باتلاش پژوهشگران دانشگاه علم و فرهنگ محقق شد؛ توسعه الگوریتم هوشمند برای مدیریت کارآمدتر منابع مراکز داده
مقاله مشترک عضو هیئت علمی گروه مهندسی صنایع دانشگاه علم و فرهنگ و دانشجوی دکتری، در مجله معتبر بین‌المللی Cluster Computing از انتشارات Springer Nature منتشر شد.
به گزارش سیناپرس به نقل از روابط عمومی دانشگاه علم و فرهنگ، مقاله علمی مشترک دکتر مرتضی خاکزار بفروئی عضو هیئت علمی گروه مهندسی صنایع با همکاری درسا نوری خواجوی و مرتضی رشیدی زگلوجه، با عنوان «Structured Migration Shuffled Frog Leaping Algorithm: Capacity-Constrained VM-to-PM Load Balancing via Structured PM-Wise VM Migration» در مجله بین‌المللی Cluster Computing از انتشارات Springer Nature منتشر شد.
این پژوهش حاصل بخشی از رساله دکتری درسا نوری خواجوی با راهنمایی دکتر مرتضی خاکزار بفروئی و مشاوره دکتر مرتضی رشیدی زگلوجه است و به ارائه روشی نوین برای متعادل‌سازی بار پردازشی میان سرورهای فیزیکی در مراکز داده رایانش ابری می‌پردازد.
پژوهشگران در این مطالعه، با توسعه الگوریتم بهینه‌سازی «جهش قورباغه‌های درهم‌آمیخته» (SFLA) و طراحی سازوکاری برای مهاجرت ساختاریافته ماشین‌های مجازی میان سرورهای فیزیکی، روشی برای بهبود توزیع بار پردازشی و بهره‌برداری کارآمدتر از منابع محاسباتی، با در نظر گرفتن محدودیت ظرفیت سرورها، ارائه کرده‌اند.
نتایج آزمایش‌ها و ارزیابی‌های مقایسه‌ای بر روی بارهای کاری مختلف، از جمله داده‌های واقعی، نشان می‌دهد الگوریتم پیشنهادی با عنوان SM-SFLA در مقایسه با الگوریتم‌های بهینه‌سازی کلونی زنبور عسل (ABC) و گرگ خاکستری (GWO)، عملکرد بهتری در کاهش عدم تعادل بار، سرعت همگرایی و پایداری نتایج داشته است.
یافته‌های این پژوهش می‌تواند در توسعه سامانه‌های هوشمند مدیریت منابع رایانش ابری، افزایش بهره‌وری زیرساخت‌های پردازشی، کاهش اتلاف منابع و حرکت به سوی طراحی مراکز داده سبز و پایدار کاربرد داشته باشد.
انتشار این مقاله، نمونه‌ای از همکاری علمی میان عضو هیئت علمی و دانشجوی دکتری دانشگاه علم و فرهنگ در مسیر توسعه پژوهش‌های تخصصی و انتشار دستاوردهای علمی در مجلات معتبر بین‌المللی است.
این مقاله در مجله Cluster Computing از مجلات با نمایه‌های معتبر Web of Science (SCIE) و Scopus است که دارای رتبه علمی Q1 و ضریب تأثیر (Impact Factor) برابر با ۵.۵ است.
