الگوریتم جدید زمانبندی وظایف مبتنی بر ژنتیک در سیستمهای توزیعی ناهمگن ابری

امروزه یکی از دغدغه های مهم سرعت دهی و کارایی کاربران حداقل شدن زمان اجرای کارها است. یک زمانبندی مناسب منجر به افزایش کارایی سیستم، کاهش هزینه ها و بهبود کیفیت تدما می شود. زمانبندی وظایف در سیستم های ابری به عنوان بخش کلیدی نقش موثری در کاهش هزینه ها دارد. برای رفع معمول سیستم های ابری از نظر سرعت پردازنده ها و معماری ناهمگو هستند. در این مقاله برای کاهش زمان اجرای کل کارها در یک ابر ناهمگو، یک چارچوب سیستم پیشنهاد شده است. سرعت مسله زمانبندی کار در قالب یک مسله بهینه سازی با دید خاص کاهش زمان اجرا فرموله می شود. برای حل این مسله NP-Hard، یک الگوریتم ژنتیک استارشی سازی شده جدید (NGA) جهت اجرای جریان کار در یک محیط محاسباتی ابری ناهمگو ارائه شده است. در این مرحله به منظور ایجاد هوشمندانه جمعیت اولیه از روش های اکتشافی استفاده می شود. همچنین عملگرهای مختلف الگوریتم ژنتیک به نحو مناسب برای بدست آوردن راه حل مطلوب استراتژی سرازیر می شوند. نتایج شبیه سازی ها در سناریوهای مختلف، نشان می دهد که راهکار پیشنهادی به خوبی توجهی در مقایسه با روش های PSO، ACO، TSA و HEFT از نظر زمان اجرا، کاهش هزینه دارد.

کلیدواژه ها:

زمانبندی کار ، رایانش ابری ، الگوریتم ژنتیک ، مرکز داده ، سیستم های توزیع شده ناهمگن