الگوریتم های زمان بندی وظایف در محیط های رایانش ابری و مه: بطور خاص الگوریتم های مبتنی بر یادگیری ماشین - یک تحلیل مروری

رایانش ابری به عنوان یک الگوی نوین، امکان ارائه منابع محاسباتی به صورت سرویس را فراهم آورده است. در این محیط پویا، زمان بندی وظایف (Task Scheduling) یک چالش اساسی است که به طور مستقیم بر کارایی سیستم، رضایت مشتری و بهره وری منابع تاثیر می گذارد. هدف این مقاله مروری، ارائه یک دید جامع از روش ها و الگوریتم های مختلف زمان بندی وظایف در رایانش ابری و مه است. در این مرور، ابتدا مفاهیم کلیدی رایانش ابری و زمان بندی وظایف تشریح می شود. سپس رویکردهای مختلف زمان بندی، شامل الگوریتم های اکتشافی (Heuristic)، فرا اکتشافی (Meta-heuristic)، و یادگیری ماشین (Machine Learning) مورد بحث و تحلیل قرار می گیرند. چالش های موجود در زمان بندی وظایف ابری، از جمله پویایی محیط، توزیع پذیری و الزامات کیفیت سرویس (QoS) نیز بررسی می شوند. در نهایت، این مقاله به شناسایی شکاف های تحقیقاتی و ارائه مسیرهای آتی برای پژوهش در این حوزه می پردازد.

کلیدواژه ها:

رایانش ابری ، زمان بندی وظایف ، الگوریتم های اکتشافی ، الگوریتم های فرا اکتشافی ، یادگیری ماشین ، کیفیت خدمت