رویکردی بهبودیافته برای تخصیص منبع برنامه های کاربردی کلان داده مبتنی برابر

افزایش استفاده از وسایل ارتباطی و الکترونیکی در عصر حاضر منجر به ظهور کلان داده ها شده است. مساله ای که در این بین مطرح می باشد این است که پردازش این حجم عظیم داده ها از طریق سیستمهای سنتی به دلیل خصوصیاتی که دارند میسر و ممکن نیست. در پژوهش حاضر به ارائه رویکردی موثر و کارآمد جهت تخصیص منابع ابری بهینه به منظور پردازش کلان داده ها می پردازیم. فاکتورها و معیارهای متعددی بایستی در تخصیص منابع در نظر گرفته شوند از جمله هزینه کم، کارایی بالا، دسترسی پذیری بالا و قابلیت اطمینان بالا. این معیارها با یکدیگر مرتبط بوده و گاها محدودیتهایی با یکدیگر دارند و برآورده شدن همه آنها بطور همزمان میسر نیست.در این مقاله الگوریتم فراابتکاری و مبتنی بر جمعیت گرگ خاکستری ارائه شده است. اساس این الگوریتم انتخاب منابع قوی تر بر اساس تابع ارزشگذاری و گروه بندی آنها و در نهایت انتخاب منابع بهینه نهایی می باشد. رویکرد پیشنهادی تحت یک بار کاری فیسبوک و سه بار کاری مصنوعی با دو الگوریتم دیگر bra و milp ارزیابی و مقایسه گردیده است.