بهینه سازی مسئله زمانبندی کار با شبکه عصبی با استفاده از مدل نگاشت کاهش در محیط ابر

محاسبات ابری به عنوان راه حلی برای پردازش حجم عظیمی از اطلاعات است گوگل برای پردازش اطلاعات خود مدلی به نام نگاشت کاهش در محیط ابر ارائه کرد، این مدل توسط آپاچی هدوپ که کد باز است به تکامل رسیده و بسیاری از سایت‌های بزرگ از جمله یاهو، گوگل، قیس پوک، Twitter, IBM از آن استفاده می‌کنند. از آن‌جا که مسئله زمانبندی کار بسیار مورد توجه است با توجه به زمانبر بودن اجرای مسائل بهینه سازی در مقیاس بالا، یافتن راه‌حلی برای اجرای سریع‌تر ضروری است. از این رو در این مقاله روش جدیدی برای مسئله زمانبندی کار با شبکه عصبی با استفاده از مدل نگاشت – کاهش ارائه شده است که امکان رسیدن به حل بهینه در زمانی کوتاه در محیط ابر را فراهم می‌کند. نتایج به دست آمده نشان می‌دهد که روش پیشنهادی در مقایسه با الگوریتم ژنتیک زمان اجرای بهتر و سرعت همگرایی خوبی دارد.

کلیدواژه ها:

محاسبات ابری ، هدوپ ، مدل نگاشت-کاهش ، شبکه عصبی ، زمانبندی کار