علی اکبر باغچقی - دانشجوی کارشناسی ارشد، موسسه آموزش عالی اشراق
فرهنگ پدیداران مقدم - استادیار گروه کامپیوتر، موسسه آموزش عالی اشراق
شادی لنگری - مربی، موسسه آموزش عالی اشراق

رشد سریع تقاضا برای استفاده از منابع محاسباتی ابری توسط مراکز داده عظیم، معمولا موجب عدم توازن بار، مصرف مقادیر بالای انرژی و در نتیجه افزایش هزینه عملیاتی در مراکز ابر می شود. برقراری توازن بار در محیط ابر وابسته به بهینه بودن مساله زمانبندی کارها و تخصیص منابع می باشد. تا کنون روش های متعددی جهت بهبود دادن این مساله و کم کردن مصرف انرژی در محیط ابر ارایه شده است. یکی از مهمترین روش های مطرح در این حوزه مطالعاتی استفاده از الگوریتم های هوش جمعی و روش های فرامکاشفه ای می باشد. در این تحقیق نشان می دهیم می توان با استفاده از الگوریتم ژنتیک بهبود یافته توسط الگوریتم تبرید تدریجی در این حوزه کاری، زمان کل تخصیص منابع به درخواست های موجود را نسبت به روش های مشابه کاهش داده و در نتیجه بازدهی سیستم بهبود یافته و توازن بار بهتری در سیستم برقرار شده و در نتیجه مصرف انرژی و هزینه سیستم کاهش می یابد. نتایج شبیه سازی نشان می دهد که روش پیشنهادی نسبت به روش مقاله پایه تحقیق بهنام الگوریتم تعادل بارپویا بر روی ماشین های مجازی، در 60 % موارد بهتر عمل کرده و به واسطه توازن بار بهتر، مصرف انرژی را کاهش می دهد.

رایانش ابری، زمانبندی کارها، توازن بار، الگوریتم ژنتیک، الگوریتم تبرید تدریجی