پروپوزال تخصیص پویای منابع در رایانش ابری سیار با استفاده از پیش بینی میزان بار کاری

این پروپوزال با موضوع "تخصیص پویای منابع در رایانش ابری سیار با استفاده از پیش بینی میزان بار کاری" می باشد. فایل  Word, Pdf پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پروپوزال 11 صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.

امکانات اصلی این پروپوزال پس از خرید عبارتند از:
  امکان دانلود فایل Word پروپوزال
  امکان دانلود فایل Pdf پروپوزال

توجه : در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید کافی است با تیم پشتیبانی "ناب تزیز" از طریق پیامک یا واتساپ ارتباط برقرار نمایید.

ابر رایانشی همراه، محیطی پویا و مبتنی بر شبکه است که بر روی وسایل ارتباطی متحرک مانند مشتریان سبک  عمل کرده و در آن برنامه‌های کاربردی بر روی سرورهای از راه دور ابر اجرا می‌شوند. در واقع ابر رایانشی موبایلی، تلفیقی از شبکه موبایلی (متحرک/همراه) و ابر رایانشی است . بدین ترتیب، برنامه‌های سنگین کاربران که قابلیت اجرا به صورت مستقل بر روی وسایل همراه مانند گوشی‌های تلفن همراه را دارا نمی‌باشند، می‌توانند به صورت از راه دور بر روی ابر رایانشی اجرا شوند و کاربر از نتایج آن ها استفاده کند. در ابر رایانشی همراه، منابع درخواستی کاربران با توجه به نیاز برنامه‌های کاربردی خصوصی کاربران تعیین می‌شوند. از این رو، تدارک بهینه‌ی منابع  در ابر همراه امر مهمی است که باید به آن توجه شود تا بتوان ابر همراه را به یک محیط کاملاً بهینه تبدیل نمود .
اگرچه ابر به عنوان منبع بی‌نهایت منابع شناخته می‌شود ، اما در واقع مدیر ابر به میزان محدودی منابع دسترسی دارد و روشن و خاموش کردن سرورهای فیزیکی مورد نیاز برای پاسخ گویی به مشتری امری زمان بر بوده و نمی توان به صورت بلادرنگ به آن دست یافت. بدین ترتیب، مدیریت صحیح منابع باید در راستای کار مدیر ابر قرار گیرد. چنانچه بیش از حد مورد نیاز زیرساخت فراهم شود، هزینه‌ی اجاره‌ی منابع و یا هزینه‌ی توان/انرژی مصرفی بسیار زیاد خواهد بود و فراهم‌کننده‌ی ابر ضرر می‌کند. از سوی دیگر، چنانچه منابع کمتر از حد مورد نیاز فراهم شود، مشتری به دلیل عدم پاسخ‌گویی مناسب توسط فراهم‌کننده‌ی ابر، از فراهم‌کننده رانده شده و به سمت فراهم‌کننده‌ی دیگری می رود. در این تحقیق می خواهیم مکانیسمی برای برطرف کردن این مشکل ارائه کنیم که در زیر آمده است.
از آنجایی که منابع موجود در ابر(متغیر میزان بار کاری، متغیری وابسته است) محدود می باشد و همچنین مشتریان که بسته به نوع سرویسی که نیاز دارند، از ابر درخواست هایی دارند(تعداد درخواست متغیر مستقل می باشد) که شامل یک بردار سه تایی شامل پردازنده، فضای ذخیره سازی و حافظه RAM برای دریافت منبع در ابر است، نیازمند یک توزیع عادلانه، هوشمند و بلادرنگی در تخصیص منابع هستیم. چنانچه بتوانیم بدین منظور، در دوره‌های مجزا منابع مورد نیاز کاربران را توسط روشی مبتنی بر یادگیری ماشین (استفاده از شبکه عصبی) پیش‌بینی کرده و میزان مناسبی از منابع را از پیش آماده کنیم، به این مهم دست می یابیم.
در این تحقیق قصد داریم با پیش‌بینی رفتار آتی کاربران و میزان مصرف منابع توسط آن ها اقدام به بهینه‌سازی در تخصیص منابع کنیم که با استفاده از شبکه های عصبی که مهم ترین، محبوب ترین و در دسترس ترین ابزار پیش بینی است و یک روند مشخص دارد که پیش بینی توسط آن انجام می شود، از نمونه های تاریخی استفاده کنیم تا مدلی برای متغیرهای مورد نظر ما بسازد، سپس با استفاده از این داده ها به پیش بینی متغیر مورد نظر(در اینجا منابع) توسط مدل ساخته شده بوسیله شبکه عصبی می پردازیم.
اهداف کلی (اصلی):  
در این تحقیق می خواهیم برای بازار لحظه ای در ابر موبایلی سیستمی برای تخصیص منابع در ابر رایانشی موبایلی ارائه دهیم که بتوان توسط آن انرژی مصرفی را کمینه ساخت بطوریکه میزان رد درخواست نیز کمینه شود. بدین ترتیب، این دو امر می تواند در بازار لحظه ای اصلی ترین اهداف در جهت سودآوری فرآیند تخصیص منابع محسوب شوند. با در نظر گرفتن این که رد درخواست در بازار لحظه ای بیشتر به دلیل آماده نبودن به موقع منابع (که به صورت بلادرنگ به درخواست ها تخصیص می یابند) رخ می دهد، تنها راه کاهش رد درخواست این است که چابکی را در کشش پذیری فراهم کنیم به این معنی که سیستم بتواند با تغییر میزان درخواست ها قابلیت پذیرش درخواست های حدید را نیز تغییر داده و متناسب با آن منابع را آماده سازی کند.