بهینه سازی مسئله زمانبندی فعالیت ها با استفاده از الگوریتم های (ژنتیک، بهینه سازی ازدحام ذرات و جست و جوی تصادفی)

زمانبندی کارها یک مسئله چالش برانگیز و مهم است که با توجه به افزایش اندازه داده ها و حجم زیاد داده ها به یک مشکل NP-hard تبدیل شده است. این توجه بسیاری از محققان در سراسر جهان را جلب کرده است، بنابراین، برنامه ریزی کار به منظور ارائه خدمات بهتر به کاربران بسیار مهم است. در این راستا، هدف مطالعه حاضرارائه یک الگوریتم جدید زمانبندی کار با استفاده از الگوریتم های ژنتیک، بهینه سازی ازدحام ذرات و جست و جوی تصادفی است. این الگوریتم از مزایای شایستگی سه الگوریتم ژنتیک، بهینه سازی ازدحام ذرات و جست و جوی تصادفی استفاده می کند. علاوه بر این، در تلاش برای تغییر جمعیت اولیه یا راه حل های اصلی برای الگوریتم ژنتیک و بهینه سازی ذرات است. الگوریتم ارائه شده از یک راه حل اولیه بهتر استفاده می کند. جستجوی محلی یکی دیگر از جنبه های در نظر گرفته شده برای الگوریتم جدید بود. نتایج الگوریتم با یکدیگر مقایسه شد. همانطور که نتایج نشان می دهد، در مقایسه با الگوریتم های دیگر، روش ژنتیک به طور موثر در کاهش فاصله زمانی با استفاده از تعداد مختلف وظایف و ماشین های مجازی بهتر عمل می کند.

کلیدواژه ها:

الگوریتم (ژنتیک ، بهینه سازی ازدحام ذرات ، جست و جوی تصادفی) ، زمان اجرا ، زمانبندی کار