دانشگاه آزاد

دانشگاه آزاد اسلامی

واحد علوم و تحقیقات آذربایجان شرقی

 

سمینار

در رشته مهندسی کامپیوتر – نرم افزار

 

عنوان

بهینه سازی پارامتر های شبکه عصبی برای افزایش کارایی یک زمانبند مرکزی در رایانش ابری

در فایل دانلودی نام نگارنده و استاد راهنما موجود است

 

زمستان 1395

فهرست

 

فصل اول.. 1

کلیات… 1

1-1 مقدمه. 2

1-2 بیان مسئله. 3

اهمیت و ضرورت  تحقیق: 6

اهداف: 6

سوالات : 7

فصل دوم. 8

محاسبات ابری و زمانبندی.. 8

2-2 محیط محاسبات ابری.. 9

2-2-1 عناصر پایه ای.. 9

2-2-2 معماری.. 11

2-2-3 انواع ابر. 17

2-2-4 کاربردها 17

2-2-5چالش ها 19

2-3 انتخاب منابع و زمانبندی.. 22

2-3-1 انتخاب منابع.. 22

2-3-2 زمان بندی.. 23

2-4 شبکه عصبی.. 24

2-5 پیشینه تحقیق.. 25

2-5-1 کارهای مرتبط در محیط محاسبات ابری.. 25

2-6 پارامترهای  شبکه های عصبی.. 29

2-7 مدل پیشنهادی.. 31

2-8- شبکه عصبی.. 33

2-8 الگوریتم ژنتیک…. 36

2-9 معماری مدل پیشنهادی.. 37

2-10 الگوریتم پیشنهادی.. 38

فصل سوم. 41

الگوریتم ها و پارامترهای زمانبندی و کارهای ارائه شده برای آن.. 41

3-1 مقدمه. 42

3-2- کارهای ارائه شده 60

فصل چهارم. 57

جمع بندی و نتیجه گیری.. 57

4-1- مقدمه. 58

4-2- جمع بندی.. 58

4-3- نتیجه گیری.. 58

4-4- کارهای آینده 61

4-5- نتیجه گیری.. 62

منابع.. 62

 

 

فهرست اشکال:

شکل 1- دلایل استفاده از شبکه ابر. 2

شکل 2- معماری لایه ای.. 11

شکل 3- معماری SOA.. 13

شکل4 –معماری لایه ای.. 16

شکل 5- نرخ چالش ها 20

شکل 1-4 نمایی از چگونگی عملکرد MapReduce. 28

شکل14 – نمودار گردش کار 32

شکل 15-  مدل شبکه عصبی.. 33

شکل 16 – تابع انتقال سیگموئید. 34

شکل 18-معماری پیشنهادی.. 37

شکل 19-الگوربتم N2TC.. 38

شکل 20-الگوریتم  GaTa. 39

شکل 21- توزیع داده ها 43

شکل 23 – هیستوگرام. 44

شکل 24-شبکه عصبی.. 45

شکل 25- نمودار اغتشاش…. 46

شکل 26-کارایی.. 47

شکل 27- کیفیت کلاس بندی.. 48

شکل 28- هیستوگرام خطا 49

شکل29-وضعیت آموزش…. 49

شکل 30-تابع شایستگی.. 50

شکل 31- تعدا انتخاب مولفه ها 51

شکل 32- زمان اجرای الگوریتم.. 52

شکل 33-هزینه اجرایی.. 52

شکل 34- زمان پاسخگویی.. 53

شکل 35-بهره وری سیستم.. 53

شکل 36-زمان اجرای کارها 54

 

 

 

فهرست جداول:

جدول 2- مخفف ها ]3[ 22

جدول 1-1 نمونه ای خدمات برحسب تقاضای ارائه شده از طریق محاسبات ابری.. 29

جدول 3- مقایسه راهکارها 60

 

 

 

 

چکیده

با رشد روز افزون شبکه محاسبات ابری  نیاز به زمان بندی کارها بمنظور استفاده ی بهینه از شبکه و پاسخگویی مناسب به کارها بشدت مورد توجه قرار گرفته است و در این زمینه تلاش های زیادی در حال انجام می باشد و به دلیل اینکه محیط محاسبات ابری محیطی بسیار بزرگ و دارای تعداد زیادی کارهای ورودی  به شبکه می باشد الگوریتم های قطعی نتیجه مناسبی ندارند و بهترین گزینه برای این مدل از شبکه، الگوریتم های اکتشافی می باشند. در این مطالعه سه شبکه عصبی مصنوعی اندازه گیرنده معیارهای عملکرد و همچنین سه فاکتور مهم که بر روی معیارهای انتخابی تاثیرگذار می باشند، مورد مطالعه قرار گرفته اند. روش طراحی ترکیب مرکزی(CCD) برای طراحی آزمایش و آنالیز رفتار شبکه بر اساس پارامترهای تعریف شده با استفاده از تابع شرایط مطلوب، مورد استفاده قرار گرفت. سپس الگوریتم ژنتیک برای دستیابی به وضعیت پارامتر بهینه پیشنهاد شده است. به همین منظور، روش پیشنهادی توسط یک مثال عددی یک تابع ریاضی مشهور به کار گرفته شد. نتایج نشان داد که شبکه عصبی مصنوعی طراحی شده بر طبق روش پیشنهادی، عملکرد بهتری از دیگر شبکه ها دارای پارامترهای انتخابی تصادفی و همچنین پارامترهای که توسط روش تاگوچی تعیین شدند، وجود دارد. درکل، نتایج پیشنهادی می توانند برای تنظیم پارامترهای شبکه عصبی در حل مشکلات دیگر مورد استفاده قرار گیرند.  

کلمات کلیدی: زمان بندی منابع، شبکه محاسبات ابری، شبکه عصبی

 

1-1 مقدمه

در سال 1961 مصادف با  صدمین سال تاسیس MIT آقای جان مک کارتی در سخنرانی خود گفت که کامپیوتر می تواند ابزاری اساسی برای صنعتی مهم و جدید باشد. این سخن بر مفهوم پایه ای ابرتاکید می کند. اولین معرفی از ابر توسط اریک اشمیت در کنفرانس استراتژی های موتورهای جستجو در سال 2006مطرح شد.

تعریف موسسه جهانی استاندارد و تکنولوژی  از محاسبات ابری به شرح زیر است:

شبکه محاسبات ابری مدلی است برای دسترسی به شبکه بر اساس تقاضا برای به اشتراک گذاری مجموعه ای از منابع پیکره بندی شده نظیر شبکه و سرور و محل ذخیره سازی و برنامه ها و سرویس ها که با میزان سرعت قابل کنترل و با حداقل مدیریت و تعامل با ارائه دهنده سرویس منتشر می شود. همانطور که در شکل 1 می بینید 51% از کاربران  بدلیل کارایی بالای شبکه محاسبات ابری از آن استفاده می کنند و 41%به دلیل در دسترس بودن داده ها بدون وابستگی به مکان و محدودیت ناحیه ای می باشد.

 

 

مزیت های استفاده از شبکه محاسباتی عبارتند از: 1-هزینه پایین 2- سطح خدمات مناسب 3- شفافیت در دسترسی 4-پشتیبانی از کاربران راه دور[4] 5- بر آورده شدن نیاز های کسب و کار 6- صرفه جویی در انرژی.

مطابق با تعریف NIST  ویژگی های محاسبات ابری که باعث برتری این تکنولوژی بر تکنولوژی های مشابه می شود عبارتند از: 1-سلف سرویس بودن بر اساس تقاضا 2-دسترسی وسیع به اینترنت  3- مجموعه منابع 4-انعطاف پذیری سریع 5- قابل اندازه گیری بودن خدمات(آبدلعادیم الفتح، 2013).

 

1-2 بیان مسئله

یکی از مهم ترین چالش های شبکه محاسبات ابری بحث انتخاب منابع و زمان بندی کارها می باشد. حجم وسیع بار بر روی این شبکه و استقبال زیاد کاربران باعث شده است که کاربران زمان زیادی در انتظار بمانند تا بار شبکه کم شود و منابع مورد نیاز خود را در اختیار بگیرند، حال این پژوهش قصد دارد با استفاده از الگوریتم های اکتشافی، روشی نوین در این زمینه ارائه دهد که زمانی که کارها به شبکه وارد می شوند منابع را به شیوه ای بهینه و مناسب به آنها اختصاص داده شود تا شبکه، هم از نظر سرعت اجرای زمانبندی و هم از نظر دقت در انتخاب کارها به خوبی کار خود را انجام دهد. سیر تکاملی محاسبات به گونه ای است که می توان آن را پس از آب, برق, گاز و تلفن به عنوان عنصر اساسی پنجم فرض نمود. در چنین حالتی,کاربران سعی می کنند براساس نیازهایشان و بدون توجه به اینکه یک سرویس در کجا قرار دارد و یا چگونه تحویل داده می شود, به آن دسترسی یابند. نمونه های متنوعی از سیستم های محاسباتی ارائه شده است که سعی دارند چنین خدماتی را به کاربران ارائه دهند. برخی از این سیستم های محاسباتی عبارتند از: محاسبات خوشه ای[1], محاسبات شبکه ای[2] و اخیرا محاسبات انبوه[3] که از آن به عنوان محاسبات ابر یاد می شود. محبوبیت این سه رویکرد محاسباتی, از دید موتور جستجوی گوگل مورد ارزیابی قرار گرفته است که نتیجه آن در شکل 1-1 نمایش داده شده است و حاکی از آن است که محبوبیت محاسبات ابری, پس از ظهور مفاهیم اولیه آن در سال 2007, با فاصله زیادی نسبت به سایر رویکردهای محاسباتی در حال افزایش است (سوتومایور، 2009).

برای شناخت بهتر محاسبات ابری از دید زیرساخت, ابتدا نگاهی به سیر تکاملی سیستم های محاسباتی از ابتدا تاکنون انداخته، تا بتوان جایگاه آن را در بین دیگر سیستم ها تشخیص داد. اگر کامپیوتر های اصلی[4] بعنوان نسل اول سیستم های محاسباتی در نظر گرفته شوند, با یک سیستم بسیار بزرگ مواجه خواهند شد که کاربران از طریق یک پایانه[5] واحد به آن دسترسی پیدا می کردند. به مرور این سیستم ها کوچکتر شدند و با توان پردازشی بیشتر بصورت رایانه های شخصی در اختیار همه کاربران قرار گرفتند. سپس این امکان فراهم شد که با اتصال مجموعه ای از این سیستم های کوچک, شبکه ای با توان پردازشی بیشتر فراهم نمود تا پاسخگوی نیازهای پردازشی بیشتر و سنگین تر باشند. اما نیازهای پردازشی به شکل فزاینده ای درحال افزایش بودند و نیاز به سیستم های محاسباتی بزرگتر و قوی تر احساس شد. بنابراین تعداد زیادی از این شبکه ها بصورت اختصاصی در سرتاسر اینترنت به هم متصل شدند و شبکه محاسباتی گرید را بوجود آوردند. در این بین مشاهده شد که میلیون ها کاربر در اینترنت وجود دارند که در اکثر اوقات از تمام توان  رایانه خود استفاده نمی کنند و سیستم محاسباتی دیگری شکل گرفت تا کاربرانی که تمایل داشته باشند, زمان های بیکار سیستم خود را برای کارهای محاسباتی عام المنفعه هدیه کنند. بنابراین تعداد بسیار زیادی منبع محاسباتی کوچک در شبکه ای تحت عنوان محاسبات داوطلبانه به هم پیوستند و توان پردازشی عظیمی بوجود آوردند.

اما هنوز منابع بسیار زیاد دیگری در سازمان ها و مراکز داده اینترنتی وجود داشت که تمام ظرفیت آنها بطور کامل بکار گرفته نشده بود. این منابع نمی توانستند در شبکه محاسباتی گرید بصورت اختصاصی بکار گرفته شوند, زیرا برای آن ها وظیفه دیگری تعریف شده بود. در عین حال امکان استفاده از آن ها در شبکه داوطلبانه هم وجود نداشت, چون فلسفه وجودی آن ها, کاربردهای تجاری بود. به این ترتیب رویکرد جدیدی شکل گرفت که بتوان با استفاده از فناوری های مجازی سازی این منابع را بصورت قابل انعطاف و پویا برای کاربردهای مختلف مورد استفاده قرار داد و از تمام ظرفیت آن ها بطور موثر استفاده کرد. این فناوری محاسبات ابر در لایه زیرساخت نام داشت که امکان استفاد از منابع محاسبات و ذخیره سازی را بصورت یک سرویس بر حسب نوع نیاز فراهم می آورد. در حقیقت با ایجاد یک لایه انتزاعی[6] بر روی کلیه منابع فیزیکی خود(به کمک مجازی سازی) امکان مدیریت پویای منابع فیزیکی حاصل می شود(کار و فریمن،2010).

بنابراین محاسبات ابری از دید زیرساخت, به گونه ای سیستم های توزیع شده و موازی اطلاق می گردد که مجموعه ای از رایانه های مجازی را که به یکدیگر متصل هستند شامل می شود. این رایانه ها بطور پویا عرضه شده و به عنوان یک یا چند منبع محاسباتی یکپارچه براساس توافقات سطح سرویس ارائه می شوند. این توافقات در طول انجام مذاکرات سرویس دهندگان و مصرف کنندگان برقرار می گردند. محاسبات ابری سعی دارد نسل جدیدی از مراکز داده ای را, با ارائه کردن سرویس ها و خدمات در ماشین های مجازی شبکه شده به صورت پویا, به گونه ای ممکن سازد که ارائه دهندگان خدمات کاربردی بتوانند سرویس ها و برنامه های کاربردی را با انعطاف پذیری و سهولت بیشتری ارائه کنند و کاربران نیز بتوانند از هر جایی از دنیا به برنامه های کاربردی دسترسی داشته باشند. در تکنولوژی محاسبات ابر, کاربران می توانند از طریق ابزارهای مختلف (نظیر رایانه های شخصی, رایانه های همراه, تلفن همراه و PDA) به برنامه ها, فضاهای ذخیره سازی, پردازش و حتی سکوهای توسعه برنامه های کاربردی در اینترنت, از طریق سرویس های ارائه شده توسط محاسبات ابر, دسترسی داشته باشند. به این ترتیب منابع به جای قرارگیری در سمت کاربر, در سمت سرورها قرار می گیرد. خدمات فراهم شده از طریق محاسبات ابر از نوع محاسبات همگانی [7]است و به این معناست که خدمات مورد استفاده مشتریان در سرورها عرضه می شود و پرداخت در آن ها همانند سایر خدمات عمومی (برق, آب, تلفن و ..) براساس سطح استفاده افراد انجام می شود (سوتومایور، 2009).

محاسبات ابری در یک جمله, زمان طراحی معماری یک برنامه را تا نصب و استقرار آن کوتاه می کند. محاسبات ابری ترکیبی از مجازی سازی, استقرار برحسب تقاضا, ارائه اینترنتی سرویس ها, و نرم افزارهای کدمتن باز را بکار گرفته است. از یک جهت, محاسبات ابری چیز جدیدی نیست, زیرا رویکردها و مفاهیمی که قبلا وجود داشته است را بکار گرفته است. از جهت دیگر, همه چیز جدید است, زیرا محاسبات ابری شیوه ساخت, توسعه, نصب, مقیاس پذیری, به روز رسانی, نگهداری و پرداخت برای برنامه های کاربری و زیرساختی که روی آن اجرا می شوند را تغییر داده است (شفی، 2010).

آنچه که از محاسبات ابری به عنوان مزایا و معایب یاد می شود, تقریبا در همه مقالات یکسان است. مواردی نظیر کاهش هزینه های اولیه, موانع کمتر برای ورود به بازار و یا استفاده از خدمات, مقیاس پذیری برحسب تقاضا, فراهم کردن خدمات در مقیاس مراکز داده, تضمین بهتر تداوم کسب وکار, امنیت نسبی بیشتر و مدیریت بهتر حجم بالای داده به عنوان مزایای اصلی آن یاد می شود. برخی از معایب آن نیز شامل مشکلات دسترسی راه دور, مشکلات ناشی از  محدودیت پهنای باند, تاخیر, برخی مسائل امنیتی و فنی بخاطر اشتراک منابع یکسان بین مشتریان مختلف, دسترسی فراهم آورندگان خدمات ابری به داده ها و مسائلی از این قبیل را شامل می شود (ساپونزاکیز، 2016).

 

 

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

 

تعداد صفحات :  71

قیمت :  40 هزار تومان

 

بلافاصله پس از پرداخت، لینک دانلود فایل در اختیار شما قرار میگیرد و  همچنین فایل خریداری شده به ایمیل شما نیز ارسال می شود

پشتیبانی سایت :                 parsavahedi.t@gmail.com[add_to_cart id=159373]

—-

پشتیبانی سایت :       

*         parsavahedi.t@gmail.com