بررسی زمانبندی وظیفه چند پردازنده ای با استفاده از الگوریتم ژنتیک ترکیبی چندهدفی در محیط رایانش مه – ابری

برنامه ریزی وظیفه چند پردازنده ای ، عملیات پردازش بیش از دو وظیفه به صورت همزمان در سیستم است . ساختارهای رایانش چندپردازنده ای مهی -ابری ، انواعی از ساختارهای جانبی مبادله شده با تقاضای زیاد از ابتدای آن است . مانند دیگر سیستم های شبکه سازی ، سیستم مهی -ابری موجود براساس سیستم های چندپردازنده ای با تعدادی چالش مواجه است . بخاطر وجود کلاینت های مازاد و خدمات مختلف ، مسائل برنامه ریزی زمانی و مصرف انرژی چالش برانگیز هستند. مسائل موجود باید با برنامه ریزی صحیح حل شوند تا مصرف انرژی کاهش یابد. برای حصول به این هدف، یک رویکرد برنامه ریزی زمانی بهینه لازم است . روش پیشنهادی ، یک روش نوین به نام »الگوریتم ژنتیک ترکیبی « و »برنامه ریزی آگاه از انرژی « برای برنامه ریزی بهتر وظایف برروی پردازنده ها، می باشد. در اینجا الگوریتم ژنتتیک و مدل برنامه ریزی آگاه از انرژی با هم تلفیق می شوند. هنگامی که تنها یک الگوریتم ژنتیک برای روش برنامه ریزی وظیفه انتخاب می شود، از لحاظ محاسباتی سنگین می شود. مصرف انرژی به یک چالش بزرگ تبدیل می شود، زیرا با پیچیدگی هایی مواجه نمی شود و برنامه ریزی وظایف مناسب فوق العاده دشوار می شود. هنگام انتخاب الگوریتم ژنتیک ترکیبی پیشنهادی ، این مسائل با ملاحظه جواب های بهینه با زمان و انرژی مصرفی کمینه شده، قابل رفع هستند. از یک الگوریتم ژنتیک برای تولید سه کرومزوم اصلی با استفاده از روش های اولویتی استفاده می شود. منابع اختصاص داده شده از طریق مدل برنامه ریزی آگاه از انرژی بهینه سازی می شود و روش پیشنهادی با استفاده از متلب پیاده سازی می شود. روش موجود، شامل الگوریتم ژنتیک ، بهینه سازی ازدحام ذره، الگوریتم جستجوی گرانشی و بهینه سازی کلونی و مدل های نوبت گردشی با روش پیشنهادی مقایسه می شوند و عملکرد بهتر آن نسبت به مدل های موجود اثبات شد.

کلیدواژه ها:

سیستم مه -ابری ، برنامه ریزی وظیفه ، زمان اجرا ، مصرف انرژی ، چند پردازشی ، الگوریتم ژنتیک ، زمانبندی آگاه از انرژی