مقایسه روش های مختلف از لحاظ بار روی گره های فیزیکی با استفاده از الگوریتم های پیشنهادی بر PSO ACO-PSO مبنای ترکیب الگوریتم ژنتیک و روش زمانبندی RR

محاسبات ابری یک رویکرد جدید جهت ارائه منابع محاسباتی توزیع شده مختلف اعم از نرم افزار و سخت افزار بر روی اینترنت می باشد که توجه بسیاری از محققان را به خود جلب کرده است. در محاسبات ابری همه چیز به شکل سرویس ارائه شده و این سرویس میتواند زیرساخت های مختلفی باشد. هدف اصلی محاسبات ابری کاهش هزینه استفاده از منابع محاسباتی است چرا که در این روشکاربران دیگر نیاز به صرف هزینه گزاف جهت خرید و نگهداری منابع محاسباتی ندارند. همچنین استفاده از مجازی سازی در محاسبات ابری، این امکان را فراهم کرده تا منابع ناهمگون توزیع شده به صورت یک سرویس واحد به کاربران ارائه شود. با توجه به محیط پویا و انعطاف پذیر محاسبات ابری، روش های زمان بندی وظایف جهت مدیریت تخصیص سرویس و توازن بار بر روی ماشین های مجازی و گره های فیزیکی اهمیت زیادی دارد. بنابراین توازن بار یکی از مهم ترین چالش های رایانش ابری و محیط های توزیع شده است. این مسئله اغلب به عنوان یک مسئله بهینه سازی در نظر گرفته شده و در آن تضمین بهره وری و تخصیص کارآمد منابع و همچنین رضایت کاربر مورد توجه می باشد. هر چند توازن بار در سال های اخیر، زمینه تحقیقات زیادی بوده است، اما هنوز هم نیاز به مطالعه و تحقیق بیشتری دارد. در این تحقیق نحوه توازن بار گره های فیزیکی در محیط ابری با استفاده از الگوریتم ژنتیک و روش زمانبندی RR بررسی شده است. هدف این الگوریتم یافتن بهترین توالی اجرای وظایف است به نحوی که گسترده پیکربندی مجموعه وظا ف را حداقل کند. نتایج شبیه سازی روش پیشنهادی برتری آن را در بهبود توازن بار نسبت به الگوریتم های PSO ACO-PSO نشان می دهد

کلیدواژه ها:

محاسبات ابری ، کاهش هزینه ، توازن بار ، بهینه سازی ، گره های فیزیکی