بهینه سازی زمانبندی اقتصادی در گریدهای محاسباتی با استفاده از الگوریتم ژنتیک

گریدهای محاسباتی به عنوان یک رویکرد جدید برای حل مسائل در مقیاس بزرگ در زمینه های علمی، مهندسی و تجاری بوجود آمده اند. این گریدها به سوی تجاری شدن پیش می روند و دارندگان منابع با انگیزه های مالی، منابع خود را در اختیار دیگران قرار می دهند. مشتریان گرید نیز با پرداخت هزینه ی درخواست خود، می توانند از این منابع استفاده کنند. صاحبان و کاربران منابع دارای اهداف، استراتژی ها و الگوهای عرضه و تقاضای متفاوتی هستند. برای مدیریت چنین سیستم های پیچیده ای، نمی توان از رویکردهای متداول برای مدیریت منابع که سعی می کنند کارایی را در کل سیستم بهینه کنند، استفاده کرد. رویکرد اقتصادی یک مبنای عادلانه را برای مدیریت موفق ناهمگونی و غیرمتمرکز بودن منابع فراهم می کند. در این رویکرد، صاحبان منابع به دنبال روش های اقتصادی برای مدیریت منابع خود و زمانبندی درخواست های کاربران برای تضمین کیفیت سرویس مورد نظر آنها می باشند. کاربران گرید، وزن زمان اتمام اجرای برنامه، وزن هزینه های محاسبات و استراتژی بهینه سازی هزینه و زمان را به عنوان نیازمندی های کیفیت سرویس، درخواست می کنند. سیستم زمانبندی اقتصادی در گرید باید با استفاده از یک الگوریتم کارا، طوری منابع گرید را به برنامه ی کاربر (که از تعداد زیادی کار مستقل از هم تشکیل شده است). تخصیص دهد که این نیازمندی ها رعایت شده و با توجه به استراتژی بهینه سازی، تابع هدف مینیمم شود. در این مقاله یک تابع هدف وزن دار برای زمانبند پیشنهادی با در نظر گرفتن اهمیت زمان و اهمیت هزینه های کارهای کاربر ارائه داده ایم؛ زمان اتمام وظایف، هزینه اجرای وظایف روی منابع و هزینه شبکه در این تابع مدنظر قرار داده شده اند. هدف زمانبند پیشنهادی کمینه کردن این تابع برای وظایف مختلف کارهای کاربران است. کمینه کردن تابع هدف توسط الگوریتم ژنتیک انجام شده سپس نتایج کار با الگوریتم ازدحام ذرات مقایسه شده اند.

کلیدواژه ها:

گرید محاسباتی ، اقتصاد ، زمانبندی ، ژنتیک