ارائه رویکرد جدیدی برای کاهش مصرف انرژی در شبکه های محاسبات ابری با استفاده از بهینه سازی مهاجرت ماشین های مجازی و الگوریتم های تکاملی

امروزه محاسبات در تمامی علوم کاربرد فراوانی داشته و با پیشرفت علوم و فناوری های نوین، حجم محاسبات مورد نیاز در علوم مختلف به سرعت در حال گسترش است. رایانش ابری را می توان روش جدید محاسباتی دانست که در آن منابع قابل گسترش و اغلب مجازی شده به صورت یک سرویس محاسباتی و از طریق شبکه های ارتباطی چون شبکه ها ی محلی و اینترنت عرضه می شود. مصرف انرژی یکی از مهمترین چالش های پیشروی سیستم های محاسبات ابری است، یکی از مهمترین تکنیک های کاهش مصرف انرژی در رایانش ابری، خاموش کردن ماشین های کمب ار و انتقال ماشین های مجازی در حال اجرا بر روی آنها به ماشین های پربار می باشد. منظور از ماشین های کم بار ماشین هایی هستند که بهره وری آنها پایین می باشد . با شناسایی این ماشین های و تخصیص مجدد ماشین های مجازی درحال اجرا بر روی ماشین های کم بار به ماشین های فیزیکی مناسب و خاموش کردن ماشین های کم بار می توان در مصرف انرژی صرفه جویی نمود. در این پژوهش با استفاده از الگوریتم تکاملی جهش قورباغه سعی در بهینه سازی مصرف انرژی داریم، پس از شناسایی ماشین های فیزیکی کم بار باید ماشین فیزیکی مناسب برای انتقال ماشین های مجازی برروی آن و از سرگیری اجرای برنامه ها انتخاب شوند.