استفاده از الگوریتم شنتیک به موازات یادگیری تقویتی در بهبود روش بازیابی منابع در شبکه محاسباتی گرید

محاسبات گریدی، شبکه های سازمان های مجازی را قادر می سازد منابع توزیع شده از نظر جغرافیایی را برای رسیدن به اهداف مشترک با یکدیگر به اشتراک بگذارند. برای حل مسایل در گرید لازم است که بهترین منابع در سریعترین زمان ممکن یافته و برای اجرای بخشی از مسیله به کار گرفته شود. روش های عنوان شده برای بازیابی اطلاعات تا به امروز هرکدام سعی می کنند تا به گونه ای پاسخگویی به درخواست ها را در کمترین زمان انجام دهند، ولی هیچکدام قابلیت یافتن روش های بهینه جهت انجام جستجوی بهینه ندارند. نوآوری به کار رفته در این مقاله استفاده از الگوریتم ژنتیک به موازات روش یادگیری تقویتی برای افزایش هرچه بیشتر کارایی عملیات بازیابی منابع در شبکه محاسباتی گرید می باشد. در همین راستا ابتدا با اضافه کردن بخشی به عنوان مدیریت تصمیم گیری بر اساس مکانیزم یادگیری تقویتی در پروتکل گرید، منابع بهینه جهت تخصیص انتخاب و سپس منابع انتخابی به عنوان ورودی به الگوریتم ژنتیک منتقل شده و بهینه ترین منبع انتخاب می شد. نتایج به دست آمده حاکی از آن است که توانستیم با استفاده از روش ارایه شده نتایج را در حدود 11% بهینه کنیم که رقم قابل توجهی در زمان و هزینه جستجو می باشد.

کلیدواژه ها:

گرید ، بازیابی اطلاعات ، یادگیری تقویتی ، الگوریتم ژنتیک