ارایه یک چارچوب مفهومی مبتنی بر تکامل مشترک برای توزیع بار پیشگیرانه در رایانش ابری

با گسترش رایانش ابری، توزیع بار میان ماشین های مجازی به یکی از چالش های اساسی مدیریت منابع تبدیل شده است. طی سال های اخیر، روش های متعددی مبتنی بر الگوریتم های فراابتکاری، یادگیری ماشین و مدل های هیبریدی برای بهبود کیفیت زمان بندی و افزایش بهره وری منابع ارائه شده اند. با این حال، بسیاری از این روش ها در محیط های پویا با محدودیت هایی مانند تصمیم گیری واکنشی، نبود تعامل میان پیش بینی بار و زمان بندی و پیچیدگی محاسباتی مواجه هستند. در این مقاله، مطالعات اخیر حوزه توزیع بار در محیط های رایانش ابری از منظر روش، مزایا و محدودیت ها مرور و تحلیل می شوند. سپس بر اساس شکاف های شناسایی شده در مطالعات پیشین یک چارچوب مفهومی با عنوان Predictive Cooperative Co-evolutionary Algorithm (P-CCEA) به عنوان یک مسیر پژوهشی آینده پیشنهاد می شود. در این چارچوب، دو جمعیت هم تکاملی شامل پیش بین بار مبتنی بر LSTM و زمان بند وظایف، به صورت تعاملی تکامل یافته و از طریق یک حلقه بازخورد، تصمیم گیری پیشگیرانه برای تخصیص وظایف را امکان پذیر می کنند. در این مقاله، ساختار مفهومی تعامل میان دو جمعیت، نمونه ای از توابع برازش پیشنهادی و چارچوبی برای ارزیابی این ایده در پژوهش های آینده ارائه می شود. انتظار می رود این چارچوب در صورت پیاده سازی و ارزیابی تجربی، بتواند زمینه ساز توسعه نسل جدیدی از الگوریتم های هوشمند توزیع بار در محیط های رایانش ابری باشد.

کلیدواژه ها:

توزیع بار ، رایانش ابری ، تکامل مشترک ، پیش بینی بار ، زمان بندی ، الگوریتم های فراابتکاری