مدیریت منابع در محاسبات ابری: رویکرد آتوماتای یادگیر توزیع شده

از آنجایی که منابع در محاسبات ابری، محدود، ناهمگون و پویا می باشند، مدیریت منابع و زمانبندی وظایف در محاسبات ابری یکی از مسایل بحث برانگیز کنونی می باشد. مساله زمانبندی از مسایل بهینه سازی NP-hard می باشد که تاکنون الگوریتم های فرا اکتشافی متعددی برای حل آن ارایه شده است اما تاکنون راه حلی کاملا بهینه برای این مساله یافت نشده است. در این مقاله با بکارگیری آتوماتای یادگیر توزیع شده، یک سیاست زمانبندی بهینه وظایف در محیط رایانش ابری ارایه شده است که هدف اصلی از این رویکرد، مینیمم کردن زمان تکمیل شدن مجموعه وظایف داده شده با در نظر گرفتن پارامترهای چون هزینه و زمان پردازش و بیکاری پردازنده ها می باشد. نتایج شبیه سازی حاکی از عملکرد مطلوب این روش نسبت به الگوریتم های پیشین دارد.

کلیدواژه ها:

آتوماتای یادگیر توزیع شده ، محاسبات ابری ، مدیریت منابع ، زمانبندی وظایف