VIP ▽معرفی مقاله های ترجمه شده ▲

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: شناخت واحد عملکردی چهره: کیفیت سه بعدی در برابر دو بعدی
عنوان انگلیسی: Facial Action Unit Detection: 3D versus 2D Modality
تعداد صفحات مقاله انگلیسی : 8 تعداد صفحات ترجمه فارسی : ۱۶
سال انتشار : 2010 نشریه: آی تریپل ای – IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7531 رفرنس : دارد
محتوای فایل : zip حجم فایل : 3.31Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و مهندسی برق
گرایش های مرتبط با این مقاله: هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
مجله: کنفرانس انجمن کامپیوتر در زمینه کارگاه های رایانه ای و شناخت رایانه
دانشگاه: مهندسی برق و الکترونیک، دانشگاه Bogazici، استانبول، ترکیه
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است

 

[☾♔TALAYEH_A♔☽]

ترجمه فارسی مقاله مدیریت منابع توزیع شده در شبکه حسگر بی سیم با یادگیری تقویتی
مقاله ترجمه شده مدیریت منابع توزیع شده در شبکه حسگر بی سیم با یادگیری تقویتی مربوط به رشته مهندسی برق و مهندسی کامپیوتر و درباره مهندسی کنترل، مخابرات میدان و موج، برق مخابرات و هوش مصنوعی می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.



بخشی از ترجمه فارسی مقاله : مدیریت منابع توزیع شده در شبکه حسگر بی سیم با یادگیری تقویتی
در شبکه های حسگر بی سیم کاربردهای WSN مقیاس پذیر و دینامیکی است. در این مقاله، چارچوب مدیریت منابع مبتنی بر طرح یادگیری تقویتی دو لایه را ارائه می کنیم تا کاربردهای تطبیقی و خود یادگیری خودکار با پشتیبانی ذاتی برای مدیریت منابع کارآمد را فعالسازی کنیم. هدف از طراحی ما ایجاد سیستمی با یک رویکرد پایین به بالا است که در آن هر گره حسگر مسئول تخصیص منابع خود و انتخاب وظیفه است. لایه یادگیری نخست (میکرو آموزش) به گره های حسگر منحصر بفرد اجازه می دهد تا وظائف خودشان را با استفاده از اطلاعات محلی خود برنامه ریزی کنند، و در نتیجه تطبیق به موقع را عملی سازند.
دومین لایه یادگیری (ماکرو آموزش) با تنظیم پارامترهای عملیاتی خودش میکرو یادگیری ها را کنترل می کند چنان که سیستم به سمت یک هدف بهینه سازی با کاربرد خاص جهانی (بعنوان مثال بیشینه کردن طول عمر شبکه) هدایت می شود. اثربخشی چارچوب ما با استفاده از یک کاربرد ردیابی هدف ساخته شده در بالای آن نشان داده شده است. در نهایت، عملکرد طرح ما توسط شبیه سازی با سایر روش های موجود مقایسه می شود. نشان می دهیم که طرح یادگیری تقویت دولایه ما در مقایسه با رویکردهای سنتی با مدیریت منبع بطور قابل توجهی کارآمدتر است در حالی که الزامات کاربرد برآورده می شود.

.

بخشی از مقاله انگلیسی :

Distributed resource management in wireless sensor networks using reinforcement learning
In wireless sensor networks (WSNs), resourceconstrained nodes are expected to operate in highly dynamic and often unattended environments. Hence, support for intelligent, autonomous, adaptive and distributed resource management is an essential ingredient of a middleware solution for developing scalable and dynamic WSN applications. In this article, we present a resource management framework based on a two-tier reinforcement learning scheme to enable autonomous self-learning and adaptive applications with inherent support for efficient resource management. Our design goal is to build a system with a bottom-up approach where each sensor node is responsible for its resource allocation and task selection. The first learning tier (micro-learning) allows individual sensor nodes to self-schedule their tasks by using only local information, thus enabling a timely adaptation.
The second learning tier (macro-learning) governs the micro-learners by tuning their operating parameters so as to guide the system towards a global application-specific optimization goal (e.g., maximizing the network lifetime). The effectiveness of our framework is exemplified by means of a target tracking application built on top of it. Finally, the performance of our scheme is compared against other existing approaches by simulation. We show that our twotier reinforcement learning scheme is significantly more efficient than traditional approaches to resource management while fulfilling the application requirements.

 

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: مدیریت منابع توزیع شده در شبکه های حسگر بی سیم با استفاده از یادگیری تقویتی
عنوان انگلیسی: Distributed resource management in wireless sensor networks using reinforcement learning
تعداد صفحات مقاله انگلیسی : 20 تعداد صفحات ترجمه فارسی : ۴۶
سال انتشار : 2012 نشریه: اسپرینگر – Springer
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : ۶ رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.95Mb
رشته های مرتبط با این مقاله: مهندسی برق و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: مهندسی کنترل، برق مخابرات، مخابرات میدان و موج و هوش مصنوعی
مجله: شبکه های بی سیم – Wireless Networks
دانشگاه: دانشگاه آلتو، اسپو، فنلاند
کلمات کلیدی: شبکه های حسگر بی سیم، مدیریت منابع، زمانبندی وظائف، یادگیری تقویتی، ردیابی هدف
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است

 

[☾♔TALAYEH_A♔☽]

ترجمه فارسی مقاله مدیریت شبکه با سیستم مدیریت سیستم
مقاله ترجمه شده مدیریت شبکه با سیستم مدیریت سیستم مربوط به رشته مهندسی فناوری اطلاعات و کامپیوتر و درباره شبکه های کامپیوتری و امنیت اطلاعات می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.



بخشی از ترجمه فارسی مقاله : مدیریت شبکه با سیستم مدیریت سیستم
این مقاله یک روش استفاده از سازمان بین المللی برای استانداردسازی (ISO) مدل مدیریت شبکه با خصوصیات متمایز Boardman-Sauser سیستم از سیستمها (SoS)، ارئه می گردد. مدل ISO پنج بخش مفهومی برای مدیریت شبکه تعریف می کند: کارایی، پیکربندی، حسابداری، خطا و امنیت. این مدل شامل دو مفهوم استاندارد و اولیه برای درک توابع اصلی مدیریت شبکه است.
خصوصیات Boardman-Sauser شامل استقلال(خود مختاری)، تعلقات(وابسته ها)، اتصال، تنوع، و ظهور برای تشخیص یک SOS استفاده می شوند. این ویژگیها “بلوک های ساختمانی” اساسی مدیریت SoS را نشان میدهند.

در این مقاله پنج بخش کاربردی مدیریت شبکه برای هر یک از پنج “بلوک ساختمان” مدیریت SOS بمنظور ایجاد یک ماتریس مدیریت عملیاتی (SoSOMM)تجزیه و تحلیل شده اند. ماتریس به عنوان یک پایه و اساس برای استخراج بهترین شیوه های مدیریت شبکه، در حوزه ای از مدیریت SOS بکار خواهد رفت. روش ارائه داده شده تاثیر کلی از شیوه های مدیریت SOS را افزایش خواهد داد.

.

بخشی از مقاله انگلیسی :

System of Systems Management: A Network Management Approach
This paper presents a method of applying the International Organization for Standardization (ISO) Network Management Model to the Boardman-Sauser Distinguishing Characteristics of System of Systems (SoS). The ISO model defines five conceptual areas for managing networks: performance, configuration, accounting, fault, and security. This model is both a standard and primary means for understanding the major functions of network management.
The Boardman-Sauser characteristics of autonomy, belonging, connectivity, diversity, and emergence are used to recognize a SoS. These characteristics represent the fundamental “building blocks ” of SoS management.

In this paper the five functional areas of network management are analyzed and mapped to each of the five “building blocks” of SoS management to create a SoS Operational Management Matrix (SoSOMM). The matrix will serve as a foundation for extracting network management ‘best practices’ into the realm of SoS management. The proposed method will increase the overall effectiveness of SoS management practices.

 

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: سیستم مدیریت سیستم: رویکرد مدیریت شبکه
عنوان انگلیسی: System of Systems Management: A Network Management Approach
تعداد صفحات مقاله انگلیسی : 5 تعداد صفحات ترجمه فارسی : ۸
سال انتشار : 2007 نشریه: آی تریپل ای – IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7519 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.31Mb
رشته های مرتبط با این مقاله: مهندسی فناوری اطلاعات و کامپیوتر
گرایش های مرتبط با این مقاله: شبکه های کامپیوتری و امنیت اطلاعات
مجله: کنفرانس بین المللی سیستم مهندسی سیستم – International Conference on System of Systems Engineering
دانشگاه: دانشکده مهندسی، موسسه فناوری استیونس، ایالات متحده آمریکا
کلمات کلیدی: سیستم از سیستمها، SOS، مدیریت شبکه، ISO/IEC 7498، مدیریت پایداری، DoD 5000 ،FCAPS
وضعیت ترجمه عناوین تصاویر : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر : ترجمه نشده است

 

[☾♔TALAYEH_A♔☽]

ترجمه فارسی مقاله تحلیل شبکه اجتماعی با مدل های محاسباتی
مقاله ترجمه شده تحلیل شبکه اجتماعی با مدل های محاسباتی مربوط به رشته مهندسی کامپیوتر و فناوری اطلاعات و درباره اینترنت و شبکه های گسترده، شبکه های کامپیوتری و رایانش ابری می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.


بخشی از ترجمه فارسی مقاله : تحلیل شبکه اجتماعی با مدل های محاسباتی
شبکه ها و رسانه های اجتماعی با رشد فزاینده خدمات شبکه اجتماعی آنلاین همانند فیس بوک و تویتر، بیش از پیش حائز اهمیت می گردند، که به طور مستقیم بر سیاست، اقتصاد و زندگی روزمره ما تاثیر می گذارند. هدف بررسی شبکه های عمده اجتماعی جمع آوری و تحیل داده های اجتماعی سطح وب برای نشان دادن الگو رفتارهای فردی و گروهی است. آن یک رشته علمی و ذاتاً میان رشته ای بوده که برگرفته از جامعه شناسی، روان شناسی، آمار و نظریه گراف می باشد. دراین مقاله به طور کوتاه به شرح پیشرفت های اخیر نظرسنجی درباره بررسی شبکه اجتماعی می پردازیم و بر درک تاثیرات متقابل بین کاربران در شبکه های اجتماعی پویا و کلان تاکید می ورزیم. مقاله خود را با دانش پایه ای تحلیل شبکه اجتماعی شروع می کنم که شامل روش شناسی ها و ابزارهای برای تحلیل شبکه اجتماعی سطح خرد، سطح میانی و سطح کلان است.
سپس به توصیف مسیر کلی بررسی شبکه اجتماعی خواهم پرداخت. پس از آن، به توصیف روش های مدل سازی رفتار کابر همانند روش های پیشرفته یادگیری پروفایل های کابر و معرفی پیشرفت های اخیر در اصول پویا مدل سازی رفتارهای کاربر با استفاده از یادگیری مفصل خواهم پرداخت. سپس مدل ها و الگوریتم هایی برای تحلیل کمّی تاثیرات متقابل اجتماعی از جمله تاثیر اجتماعی و هم نوع دوستی مطرح خواهم نمود. سر انجام به معرفی مدل ساختار شبکه همانند شکل گیری گروه اجتماعی و تولید مکان یابی شبکه روی خواهم آورد. شبکه توسعه شده اخیر را معرفی خواهیم نمود که مشتمل بر الگوریتم های برای مدل سازی شبکه های اجتماعی با راهبردهای شامل سازی می باشد. سرانجام، از چند نمونه محسوس برگفته از علی بابا، بزرگترین وب سایت خرید آنلاین در جهان، وی چت، بزرگترین خدمات پیام رسانی اجتماعی در چین برای شرح نحوه تاثیرگذاری شبکه های اجتماعی آنلاین بر جهان آفلاین استفاده خواهم کرد.

.

بخشی از مقاله انگلیسی :

Computational Models for Social Network Analysis
With the exponential growth of online social network services such as Facebook and Twitter, social networks and social medias become more and more important, directly influencing politics, economics, and our daily life. Mining big social networks aims to collect and analyze web-scale social data to reveal patterns of individual and group behaviors. It is an inherently interdisciplinary academic field which emerged from sociology, psychology, statistics, and graph theory. In this article, I briefly survey recent progress on social network mining with an emphasis on understanding the interactions among users in the large dynamic social networks. I will start with some basic knowledge for social network analysis, including methodologies and tools for macro-level, meso-level and microlevel social network analysis.
Then I will give an overall roadmap of social network mining. After that, I will describe methodologies for modeling user behavior including state-of-the-art methods for learning user profiles, and introduce recent progress on modeling dynamics of user behaviors using deep learning. Then I will present models and algorithms for quantitative analysis on social interactions including homophily and social influence.Finally, I will introduce network structure model including social group formation, and network topology generation. We will introduce recent developed network embedding algorithms for modeling social networks with the embedding techniques. Finally, I will use several concrete examples from Alibaba, the largest online shopping website in the world, and WeChat, the largest social messaging service in China, to explain how online social networks influence our offline world.

 

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: مدل های محاسباتی برای تحلیل شبکه اجتماعی: بررسی مختصر
عنوان انگلیسی: Computational Models for Social Network Analysis: A Brief Survey
تعداد صفحات مقاله انگلیسی : 5 تعداد صفحات ترجمه فارسی : ۱۲
سال انتشار : 2017 نشریه: ACM
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 8438 رفرنس : دارد
محتوای فایل : zip حجم فایل : 3.98Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله: اینترنت و شبکه های گسترده، شبکه های کامپیوتری و رایانش ابری
مجله: کمیته کنفرانس بین المللی وب گسترده جهانی – International World Wide Web Conference Committee
دانشگاه: گروه علوم کامپیوتر و فناوری، دانشگاه چینهوا، چین
کلمات کلیدی: شبکه های اجتماعی، داده های کلان، تاثیر اجتماعی، رفتار کاربرد
وضعیت ترجمه عناوین تصاویر : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر : ترجمه شده است

 

[☾♔TALAYEH_A♔☽]

ترجمه فارسی مقاله طراحی و توسعه سیستم گردش کار لجستیک برای مدیریت تقاضا با RFID
مقاله ترجمه شده طراحی و توسعه سیستم گردش کار لجستیک برای مدیریت تقاضا با RFID مربوط به رشته مهندسی صنایع، برق و کامپیوتر و درباره هوش مصنوعی، شبکه های مخابراتی، لجستیک و زنجیره تامین و بهینه سازی سیستم ها می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.


بخشی از ترجمه فارسی مقاله : طراحی و توسعه سیستم گردش کار لجستیک برای مدیریت تقاضا با RFID
مقاله حاضر در مورد مدیریت زنجیره تقاضا و تامین بحث می کند و بررسی می کند چگونه تکنیک های هوش مصنوعی و فناوری شناسایی فرکانس رادیویی می تواند پاسخگویی جریان کار لجستیک را ارتقاء می بخشند . انتظار می رود تا این سیستم پیشنهادی بواسطه قابلیت هایش برای وفق دادن تغییرات غیر منتظره تامین و تقاضا در بازار فرار با ویژگی منحصر به فرد پاسخگویی با فناوری پیشرفته شناسایی فرکانس رادیویی دارای تاثیر چشمگیری بر عملکرد شبکه های لجستیک می باشد . مطالعات اخیر نشان داده اند که شناسایی فرکانس رادیویی و تکنیک های هوش مصنوعی در واقع محرک توسعه راه حل کلی در صنعت لجستیک می باشند .
شناسایی فرکانس رادیویی جدا از ردیابی حرکت کالا ها قادر است تا نقش مهمی برای انعکاس سطح فهرست موجودی انواع حوزه های مختلف ایفاء نماید . عملیات های لجستیک فیزیکی و جریان اطلاعات مربوطه در محیط صنعتی جهانی شده امروزی در واقع عناصر اساسی برای شرکت ها محسوب می گردند تا سناریو جریان کار لجستیک موثر را تشخیص دهند . اصولا ، جریان کار لجستیک انعطاف پذیر که بواسطه پاسخگویی سریع اش در پرداختن به نیازمندی های مشتری از طریق یکپارچه سازی انواع فعالیت های زنجیره ارزش شناخته می شود ، برای استفاده ابزاری عملکرد کسب و کار شرکت ها اساسی می باشد . اهمیت این تحقیق بواسطه نمایش هم کوشی با استفاده از ترکیب فناوری های پیشرفته برای شکل دادن سیستم یکپارچه می باشد که به دست یابی جریان کاری لجستیک ناب و چابک کمک می کند .

.

بخشی از مقاله انگلیسی :

Design and development of logistics workflow systems for demand management with RFID
This paper discusses demand and supply chain management and examines how artificial intelligence techniques and RFID technology can enhance the responsiveness of the logistics workflow. This proposed system is expected to have a significant impact on the performance of logistics networks by virtue of its capabilities to adapt unexpected supply and demand changes in the volatile marketplace with the unique feature of responsiveness with the advanced technology, Radio Frequency Identification (RFID). Recent studies have found that RFID and artificial intelligence techniques drive the development of total solution in logistics industry.
Apart from tracking the movement of the goods, RFID is able to play an important role to reflect the inventory level of various distribution areas. In today’s globalized industrial environment, the physical logistics operations and the associated flow of information are the essential elements for companies to realize an efficient logistics workflow scenario. Basically, a flexible logistics workflow, which is characterized by its fast responsiveness in dealing with customer requirements through the integration of various value chain activities, is fundamental to leverage business performance of enterprises. The significance of this research is the demonstration of the synergy of using a combination of advanced technologies to form an integrated system that helps achieve lean and agile logistics workflow.

.

 

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: طراحی و توسعه سیستم های جریان کار لجستیک برای مدیریت تقاضا با شناسایی فرکانس رادیویی
عنوان انگلیسی: Design and development of logistics workflow systems for demand management with RFID
تعداد صفحات مقاله انگلیسی : 10 تعداد صفحات ترجمه فارسی : ۲۵
سال انتشار : 2011 نشریه: الزویر – Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7968 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.90Mb
رشته های مرتبط با این مقاله: مهندسی صنایع، برق و کامپیوتر
گرایش های مرتبط با این مقاله: هوش مصنوعی، شبکه های مخابراتی، لجستیک و زنجیره تامین و بهینه سازی سیستم ها
مجله: سیستم های خبره با کاربردهای آن – Expert Systems with Applications
دانشگاه: بخش سیستم های مهندسی و مدیریت، دانشکده مهندسی مکانیک و هوافضا، دانشگاه صنعتی نان یانگ، سنگاپور
کلمات کلیدی: جریان کار لجستیک، RFID، شبکه های عصبی مصنوعی، الگوریتم انتشار به عقب، مدیریت زنجیره تقاضا، مدیریت زنجیره تامین
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است

 

[☾♔TALAYEH_A♔☽]

ترجمه فارسی مقاله مدل سازی احتمالاتی برای دستیابی به تعادل بار ابر خبره
مقاله ترجمه شده مدل سازی احتمالاتی برای دستیابی به تعادل بار ابر خبره مربوط به رشته مهندسی کامپیوتر و فناوری اطلاعات و درباره رایانش ابری، اینترنت و شبکه های گسترده و مهندسی الگوریتم ها و محاسبات می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.


بخشی از ترجمه فارسی مقاله : مدل سازی احتمالاتی برای دستیابی به تعادل بار ابر خبره
ابر خبره به عنوان یک کلاس جدید از سیستم های رایانش ابری کاربران خود را قادر می سازد مهارت، دانش و تخصص افراد را بدون هر گونه اطلاعات از محل آنها از طریق زیرساخت های اینترنت و مفاهیم رایانش ابری تقاضا نمایند. ایجاد تعادل بار موثر در محیط پراکنده ناهمگن مانند ابر حائز اهمیت است. از آنجا که تفاوت در قابلیت های منابع انسانی (HRs) و تنوع درخواست کاربران باعث می شود که برخی از منابع انسانی بار بیش از حد داشته باشند و برخی دیگر بلااستفاده بمانند. تخصیص کار به HR بر اساس الزامات اعلام شده از سوی کاربر ممکن است باعث توزیع بار نامتعادل در میان HR نیز گردد. از این رو مدیریت و برنامه ریزی منابع از جمله موارد مهم برای رسیدن به تعادل بار می باشند. استفاده از الگوریتم های استاتیک و دینامیک، کلونی مورچه ها، و روش مبتنی بر درخت جستجو همگی از روش های رسیدن به تعادل بار هستند.
این مقاله یک روش جدید به منظور توزیع بار دینامیک بر اساس صف پراکنده آگاه از کیفیت خدمات در محیط ابر ارائه می-کند. در این روش، ما از مورچه های رنگی به عنوان یک رتبه بندی برای ایجاد تمایز میان قابلیت های HR استفاده کردیم. در این مقاله، ما نوعی مسیردهی در میان وظایف و منابع انسانی با استفاده از تخصیص یک برچسب به هر HR صورت دادیم. ما روند متعادل سازی بار و نقشه برداری (مسیردهی) را بر اساس توزیع نمایی و پواسون مدل سازی کردیم. این مدل به ما اجازه می دهد هر وظیفه را به HR تخصیص دهیم که قادر به اجرای آن با حداکثر قدرت با استفاده از صف پراکنده آگاه از کیفیت خدمات میباشد. نتایج شبیه سازی نشان می دهد که ابر خبره می تواند زمان اجرا و تاخیر را کاهش دهد و استفاده از منابع انسانی بهبود بخشد. هزینه استفاده از منابع به عنوان عاملی موثر در تعادل بار نیز مشاهده شده است.

.

بخشی از مقاله انگلیسی :

Probabilistic Modeling to Achieve Load balancing in Expert Clouds
Expert Cloud as a new class of Cloud computing systems enables its users to request the skill, knowledge and expertise of people without any information of their location by employing Internet infrastructures and Cloud computing concepts. Effective load balancing in a heterogeneous distributed environment such as Cloud is important. Since the differences in the human resource (HRs) capabilities and the variety of users’ requests causes that some HRs are overloaded and some others are idle. The task allocation to the HR based on the announced requirements by the user may cause the imbalanced load distribution among HRs as well. Hence resource management and scheduling are among the important cases to achieve load balancing. Using static and dynamic algorithms, the ant colony, and the method based on searching tree all are among the methods to achieve load balancing.
This paper presents a new method in order to distribute the dynamic load based on distributed queues aware of service quality in the Cloud environment. In this method, we utilize the colorful ants as a ranking for making distinction among the HRs capabilities. In this paper, we perform the mapping among the tasks and HRs using allocating a label to each HR. We model the load balancing and mapping process based on Poisson and exponential distribution. This model allows us to allocate each task to the HR which is able to execute it with maximum power using the distributed queues aware of the service quality. Simulation results show that the expert Cloud can reduce the execution and tardiness time and improve HR utilization. The cost of using resources as an effective factor in load balancing is also observed.