زمانبندی در محیط رایانش ابری با استفاده از الگوریتم های بهینه سازی فراابتکاری

پهنای باند شبکهها و تکنولوژی سختافزار آنها به سرعت در حال توسعه بوده و باعث پیشرفت اینترنت شده است. مفهومی جدید، به نام رایانش ابری، از میزبانهای با توان پایین برای رسیدن به قابلیت استفاده بالا استفاده میکند. امروزه سرویس رایانش ابری به یکی از متدولوژیهای توسعه پذیر در صنعت کامپیوتر مبدل شده است. رایانش ابری، یک فناوری مبتنی بر تقاضا است، به طوریکه تخصیص منابع پویا و انعطافپذیر را برای خدمات تضمین شده و قابل اعتماد، به طریق پرداخت هزینه به هنگام استفاده از خدمات به عموم ارایه میدهد. ویژگی منحصر به فرد این فناوری این است که میتوان به صورت همزمان، به هر تعداد از خدمات مبتنی بر رایانش ابری، توسط هر تعداد از کاربر دسترسی پیدا کرد. رایانش ابری، سبک محاسباتی جدیدی است که به سبب پیشرفتهای بیشمار آن مانند ارایه سرویس برحسب تقاضا، پرداخت در ازای استفاده و اشتراک منابع در بین سایر سبکهای محاسباتی برتری پیداکرده و مشتریان و تولیدکنندگان بسیاری را به خود جلب کرده است. محاسبات ابری یک تکنولوژی در حال ظهور است، با توجه به اینکه منطق محاسبات ابری براساس پردازش موازی سیستمها است بنابراین سازوکار زمانبندی یکی از مهمترین نقشهای حیاتی را در محیط محاسبات ابری ایفا میکند و هسته محاسبات ابری، بدون زمانبندی مفهومی ندارد. در این مقاله با استفاده از الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری زمانبندی وظایف در محیط ابر در جهت کمینهسازی زمان تکمیل وظایف انجام شده است و نتایج با الگوریتم بهینه سازی کلونی مورچگان مقایسه شده است. نتایج حاکی از این است که الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری با زمان تکمیل وظایف 124 و 208 به ترتیب به ازای 20 و 30 وظیفه بهترین عملکرد را در زمانبندی وظایف در محیط رایانش ابری دارد.

کلیدواژه ها:

زمانبندی وظایف ، محاسبات ابری ، الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری