بهبود زمان بندی گردش کاری در محاسبات ابری با استفاده از روش چندهدفه هوش انبوه

محاسبات ابری یک تکنولوژی در حال ظهور است، با توجه به اینکه منطق محاسبات ابری براساس پردازش موازی سیستم ها می باشد بنابراین ساز و کار زمان بندی یکی از مهمترین نقش های حیاتی را در محیط محاسبات ابری ایفا میکند و هستی محاسبات ابری، بدون زمانبندی مفهومی ندارد. با این وجود مشکلی که ابر در این راستا دارد، تحقق زمانبندی چندهدفه با توجه به حجم بالای داده هاست. از آنجایی که هدف از زمان بندی محاسبات ابری دستیابی به زمان بندی مطلوب توسط کاربر است، باید سعی شود که به منظور بهبود توان کل، اهداف خاص در سیستم ها مانند زمان اتمام کار مطلوب، تعادل بار، کیفیت خدمات و غیره محقق شود و از آنجایی که سرویس ابر نیاز به کنترل و مدیریت منابع در سطح وسیعی دارد، در این رابطه برنامه زمان بندی گردش کاری مناسب برای مدیریت کار و وظایف ضروری است. کارهای پیشین در این زمینه بیشتر به بررسی زمان اتمام کار بدون توجه به هزینه مالی پرداخته است در این پژوهش سعی شده تا با استفاده از روش های بهینه سازی چندهدفه هوش انبوه به بررسی این دو هدف در تعامل با یکدیگر پرداخته شود. بنابراین روش پیشنهادی در مورد ارائه یک روش زمان بندی مناسب برای کاهش زمان اتمام کار و کاهش هزینه است. در اینجا بیشترین تلاش ممکن صورت گرفته تا مشکل روشهای موجود در زمان بندی محاسبات ابری حل شود. نتایج پیاده سازی مسئله و مقایسه آن با الگوریتم HEFT ، نشان دهنده دستیابی به زمان بندی بهتر وظایف می باشد.

کلیدواژه ها:

محاسبات ابری ، زمانبندی گردشکاری ، بهینهسازی چند هدفه ، هوش انبوه ، الگوریتم HEFT