بهبود روش فراابتکاری جهت زمان بندی کار در رایانش ابری

رایانش ابری امکان استفاده کاربران از منابع محاسباتی توزیع شده را به عنوان خدمات بر روی شبکه فراهم می کند. با وجودمنابع محدود و ناهمگن و درخواست های متغیر و متنوع کاربران، زمان بندی سازماندهی شده مناسب، برای ارائه دهندگان ابر وکاربران ابر ، مورد نیاز است. زمان بندی بهینه برای نگاشت مناسب کارها به منابع یک مسئله اساسی در محاسبات ابری است.معیارهایی نظیر زمان تکمیل کار، زمان پاسخ، زمان انتظار، مصرف انرژی، توازن بار، نرخ بهره وری و دیگر معیارها در روش هایمختلف زمان بندی در نظر گرفته شده است. مسئله زمان بندی کار یک مسئله NP-complete است، بنابراین پیدا کردن یکراه حل دقیق به خصوص برای اندازه های بزرگ امکان پذیر نیست. این مقاله الگوریتمی از ترکیب الگوریتم ژنتیک و الگوریتمجستجوی همزیستی ارگانیسم گسسته (DSOS) که از روابط همزیستی موجودات زنده الهام گرفته شده است، ارائه می دهد.ویژگی های مناسب الگوریتم ژنتیک و استفاده به جا از آن برای این مسئله باعث بهبود کارکرد سیستم می شود . نتایج نشانمی دهد الگوریتم پیشنهادی به دلیل پیدا کردن راه حل های بهتر، میانگین زمان تکمیل کار ۲۲ درصد ، میانگین زمان پاسخ۲۴ درصد و نرخ بهره وری را ۲۲ درصد در مقایسه با الگوریتم DSOS بهبود می دهد.

Keywords:

رایانش ابری , زمان بندی کارها , همزیستی ارگانیسم ها , ژنتیک