و کمینه‌سازی می‌شود. سپس الگوریتم کلونی زنبور عسل، اطلاعات هر ماشین فیزیکی را براساس این تابع هزینه محاسبه می کند. سرانجام، الگوریتم ممتیک تعیین می‌کند که کدام ماشین مجازی از مبدا فیزیکی مفروض به کدام مقصد فیزیکی مهاجرت کند. نتایج حاصل از این الگوریتم پیشنهادی، در مقایسه با الگوریتم‌های pso و hlbb به ترتیب دارای%7.84 و 25.27% کاهش زمان پاسخ و نیز 1.58% و 8.59% افزایش بهره‌‌وری است. بنابراین، بهره‌گیری از الگوریتم ترکیبی پیشنهادی بهبود قابل ملاحظه‌ای در توازن بار برای محیط رایانش ابری فراهم می‌سازد.

a memetic bee colony algorithm for migration and load balancing in cloud computing

in cloud computing, it is possible to run multiple virtual machines on a physical server using virtualization. but this shared hosting can lead to a decrease in software performance due to competition in the allocation and use of resources. one of the approaches to overcome this challenge is the migration of virtual machines. in this article, a hybrid algorithm is proposed to solve this problem. first, the cost function for the total consumption of resources, energy and bandwidth is calculated and minimized. then the bee colony algorithm calculates the information of each physical machine based on this cost function. finally, the memetic algorithm determines which virtual machine to migrate from the assumed physical origin to which physical destination. the results of this proposed algorithm, compared to pso and hlbb algorithms, have 7.84% and 25.27% reduction in response time and 1.58% and 8.59% increase in productivity, respectively. therefore, using the proposed hybrid algorithm provides a significant improvement in load balancing for the cloud computing environment.