مقایسه الگوریتم های پیشنهادی زمان بندی بهینه در رایانش ابری

محاسبات ابری، زمینه بسیار رایجی در حال حاضر می باشد که به سرعت در حال رشد است، برای فراهم کردن منابع در محیط های اطلاعاتی، تحقیقات زیادی در سرتاسر جهان انجام شده است. یکی از مشکلات محاسبات ابری زمانبندی انجام کارها در شبکه ابری مطرح شده است که خود باعث بالا رفتن و افزایش کارایی محاسبات ابری و انتخاب مناسب ترین ماشین مجازی برای انجام یک کار خاص می باشد. و زمان اجرای کار در منابع محاسبات ابری را کاهش می دهیم. محاسبات ابری برای سازمان ها از اهمیت بسزایی برخوردار هست و سعی در استفاده بهینه از منابع را دارند. برای این منظور بهتر می باشد تا بین منابع و درخواست ها یک تناظر بهینه ایجاد کرد. به همین دلیل از زمانبندی برای تقسیم مناسب درخواست ها و بار بین منابع استفاده می کنند. برای زمانبندی از الگوریتم های مختلفی استفاده شده است در این مقاله الگوریتم ترکیبی مبتنی بر یادگیری تقویتی را پیشنهاد می کنیم. روش ها و الگوریتم های بهینه سازی به دو دسته الگوریتم های دقیق و الگوریتم های تقریبی تقسیم بندی می شوند. الگوریتم های دقیق قادر به یافتن جواب بهینه به صورت دقیق هستند اما در مورد مسایل بهینه سازی سخت کارایی ندارند و زمان حل آنها در این مسایل به صورت نمایی افزایش می یابد. الگوریتم های تقریبی قادر به یافتن جواب های نزدیک به بهینه در زمان حل کوتاه برای مسایل بهینه سازی سخت هستند.

Keywords:

محاسبات ابری , زمانبندی , الگوریتم فرا ابتکاری ترکیبی , الگوریتم علف هرز , یادگیری تقویتی