نسرین عرب - کارشناسی ارشدمهندسی کامپیوتر
مصطفی مقدم فر - کارشناسی ارشدمهندسی کامپیوتر

زمانبندی رایج ماشین هیا مجازی درمحیط محاسبات ابری بطور عمده فقط حالت جاری سیستم را درنظر میگیرد وبه ندرت به حالت های قبلی توجه می کند که این امرباعث عدم توازن و تعادل باردرسیستم می شود براساس مساله توازن باروزمانبندی ماشین های مجاری این مقاله یک زمانبندی توازن باررابراساس الگوریتم ژنتیک و طبقه بندی ارایه می کند که علاوه بردرنظرگرفتن حالت جاری سیستم حالات قبلی راهم درنظر میگیرد و همچنین کارهای رسیده به هرماشین رادرابتدا بافر وسپس طبقه بندی می کند نتایج ازمایشگاهی ثابت می کند که این روش قادربه برقراری توازن بارو استفاده معقول ازمنابع می باشد

محاسبات ابری، منابع ماشین های مجازی، توازن بار، الگوریتم ژنتیک، الگوریتم طبقه بندی