رویکردی کارآمد از الگوریتم ژنتیک برای زمانبندی کارها در محیط محاسبه ابری

محاسبات ابری به تازگی به یک حوزه تبدیل شده است و به عنوان یک واقعیت تجاری در دامنه تکنولوژی اطلاعاتپدیدار شده است. محاسبات ابری نشان دهنده مکمل،مصرف و مدل تحویل برای سرویس های IT است. زمانبندیسرویس های ابری توسط ارائه دهندگان سرویس به مصرف کنندگان به سود هزینه این نوع از محاسبات تاثیر می گذارد.در چنین سناریویی، کارها باید به طور موثری زمانبندی شده باشند که هزینه اجرا و زمان بتواند قابل کاهش باشد. در اینمقاله، ما یک روش فرا اکتشافی بر اساس زمابندی مطرح می کنیم که، زمان اجرا و هزینه و اجرا را به خوبی به حداقل میرساند. الگوریتم ژنتیک بهبود یافته از طریق ادغام دو الگوریتم زمانبندی موجود برای زمابندی کردن کارها با درنظر گرفتنپیچیدگی محاسبات و محاسبه ظرفیت عناصر پردازش توسعه یافته است. نتایج تجربی نشان می دهد که، الگوریتمپیشنهادی عملکرد خوبی را ارائه کرده است.

Keywords:

محاسبات ابری , الگوریتم ژنتیک , زمانبندی کارها , الگوریتم زمانبندی , makespan , cloudlet