بهینه سازی چند هدفه برای زمان بندی وظایف در محیط ابر با استفاده از الگوریتم شعله پروانه ای

رایانش ابری به دلیل فراهم کردن سریع منابع و بر حسب تقاضا مورد استقبال جامعه علمی و تجاری قرار گرفته است. برای استفاده بهینه از توان بالقوه این محیط ، نیاز به الگوریتم های زمان بندی موثری وجود دارد که بتواند بهترین منابع را برای اجرای در خواستهای کاربران انتخاب کند. در سیستمهای سنتی(مانند سیستمهای چند پردازنده متقارن) هدف از زمانبندی، بهینه سازی یک هدف (معمولا حداقل کردن زمان اجرا) میباشد، در سیستم رایانش ابری چندین هدف به طور همزمان باید در نظر گرفته شوند. بنابراین زمان بندی در تخصیص منابع مناسب برای اجرای وظایف با یک مسئله توافقی بین چندین هدف مواجه است که متعلق به مسائل بهینه سازی چند هدفه میباشد. در این مقاله الگوریتم شعله پروانه ای((MFO ارائه شده که هم بتواند حداقل کیفیت خدمت مورد نظر کاربران را بهینه کند و هم سودمندی عرضه کنندگان خدمات ابری را افزایش دهد. همچنین این الگوریتم با سه الگوریتم بهینه سازی گرگ خاکستری((GWO، بهینه سازی انبوه ذرات((PSO و ژنتیک چند هدفه((NSGA۲ مقایسه شده است. نتایج شبیه سازی نشان میدهد که الگوریتم پیشنهادی مصالحه بهینه ای را در بین دو هدف متعارض کمینه کردن زمان اجرا و کمینه کردن هزینه اجرا بدست میآورد.

کلیدواژه ها:

زمان بندی وظایف ، بهینه سازی ، الگوریتم شعله پروانه ای