بررسی الگوریتم شبکه عصبی و جستجوی محلی برای زمانبندی بهینه وظایف در مراکزابری

با توجه به گسترده بودن کاربرد سیستم های ابری در حوزه های مختلف، توجه به عملکرد این شبکه ها بیش از پیش مورد نظر طراحان قرار گرفته است. به منظور بهره وری در عملکرد سیستمهای ابری دو راهکار عمده و اساسی مورد استفاده قرار میگیرد: توازن بار و زمان بندی اجرای وظایف. در این مقاله مسیله ی زمان بندی اجرای وظایف در سیستمهای ابری مد نظر گرفته شده است. در این راستا الگوریتم آموزش عصبی جهت آموزش سیستم ابری برای زمان بندی اجرای وظایف مورد استفاده قرار گرفته است. در الگوریتم عصبی هاپفیلد مورد استفاده که دارای قابلیت آموزش عصبی چندهدفه است، معیارها و محدودیتهای زمان بندی به سیستم آموزش داده میشود. با توجه به گسترده بودن پایگاه داده ی سیستم های ابری، از الگوریتم جست وجوی همسایگی برای جست وجوی پایگاه داده استفاده شده است.

Keywords:

زمان بندی , عصبی هاپفیلد , جستجوی همسایگی متغیر , پردازش ابری