بهینه سازی هزینه در مدل بازار کالا گریدهای محاسباتی اقتصادی با استفاده از اتوماتای یادگیری سلولی

گریدهای محاسباتی مجموعه ای از چندین سیستم با قدرت محاسباتی متفاوت می باشد که با متصل شدن این قدرتمحاسباتی، حاصل یک ابر رایانه ی مجازی شکل می گیرد که با استفاده از آن می توان بسیاری از محاسبات پیچیده ی ریاضی،نجوم،زیست و... در زمان بسیار کمی انجام داد. این گریدها به سوی تجاری شدن پیش می روند و دارندگان منابع با انگیزه هایمالی، منابع خود را در اختیار دیگران قرار میدهند. مشتریان گرید نیز با پرداخت هزینه ی درخواست خود، می توانند از اینمنابع استفاده کنند. صاحبان و کاربران منابع دارای اهداف، استراتژیها و الگوهای عرضه و تقاضای متفاوتی هستند. برایمدیریت چنین سیستم های پیچیدهای، نمی توان از رویکردهای متداول برای مدیریت منابع که سعی می کنند کارایی را در کلسیستم بهینه کنند، استفاده کرد. مدل های اقتصادی رقابتی، الگوریتم ها، سیاست ها و ابزارهایی را برای اشتراک یا تخصیصمنابع در گرید فراهم میکنند. رایجترین مدل اقتصادی، مدل بازار کالا می باشد. سیستم زمانبندی اقتصادی در گرید باید بااستفاده از یک الگوریتم کارا، طوری منابع گرید را به برنامه ی کاربر تخصیص دهد که محدودیت های زمانی و هزینه ی انجاممحاسبات رعایت شده و با توجه به استراتژی بهینه سازی، هزینه انجام محاسبات مینیمم شود. در این مقاله، الگوریتمی مبتنیبر اتوماتای سلولی، برای این منظور پیشنهاد شده است. نتایج شبیه سازی نشان میدهد که الگوریتم پیشنهادی در مقایسه باالگوریتمهای مکاشفه ای و الگوریتم های مبتنی بر اتوماتای یادگیر، از کارایی بالاتری برخوردار بوده و درخواسته ای کاربر را با هزینهکمتر انجام می دهد.

Keywords:

گرید محاسباتی , زمانبندی , بهینه سازی هزینه , مدل اقتصادی , اتوماتای یادگیری سلولی