سارا نورزاده - گروه کارشناسی ارشد نرم افزار کامپیوتر، دانشکده مهندسی، واحد بافت کرمان، دانشگاه آزاد اسلامی، بافت کرمان، ایران
فرخ کروپی - استادیار، گروه کارشناسی ارشد نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد بافت کرمان، بافت کرمان، ایران

محاسبات ابری به عنوان یک مدل جدید در محاسبات توزیع شده ی مقیاس بزرگ در حال ظهور است که دسترسی شبکه ای مناسب را ایجاد می کند و هنگام درخواست، تعداد زیادی از منابع محاسباتی مشترک را برای کاربران فراهم می کند. زمانبندی کار یکی از چالش های اصلی در محاسبات ابری است. هدف از زمانبندی توزیع حجم کار پویا بین گره های متعدد برای تحصیل اطمینان از این که هیچ گره تکی دارای بار زیادی نبوده و هیچ گرهی بیکار نباشد، می باشد. موازنه بار به استفاده ی بهینه از منابع و بنابراین به افزایش عملکرد سیستم کمک می کند که این امر موجب به حداقل رساندن مصرف منابع و در نتیجه کاهش مصرف انرژی که نیاز مبرم محاسبات ابری است، می شود. برای زمانبندی در سیستم های محاسبات ابری، پارامترهای مختلف مانند کارایی، زمان پاسخ، مقیاس پذیری، توان عملیاتی، بهره برداری از منابع، تحمل پذیری خطا، زمان مهاجرت و سربار مرتبط را در نظر می گیرند. برای بهینه سازی و بهبود این پارامترها الگوریتم های متفاوتی ارایه شده است. در این مقاله، با استفاده از الگوریتم ترکیبی، سرد کردن فلزات در محیط محاسبات ابری انجام گرفته و پارامتر زمان پاسخ بهبود می یابد. در ادامه نتایج حاصل از این الگوریتم با نتایج حاصل از الگوریتم بهینه سازی توده ذرات مقایسه شده، سپس تفاوت این دو الگوریتم از جنبه های مختلف مطرح می شود

محاسبات ابری، محاسبات توزیع شده، الگوریتم سرد کردن فلزات، الگوریتم بهینه سازی توده ذرات