ارایه الگوریتم زمانبندی فرآیندها در رایانش ابری مبتنی بر هوش جمعی

با گسترش علوم و حجم زیاد داده ها، دیگر یک منبع، توانایی بررسی و پردازش آنها را ندارد. روش های بسیاری از جمله پردازش ابری به منظور ایجاد یک ساختار برای پردازش این داده های پیچیده و حجیم ارایه شده است. پردازش ابری بر مبنای اشتراک منابع به منظور انجام یک کار عمل می کند. یکی از مسایل مهم در این نوع شبکه ها بیشینه کردن تاثیرگذاری این منابع است. منابع در پردازش ابری نه تنها ممکن است توسط چند کاربر به اشتراک گذاشته شده باشد بلکه می توانند به ازای هر درخواست دوباره به تمامی آنها تخصیص داده شوند. از فواید پردازش ابری می توان به کاهش هزینه های مربوط ساختارهای اولیه، اجرای برنامه ها با سرعت بیشتر و ساعات کاری بالاتر را نام برد. روش های کلاسیک زمانبندی مورد استفاده در پردازش ابری زمان پردازشی بالای دارند و در تمامی موارد نمی توانند جواب مورد نظر را بیابند. روش های فرا ابتکاری با شاخص های در نظر گرفته شده در آنها، با بررسی فضای حالت کمتر، زمان پردازشی بهتری دارند. همچنین خروجی این الگوریتم ها، با جواب های مورد نظر، مطابقت بیشتری دارند. هدف در این پژوهش بالا بردن سرعت و دقت زمانبندی کارها است برای رسیدن به این هدف از الگوریتم جهش ترکیبی قورباغه (SFLA) استفاده می شود. الگوریتم پیشنهادی به کمک زبان برنامه نویسی جاوا و کتابخانه ی Cloudsim شبیه سازی می شود تا بتوان آن را با دو الگوریتم کلونی مورچگان و فاخته مقایسه کرد و نیز مشخص شود که کدام الگوریتم ازنظر دقت و سرعت زمانبندی کارها بهتر عمل می کند؛ در نهایت نتایج به دست آمده نشان دهنده کاهش زمان اجرای کل کارها و سرعت همگرایی بالاتر، الگوریتم جهش ترکیبی قورباغه نسبت به دو الگوریتم دیگر است.

کلیدواژه ها:

الگوریتم زمانبندی ، جهش ترکیبی قورباغه ، فرآیند ، رایانش ابری ، هوش جمعی