بهبود زمان بندی وظایف در محیط رایانش ابری با استفاده از ACO-GA

محاسبات ابری تکنولوژی نوینی است و خدماتی چون نگهداری داده های کاربران یا برنامه های کاربردی آنها را در سطح اینترنتفراهم می کند. سیستم های رایانش ابر درواقع مجموعه ای از کامپیوترهای توزیع شده هستند، که به کاربران این امکان را می دهند تا دربستر اینترنت، بدون داشتن اطلاعات تخصصی یا کنترل کردن زیرساخت، به منابع و سرویس ها دسترسی داشت باشند. یکی از چالش-های اساسی پیشروی این تکنولوژی مسیله ی زمان بندی وظایف است. مسیله ی زمان بندی در رایانش ابر، تکنیکی برای توزیع عادلانه -ی منابع مابین مشتریان است، که به منظور دستیابی به بهره وری بهینه ی منابع با کمترین زمان پاسخ است. امروزه کارهای بسیاریدر این حوزه صورت گرفته است و الگوریتم های متنوعی به منظور بهبود زمان بندی وظایف در محیط رایانش ابر ارایه شده است. هدفما در این مقاله استفاده از مزایای دو الگوریتم ژنتیک و کلونی مورچه در کنار یکدیگر و ارایه ی یک روش بهینه است. در این کار،به کمک الگوریتم کلونی مورچ یک جمعیت اولیه برای الگوریتم ژنتیک ایجاد می کنیم. در این حالت، جمعیت اولیه ی بهتری نسبت بهانتخاب تصادفی جمعیت اولیه خواهیم داشت. درنتیجه سرعت همگرایی الگوریتم ژنتیک افزایش می یابد و احتمال بهینه بودن جوابنهایی بیشتر است. نتایج شبیه سازی نشان می دهند که روش پیشنهادی نتایج قابل قبول تری نسبت به سایر روشها به دست آورده است.

کلیدواژه ها:

محاسبات ابری ، زمان بندی وظایف ، الگوریتم ژنتیک ، الگوریتم کلونی مورچه