قربانعلی میرون بکی - دانشجوی کارشناسی ارشد؛ موسسه آموزش عالی آفاق، ارومیه، ایران
ساسان قره پاشا - استادیار گروه کامپیوتر؛ موسسه آموزش عالی آفاق، ارومیه، ایران

محاسبات ابری مفهومی است که در دنیای فناوری اطلاعات معرفی شده است که ترکیبی از محاسبات گرید، محاسبات توزیع شدهو محاسبات سودمند می باشد. ابر، روزبه روز در حال رشد و توسعه است و البته با چالش های بسیاری نیز مواجه است که یکی ازآنها، بحث زمان بندی است. زمانبندی، تکنیکی است که برای ارتقای مجموع زمان اجرای یک وظیفه مورد استفاده قرار می گیرد.پروسه زمانبندی در تکنولوژی ابر، مسئول انتخاب بهترین منابع مناسب برای اجرای وظیفه است. هدف اصلی الگوریتم زمان بندیوظایف این است تا کارایی و کیفیت سرویس را بهبود بخشد و همزمان نیز کارایی و مطلوبیت وظایف را حفظ نموده و زمانتکمیل وظایف را کاهش دهد. مسئله زمانبندی وظایف بهعنوان یکی از مهمترین مسائل NP-hard در محیط های ابری مطرحمی شود. تاکنون از روش های بسیاری برای زمانبندی وظایف در محیط ابری استفاده شده است. محققان، برای حل این مسئله،با توجه به کارایی الگوریتم های فراابتکاری مانند الگوریتمهای ژنتیک، بهینهسازی ازدحام ذرات، کلونی مورچگان و غیره، آنها رابرای پیدا کردن یک جایگشت مناسب از درخواست ها بر روی ماشینهای مجازی پیشنهاد داده اند. در این مقاله، برای حل اینمسئله یکی از الگوریتم های هوش جمعی، به نام الگوریتم ازدحام سالپ به کار گرفته شده و با بهبود عملکرد این الگوریتم سعیشده است تا حد امکان، با استفاده از روش پیشنهادی، حل مسئله زمانبندی وظایف در محیط ابری، نسبت به روش های پیشی نموجود در این زمینه بهبود یابد. عملکرد الگوریتم پیشنهادی با عملکرد الگوریتم های ژنتیک GA ، ازدحام ذرات PSO، کلونیمورچگان پیوسته RACO و الگوریتم ازدحام سالپ پایه SSA مورد مقایسه قرار گرفته است. نتایج حاصل، برتری عملکردروش پیشنهادی نسبت به الگوریتم های مورد مقایسه را نشان می دهد.

رایانش ابری، زمانبندی وظایف، بهینه سازی، الگوریتم ازدحام سالپ