الهه سادات میرمالک ثانی - گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
پروانه اصغری - گروه مهندسی کامپیوتر، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

یکی از مفاهیم اساسی در محیط ابر زمانبندی وظایف است که از طبقه مسائل NP-hard محسوب میشود روشهای مختلفی برای حل آن پیشنهاد شده است. تخصیص بهینه منابع به وظایف کاربران از طریق زمانبندی وظایف بسیار حائز اهمیت است. به همین دلیل در این مقاله با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری به زمانبندی جریان کاری از طریق تخصیص منابع پرداخته و با تعداد و انواع متفاوت از وظایف ارزیابی میشود و نتایج حاصله با نتایج حاصل از الگوریتم جستجوی فاخته مقایسه میشود. نتایج نشان میدهد که الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری باتوجه به زمان تکمیل وظایف در زمانبندی جریان کاری، در محیط ابر، از عملکرد بهتری نسبت به الگوریتم جستجوی فاخته برخوردار است.

زمانبندی جریان کاری، رایانش ابری، الگوریتم بهینهسازی مبتنی آموزش و یادگیری، الگوریتم جستجوی فاخته.