زمانبندی وظایف گراف جهت دار بدون دور بر پایه الگوریتم ژنتیک فازی مبتنی بر تکثیر با هدف سبز کردن محاسبات ابری

مسئله مدیریت انرژی، همواره یکی از نگرانی های اصلی در سیستم های رایانش ابری برای پشتیبانی از رشدسریع مراکز محاسباتی بوده است، با توجه به اینکه منبع اصلی تولید انرژی، از انرژی های مرسوم و با استفاده از سوختهای فسیلی می باشد به همین دلیل مصرف انرژی نه تنها هزینه برق فراهم کننده های سرویس را افزایش می دهد، بلکهنقش مهمی در افزایش انتشار (CO(2 و گازهای گلخانه ای و در نتیجه آلودگی محیط زیست ایفا می کند به همین دلیلمصرف انرژی و پارامترهای کارایی به عنوان مسئله حیاتی برای زمانبندی کاربردهای موازی مبتنی بر وظایف در سیستمهای محاسباتی با کارایی بالا مانند مراکز داده ابر تبدیل شده است [10]. استراتژی های تکثیر، بر روی کاهش مصرفانرژی و نیز بهینه سازی پارامترهای کارایی متمرکز شده اند. وظایف خاصی روی چندین پروسسر تکثیر شده تا بر سربارارتباطات بین پروسسرها غلبه کنند. در این تحقیق، الگوریتم زمانبندی فازی آگاه به زمان و انرژی با استفاده از استراتژیتکثیر، جهت زمانبندی گراف جهت دار بدون دور روی پروسسرهای مراکز داده ارائه می دهیم. در فاز اول، با ترکیبهوشمند دو استراتژی تکثیر و خوشه بندی، بر روی کاهش میکسپن و انرژی مصرف شده پروسسرها جهت اجرایوظایف موجود در گراف جهت دار بدون دور در حالیکه گذردهی را در نظر می گیرد، متمرکز می شویم. سرانجام یکمجموعه داده تست، توسعه داده شده و پارامترهای مختلفی روی گراف جهت دار بدون دور تولید شده تصادفی برایارزیابی و نشان دادن برتری و اثربخشی الگوریتم ژنتیک فازی پیشنهادی در مقایسه با الگوریتم های دیگر می باشد. نتایجشبیه سازی نشان می دهد که الگوریتم ژنتیک پیشنهادی با تکثیر وظایف همراه با عملگرهای بهبود یافته منطق فازی،راه حلی بهینه جهت کاهش انرژی ارائه می دهد.

کلیدواژه ها:

رایانش ابری ، مصرف انرژی ، الگوریتم ژنتیک ، عملگرهای فازی ، تکثیر وظایف