ارائه روشی برای زمانبندی وظایف در رایانش مه با الگوریتم ترکیبی بهینه سازی چکیده باران و ملخ

در این پژوهش یک روش دو مرحله ای فراابتکاری برای زمانبندی وظایف و توازن بار در محیط رایانش مه ارائه شده است. مرحله اول روش پیشنهادی مبتنی بر الگوریتم چرخه آب و مرحله دوم با الهام از الگوریتم ملخ طراحی گردیده است. ارزیابی عملکرد روش پیشنهادی در دو سناریوی ۵۰۰ و ۱۰۰۰ ماشین مجازی و مقایسه آن با سه روش ژنتیک GA، بهینه سازی ذرات PSO و الگوریتم IACOA انجام شده است. نتایج حاصل از تحلیل چهار معیار اصلی شامل Makespan، توازن بار، مصرف پهنای باند و گذردهی نشان دهنده برتری چشمگیر و همه جانبه روش پیشنهادی نسبت به روش های رقیب می باشد. در معیار Makespan، روش پیشنهادی در سناریوی ۵۰۰ ماشین مجازی با میانگین ۱۱۱.۲۵ به ترتیب ۲۵.۶ درصد، ۱۷.۸ درصد و ۱۰.۸ درصد نسبت به روش های PSO، GA و IACOA بهبود یافته است. در سناریوی ۱۰۰۰ ماشین مجازی نیز این بهبود به ترتیب به ۲۶.۰ درصد، ۱۶.۳ درصد و ۹.۶ درصد رسیده که حکایت از کارایی بالاتر این روش در مقیاس بزرگ تر دارد. در معیار توازن بار روش پیشنهادی با میانگین ۹۶.۱ درصد در سناریوی ۵۰۰ و ۹۷.۰۵ درصد در سناریوی ۱۰۰۰ ماشین مجازی بهترین عملکرد را داشته و نسبت به روش GA به ترتیب حدود ۶.۸ درصد و ۳.۴ درصد برتری نشان می دهد. در معیار مصرف پهنای باند، روش پیشنهادی با میانگین ۶۹.۵۸ و ۷۲.۷۵ کمترین مصرف را ثبت کرده است؛ به طوری که نسبت به روش GA به ترتیب کاهش ۱۵.۲ درصد و ۱۵.۵ درصد و نسبت به روش PSO حدود ۹.۸ درصد و ۱۰.۲ درصد صرفه جویی را نشان می دهد. در معیار گذردهی، روش پیشنهادی با میانگین ۹۲.۳۱ و ۹۳.۱۶ عملکردی بسیار نزدیک به الگوریتم IACOA داشته و اختلاف آن کمتر از ۰.۷ درصد است که با توجه به بهبودهای چشمگیر در سایر معیارها کاملا قابل قبول می باشد. مزیت اصلی روش پیشنهادی رویکرد دو مرحله ای آن است که باعث جلوگیری از همگرایی زودهنگام به بهینه محلی و تولید جواب های نهایی با کیفیت بالاتر گردیده است.

کلیدواژه ها:

زمانبندی ، وظایف ، توازن بار ، رایانش مه ، الگوریتم بهینه سازی ، فراابتکاری ، الگوریتم چرخه آب ، الگوریتم ملخ