چکیده در سال های اخیر مزایای رایانش ابری توجه بسیاری را به خود معطوف کرده و سرعت گرفتن توسعه آن، میزان استفاده از منابع انرژی را در حوزه فناوری اطلاعات به شدت افزایش داده است. مراکز داده ابری با بهره گیری از فناوری مجازی سازی، امکان مدیریت ماشین های مجازی را با هدف کنترل مصرف انرژی و کاهش انتشار گازهای گلخانه ی فراهم می آورند. در این تحقیق ما با ایجاد بهبودهایی در تمام مراحل مدیریت ماشین های مجازی سعی در ایجاد تعادلی بین کمینه سازی مصرف انرژی و بیشینه سازی کیفیت سرویس ارائه شده داریم. استفاده از هر دو روش تحلیل آماری و تعیین پویای آستانه ها، با هدف جلوگیری از مهاجرت های غیر ضروری، ما را برای رسیدن به این تعادل کمک خواهد کرد. اکثر کارهای انجام شده در زمینه مدیریت ماشین های مجازی، انرژی سربار حاصل از مهاجرت زنده ماشین های مجازی را در نظر نمی گیرند، و فقط افت کارایی حاصل از مهاجرت را لحاظ می کنند. اما روش ما هر دو مسئله سربار انرژی و افت کارایی را در تمام مراحل مدیریت ماشین های مجازی در نظر می گیرد. تخصیص منابع به ماشین های مجازی، از مسائل مهم موجود در مدیریت ماشین های مجازی می باشد، که با اضافه کردن چندین پارامتر بهره وری انرژی، به روش پیشنهادی، استقرار ماشین های مجازی بر روی بهترین میزبان ها، از لحاظ بهره وری انرژی صورت خواهد گرفت. شبیه سازی بر روی میزبان هایی با ویژگی های متفاوت و با استفاده از بارکاری حاصل از دنیای واقعی، بیانگر قابلیت روش ما در کاهش مصرف انرژی و کاهش خطای قرارداد سطح سرویس در مقایسه با دیگر روش های مدیریت ماشین های مجازی می باشد.

در رایانش ابری کاربران متعدد می توانند تعدادی از خدمات ابری را به طور همزمان درخواست کنند، بنابراین، به رویکردی چندهدفه نیاز داریم که تمامی منابع در دسترس به درخواست کاربر را در شیوه ای کارآمد ارائه دهد. ازاین رو، باید به دنبال تخصیص الگوریتم هایی برای مدیریت انرژی کارآمد باشیم. با توجه به اهمیت این موضوع، ایده اصلی ما، یک روش موثر مدیریت منابع انرژی در مراکز داده ابری با استفاده از رویکرد پرندگانpso است که مصرف انرژی و هزینه های عملیاتی را کاهش می دهد. درpso هر راه حل که به آن یک ذره گفته می شود، معادل یک پرنده در الگوی حرکت جمعی پرندگان است. اساس کار pso بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی اش وجود دارد، تنظیم می کند. به کارگیری رویکرد پرندگان، به دلیل سرعت همگرایی بالا در رسیدن به هدف است

شبکه های حسگر بیسیم از تعداد زیادی گره های حسگر که در محیط پراکنده شده اند و هرکدام به طور خودمختار و با همکاری سایر گره ها هدف خاصی را دنبال می کنند تشکیل شده است. گره ها به هم نزدیک هستند و هر گره ایی با گره دیگری می تواند ارتباط برقرار کند و اطلاعات خود را در اختیار آن گره قرار دهد و در نهایت وضعیت محیط تحت نظر، به یک گره مرکزی گزارش می شود. تکنیک ها و شیوه های مورد استفاده در چنین شبکه هایی وابستگی شدیدی به ماهیت کاربرد شبکه دارد و ساختار توپولوژی شبکه، شرایط جوی و محیطی، محدودیت ها و.... عوامل موثری در پارامترهای کارایی و هزینه شبکه می باشند. یکی از مشکلات موجود در شبکه های حسگر بی سیم، احراز هویت گره های موجود در شبکه و همچنین تصدیق درستی پیام های ارسال شده توسط آن ها می باشد. این مشکل وقتی حادتر می شود که بدانیم گره ها از نظر توان پردازشی و طول عمر باتری دارای محدودیت می باشند و نمی توانیم پروتکل های امنیتی موجود در شبکه های معمول که با سیم به یکدیگر وصل می شوند و محدودیتی از نظر منبع تغذیه ندارند را عینا برای شبکه های حسگر بی سیم به کار ببریم. در این پایان نامه سعی شده است با ارائه ی یک راهکار جدید برای احراز هویت گره های حسگر، از تمرکز عملیات محاسباتی بر روی یک گره جلوگیری شود. همچنین با تقسیم سربار عملیات محاسباتی بین گره ها، سرعت انتقال داده ها و در نهایت کارایی در شبکه های حسگر بی سیم افزایش داده شده است. این راهکار مبتنی بر معرفی یک گره به عنوان گره ثانویه در هر خوشه می باشد که باعث کاهش فشار پردازش و مصرف انرژی بر روی گره سرخوشه می شود. راهکار پیشنهادی با شبیه سازی ارزیابی و با روشهای دیگر مانند µtesla و آخرین mac مقایسه شده است. نتایج نشان می دهد که این روش تاثیر چشمگیری درکاهش سربار محاسباتی گره سرخوشه داشته است. همچنین نشان داده شد که انتقال اطلاعات از گره های حسگر به ایستگاه مبنا در روش پیشنهادی سریع تر از روش های مشابه می باشد.

یکپارچه سازی ماشین های مجازی می تواند بهره وری انرژی و منابع را در مراکز داده به میزان قابل توجهی افزایش دهد اما یکپارچه سازی باعث بروز مشاجره بین ماشین ها برای در اختیار گرفتن منابع مشترک سیستم مانند ساختار حافظه و گذرگاه سیستم و بروز تداخل در عملکرد کاربردها می گردد که نتیج هآن کاهش کارایی ماشین های مجازیست. در این پژوهش شیوه ای برای یکپارچه سازی ارائه می گردد که ماشین های مجازی هدف را به گونه ای انتخاب می کند که کمترین مشاجره را با یکدیگر بر سر منابع داشته باشند. مسئله انتخاب مناسب ترین ترکیب ماشین های مجازی برای یکپارچه سازی در کنار هم، مسئله ای از نوع np کامل است. در این پژوهش سیستمی به نام ppcs ارائه شده است که ابتدا ماشین های مجازی را در بخش ویژه ای نگهداری کرده و آنها را براساس میزان کارایی و مصرف منابع نمایه سازی می کند. سپس با ارائه دو راهکار یکی برای شرایطی که کاهش مصرف منابع همراه با حفظ کارایی اولویت است و دیگری برای شرایطی که بیشترین بهره وری با حفظ میزان موجود از منابع اهمیت دارد، مشکل یافتن مناسب ترین ماشین های مجازی برای یکپارچه سازی در کنار هم را حل می کند. استفاده از این سیستم به طور قابل ملاحظه ای میزان هدر رفت منابع سرور را کاهش می دهد. علاوه بر ارزیابی عملی، اثبات تئوریک نیز ارائه گردیده است تا ثابت شود کارایی روش ارائه شده بسیار نزدیک به حالت بهینه است.