مصطفی احمدی مشکانی - گروه کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران
محمدهادی یوسفی - گروه مکاترونیک، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران
محمدجواد رشیدی - گروه مکاترونیک، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران

در زمینه محاسبات ابری عدم ظرفیت برابر دستگاه ها و همچنین مشخص نبودن تعداد دستگاه های مورد استفاده موجب شده ک نتوان از الگوریتم ها به اسانی استفاده کرد بنابراین استفاده از الگورییتم های بهینه، زمانی معنی پیدا میکند که هیچ دستگاهی نتواند از حد اکثر ظرفیت خود تجاوز کند. همچنین در این مقاله به مساله پایداری پارتیشن بندی پرداخته شده در واقع باید زیرگرافی از لحاظ اتصال انتخاب شود که اگر تعدادی لینک قطع شود پایداری آن از بین نرود و برنامه به درستی اجرا شود. در این مقاله روشی برای پارتیشن بندی گراف یک برنامه کاربردی ارایه شد که به دلیل NP-Hard بودن مساله پارتیشن بندی گراف های بزرگ، از الگوریتم ژنتیک به عنوان یک ساختار انتخابگر استفاده شده که در این الگوریتم سه معیار هزینه، زمان پاسخگویی و انرژی به عنوان یک هدف ترکیبی مورد استفاده قرار گرفته که استفاده از برنامه ریزی خطی به طور موثر بر روی عملکرد بهینه این الگوریتم تاثیر بسزایی دارد. نتایج روش پیشنهادی کاهش مصرف انرژی در حد 0.5 درصد و کاهش زمان پاسخگویی در حد 3 درصد را نشان می دهد.

الگوریتم ژنتیک، برنامه ریزی خطی، پارتیشن بندی گراف، پردازش ابری