مقایسه عملکرد الگوریتم ازدحام سالپ بهبودیافته با الگوریتم ازدحام سالپ پایه با استفاده از حل مسئله زمانبندی وظایف در محیط رایانش ابری

بهینه سازی مطالعه انتخاب راه حل بهینه از مجموعه ای از راه حل های جایگزین برای یک مسئله است. در واقع، مسئله ای که بیش از یک راه حل قابل اجرا دارد، یک مسئله بهینه سازی است. هدف از الگوریتم های بهینه سازی یافتن یک جواب قابل قبول، با توجه به محدودیت و نیاز مسئله است. برای مقایسه جواب های یک مسئله و انتخاب جواب بهینه، تابعی به نام تابع هدف تعریف می شود . از دیدگاه کلی، رویکردهای حل مسئله بهینه سازی به دو گروه روش های تصادفی و روش های قطعی گروه بندی می شوند. الگوریتم های بهینه سازی مبتنی بر جمعیت یکی از الگوریتم های کارآمد در دسته روش های تصادفی هستند. بسیاری از مسائل بهینه سازی در کاربردهای علمی و مهندسی، پیچیده و چالش برانگیزند. از این رو، به رویکردهای حل مسئله جدیدی نیازمندند. به منظور مقابله با اینگونه مسائل، رویکرد فعلی پژوهشگران این است که از الگوریتم های فراابتکاری مبتنی بر هوش جمعی استفاده کنند. در این مقاله عملکرد یکی از الگوریتم های هوش جمعی به نام الگوریتم ازدحام سالپ، با استفاده از حل مسئله زمان بندی وظایف در محیط رایانش ابری مورد بررسی قرار داده شده و بعد از بهبود بخشیدن عملکرد الگوریتم، عملکرد الگوریتم بهبودیافته با الگوریتم ازدحام سالپ پایه مورد مقایسه قرار گرفته است. آزمایش ها در چندین سناریو در محیط شبیه سازی نرم افزار متلب صورت گرفته است. نتایج حاصل از ارزیابی ها، عملکرد بهتر الگوریتم ازدحام سالپ بهبودیافته نسبت به الگوریتم ازدحام سالپ پایه را نشان می دهد.

کلیدواژه ها:

الگوریتم بهینه سازی ، زمان بندی وظایف ، الگوریتم ازدحام سالپ