بهبود زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم ژنتیک

سیستمهای محاسباتی به طور گسترده ای در حال کامل شدن هستند تا بتوانند پاسخگوی نیازهای بشر در مسائل و کاربردهای مختلف علمی، تجاری، اجتماعی و ... باشــند. این تکامل در ابعاد مختلفی صــورت گرفته اســت. قدرت و توان محاســباتی و پردازش اطلاعات، ظرفیت ذخیره سازی اطلاعات، در دسترس پذیری بیشتر منابع و ... از ابعاد مختلف تکامل سیستمهای محاسباتی محسوب می شوند. رایانش ابری یکی از رویکردهای جدید محاسباتی ا ست که در چند سال اخیر مورد توجه بسیار قرار گرفته ا ست و به طور فزاینده ای در حال گسترش است. پیدایش رایانش ابری به عنوان یک مدل جدید از ارائه خدمات در سیستمهای توزیع شده میباشد، که محققان را تشــویق به جســت وجوی ایده هایی برای ارائه هرچه بهتر خدمات به کاربران میکند. یکی از مهمترین چالشها در این سیستم، مدیریت منابع و زمان بندی میباشد. رایانش ابری شیوه جدیدی از ارائه خدمات برای کاربران است، که به عنوان فراهم کننده سرویس به صورت پویا در مقیاسی بزرگ روی منابع موجود در اینترنت شناخته میشود. هدف اصلی در استفاده از محاسبات ابری، کاهش هزینه های ا ستفاده از منابع میباشد و منابع محاسباتی در سی ستمهای محا سبات ابری، به عنوان ما شین های مجازی ارائه میشوند. بنابراین هر درخواستی که از طرف کاربران به ارائه دهندگان خدمات فرستاده شود بخشی از منابع آنها را به خود اختصاص میدهد. الگوریتم های زمان بندی نقش بسیار مهمی در محاسبات ابری دارند چرا که هدف زمان بندی این است تا زمان پاسخ را کاهش داده و بهره برداری از منبع را بهبود بخشــد. برای این منظور الگوریتم های زمانبندی مختلفی وجود دارد. در این مقاله به بررســی روشهای زمان بندی میپردازیم و با اســتفاده از بهینه ســازی الگوریتم ژنتیک تلاش میکنیم فاکتورهای مرتبط با کیفیت ســرویس مانند زمان پاسخ و زمان تکمیل آخرین وظیفه را بهبود دهیم.

Keywords:

رایانش ابری , زمان بندی , الگوریتم ژنتیک , زمان تکمیل آخرین وظیفه , زمان پاسخ.