ارائه روشی برای زمان بندی وظایف در محاسبات ابری با استفاد از الگوریتم ژنتیک فازی

محاسبات ابری یکی از فناوری های مهم پردازشی در بستر اینترنت است که نیازهای کاربران را در قالب زیرساخت، بستر و نرم افزار به عنوان سرویس فراهم می کند. محاسبات ابری همواره با چالش زمان بندی و توازن بار رو به رو می باشد چراکه زمان بندی به طور مستقیم بر کیفیت سرویس دهی تاثیر دارد. در این مقاله روشی برای زمان بندی وظایف در محاسبات ابری با الگوریتم ژنتیک فازی ارائه شده است. روش پیشنهادی جمعیت اولیه از کروموزم هایی که با ترکیب ماشین ها و وظایف مدل - سازی شده اند ایجاد کرده و با عمگرهای ترکیب و جهش جواب بهینه را استخراج می کند. برای شبیه سازی روش پیشنهادی از نرم افزار متلب استفاده شد و نتایج با روش کرم شب تاب مقایسه شد. نتایج حاصل از شبیه سازی نشان داد که در تاثیر تعداد ماشین مجازی بر گذردهی، روش پیشنهادی درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد ماشین مجازی بر مهاجرت، روش پیشنهادی ۳ درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد ماشین مجازی بر توازن بار، روش پیشنهادی درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد وظایف بر نرخ گذردهی ، روش پیشنهادی ۳٫۹۶ درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد وظایف بر مهاجرت، روش پیشنهادی درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد وظایف بر توازن بار، روش پیشنهادی ۳٫۷۹ درصد نسبت به روش کرم شبتاب بهبود داشته است. تمامی نتایج شبیه سازی و آزمایشات نشان دهنده برتری روش پیشنهادی نسبت به روش مشابه دارد

کلیدواژه ها:

محاسبات ابری ، زمان بندی ، الگوریتم ژنتیک فازی ، الگوریتم کرم شب تاب ، بهبود کارایی.