A modified ant colony optimization placement technique for containers in cloud computing world / Asmaa Mahmoud Mohamed Hafez ; Magda Bahaa Eldin Fayek , Salwa Mohamed Nassar

By:

Asmaa Mahmoud Mohamed Hafez

Contributor(s):

Salwa Mohamed Nassar

Material type: Text

TextPublication details: 2022.Content type:

text

Media type:

Unmediated

Carrier type:

volume

Other title:

استخدام تقنية معدلة من خوارزمية مستعمرة النمل لوضع أفضل للحاويات في عالم الحوسبة السحابية

Subject(s):

DDC classification:

Dissertation note: Thesis (M.Sc.)-Cairo University- Faculty of Engineering - Department of Computer Engineering Summary: الحاوية عبارة عن ابتكار افتراضي متطور خفيف الوزن. يمد وضع الحاويات على النظام الساسي المناسب أمرا ضروريا في الاستفادة المثلى من الموارد في البنى التحتية السحابية. تم استخدام تقنية تحسين مستمرة النمل لجدولة المهام والحاويات على الأجهزة الافتراضية والًهزة الفملية في السحابة .تقترح هذه الرسالة تقنية تمديل مستممرة النمل )MACO( لوضع الحاويات . يأخذ الاقتراح الجديد في الاعتبار تاريخ الجدولة لتميز قرار الجدولة من خلل تتبع الحمل على كل ًهاز افتراضى من قبل اختياره للحتفاظ بالحاوية لتحسين قرار الجدولة. تظهر النتائج التجريبية أن MACO أفضل من FCFS و ACO الساسي من حيث وقت الاستجابة والنتاًية. نطبق أيضا MACO باستخدام اثنين من أعباء الممل الحقيقية المختلفة )عبء الممل الحقيقي على بابا ، وعبء الممل الحقيقي (planetlab، نلحظ أنه في حالة استخدام عبء الممل الحقيقي لـ planetlab ، يتم تحسين وقت استجابة MACO بنسبة 90٪ و 80٪ لنهج FCFS و ACO التقليدي ، على التوالي. في حالة استخدام على بابا كحمل عمل حقيقي ، فإن النسبة المئوية للتحسين في وقت الاستجابة باستخدام خوارزمية MACO هي 75٪ و 25٪ لنهج FCFS و ACO التقليدي ، على التوالي

Tags from this library: No tags from this library for this title. Log in to add tags.

Average rating: 0.0 (0 votes)

Holdings
Item type	Current library	Home library	Call number	Status	Date due	Barcode
Thesis	قاعة الرسائل الجامعية - الدور الاول	المكتبة المركزبة الجديدة - جامعة القاهرة	Cai01.13.06.M.Sc.2022.As.M (Browse shelf(Opens below))	Not for loan		01010110086576000

Browsing المكتبة المركزبة الجديدة - جامعة القاهرة shelves Close shelf browser (Hides shelf browser)

Previous	No cover image available	No cover image available	No cover image available	No cover image available	No cover image available	No cover image available	No cover image available	Next
Previous	Cai01.13.06.M.Sc.2021.Ma.N A novel hybrid model for automatic image captioning /	Cai01.13.06.M.Sc.2022.Af.P People counting performance improvement using map-reduce architecture approach /	Cai01.13.06.M.Sc.2022.Am.O. An Optimized mec empowered iot system in urban and rural settings/	Cai01.13.06.M.Sc.2022.As.M A modified ant colony optimization placement technique for containers in cloud computing world /	Cai01.13.06.M.Sc.2022.Ma.D A Deep reinforcement learning approachfor active vibration control in rotating machinery /	Cai01.13.06.M.Sc.2022.Ra.l Lmot : Efficient light-weight detection and tracking in crowds /	Cai01.13.06.M.Sc.2023.Ab.S SAIDS: A Novel Approach for Sentiment Analysis Informed of Dialect and Sarcasm Using Active Learning /	Next

Thesis (M.Sc.)-Cairo University- Faculty of Engineering - Department of Computer Engineering

Bibliography: p. 93-99.

الحاوية عبارة عن ابتكار افتراضي متطور خفيف الوزن. يمد وضع الحاويات على النظام الساسي المناسب أمرا ضروريا في الاستفادة المثلى من الموارد في البنى التحتية السحابية. تم استخدام تقنية تحسين مستمرة النمل لجدولة المهام والحاويات على الأجهزة الافتراضية والًهزة الفملية في السحابة .تقترح هذه الرسالة تقنية تمديل مستممرة النمل )MACO( لوضع الحاويات . يأخذ الاقتراح الجديد في الاعتبار تاريخ الجدولة لتميز قرار الجدولة من خلل تتبع الحمل على كل ًهاز افتراضى من قبل اختياره للحتفاظ بالحاوية لتحسين قرار الجدولة. تظهر النتائج التجريبية أن MACO أفضل من FCFS و ACO الساسي من حيث وقت الاستجابة والنتاًية. نطبق أيضا MACO باستخدام اثنين من أعباء الممل الحقيقية المختلفة )عبء الممل الحقيقي على بابا ، وعبء الممل الحقيقي (planetlab، نلحظ أنه في حالة استخدام عبء الممل الحقيقي لـ planetlab ، يتم تحسين وقت استجابة MACO بنسبة 90٪ و 80٪ لنهج FCFS و ACO التقليدي ، على التوالي. في حالة استخدام على بابا كحمل عمل حقيقي ، فإن النسبة المئوية للتحسين في وقت الاستجابة باستخدام خوارزمية MACO هي 75٪ و 25٪ لنهج FCFS و ACO التقليدي ، على التوالي

There are no comments on this title.

to post a comment.