زمانبندی جریان های کاری دررایانش ابری بااستفاده ازالگوریتم بهینه سازی ملخ چندهدفه

یک جریان کاری شامل تعدادی وظایف وابسته به هم می باشد که این وابستگی می تواند وابستگی کنترلی و یا اطلاعاتی باشد. زمان بندی جریان کاری در رایانش ابری به معنای نگاشت و تعیین ترتیب اجرای وظایف در ماشین های مجازی زیر ساخت ابر می باشد. با افزایش تعداد ماشین های مجازی و وظایف تعداد نگاشت های امکان پذیر به صورت نمایی زیاد خواهد شد و پیدا کردن نگاشت بهینه، بطوریکه که زمان اتمام وظایف و سایر معیار ها کمترین مقدار باشد جزء مسائل غیر چند جمله ای سخت محسوب می شود. هر چند که زمان بندی جریان کاری حتی با یک معیار کارایی مانند کمینه کردن زمان اتمام وظایف نیز جزء مسائل سخت محسوب می شود زمانبندی چند هدفه جریان کاری به مراتب پیچیده تر خواهد بود چرا که باید مصالحه ای بین اهداف متعارض برقرار گردد. در این مطالعه هدف این است که زمانبندی وظایف طوری انجام شود که علاوه بر رضایت مندی مشتریان، سودمندی ارائه دهندگان سرویس های ابر نیز در نظر گرفته شود لذا علاوه بر کاهش هزینه و زمان اجرای وظایف معیار کاهش میزان بیکاری منابع نیز در نظر گرفته شده است. برای این منظور یک الگوریتم بهینهسازی جدید تحت عنوان الگوریتم بهینه ساز چندهدفه ملخ (MOGOA) که از رفتار ملخها در طبیعت و حرکت گروهی آنها به سمت منابع غذایی تقلید میکند پیشنهاد شده است. کارایی این الگوریتم را با الگوریتم های بهینه سازی چندهدفه شناخته شده همانند الگوریتم های NSGA-II و MOPSO در محیط متلب مقایسه و ارزیابی خواهیم کرد. نتایج شبیه سازی نشان میدهد که الگوریتم پیشنهادی ما مصالحه بهتری را بین اهداف سه گانه متعارض برقرار میکند.

Keywords:

الگوریتم ملخ , بهینه سازی چندهدفه , تخصیص منابع , رایانش ابری , زمان بندی جریان کاری