الگوریتم زمان بندی وظایف مبتنی بر ژنتیک در سیستم های توزیعی ناهمگن

سیستم های توزیع شده، مانند سرویس های رایانش شبکه ای و ابری به کاربران خود در سراسر جهان خدمات رایانشی ارایه می کنند. یکی از مهمترین دغدغه های سرویس دهندگان خدمات، هزینه کل مالکیت (TCO) است. بخش بزرگی از TCO مربوط به مصرف برق و ناشی از مدیریت نامناسب منابع است. ماژول زمان بندی وظایف به عنوان یک مولفه کلیدی می تواند تاثیر قابل توجهی بر زمان پاسخ کاربر و بهره وری منابع داشته باشد. چنین سیستم های توزیع شده ی ناهمگن متصل، دارای تعداد زیادی پردازنده هستند که از لحاظ سرعت و معماری متفاوت اند. همچنین، برنامه های کاربردی که به طور معمول در قالب گراف جهت دار بدون دور (DAG) ارایه می شوند باید بر روی این نوع سیستم های پردازش موازی اجرا شوند. در مقاله حاضر، ما یک الگوریتم زمان بندی کار مبتنی بر ژنتیک را برای به حداقل رساندن زمان اجرای کل کارها (makespan) توسعه می دهیم . در این روش از مزایای روش های اکتشافی، برای ایجاد هوشمندانه ی جمعیت اولیه استفاده میشود. همچنین اپراتورهای ژنتیکی به نحو مناسب برای تعیین راه حل مطلوب نهایی به کار گرفته می شوند. برای رسیدن به نتایج دقیق، چندین سناریو در نظر گرفته شده است. الگوریتم پیشنهادی در مقایسه با روش های موجود مثل HEFT و QGARAR از لحاظ متوسط زمان اجرا برتری دارد.

کلیدواژه ها:

برنامه ریزی وظایف ، رایانش ابری ، گراف جهت دار بدون دور (DAG)