مروری بر الگوریتم های فرا اکتشافی در رایانش ابری و ارائه یک الگوریتم هیبریدی برای حل مسئله زمانبندی کارها در ابر

چکیده مقاله

رایانش ابری یکی از مهمترین پارامترهای محاسبات در نظر گرفته می شود. هدف اصلی آن به اشتراک گذاری منابع محاسباتی است. زمانبندی کارها یک جزء کلیدی برای اجرای جریان کاری بهینه است. این به عنوان یک مسئله دشوار شناخته شده است و بیشترین چالش در محیط محاسبات ناهمگون است، که برای حل این مسئله اخیرا از الگوریتم های تکاملی استفاده شده است. محاسبات تکاملی به صورت انتزاعی از مفاهیم اساسی تکامل طبیعی در راستای جستجو برای یافتن راهحل بهینه برای مسائل مختلف الهام گرفته شده است. حل مسائل دشوار با روشهای قطعی بسیار پیچیده و تا حدی به سمت غیر عملی شدن پیش میرود. الگوریتمهای تکاملی با استفاده از روشهای تصادفی فرااکتشافی، راهحل هایی نزدیک به بهینه با یک هزینه محاسباتی قابل قبول ایجاد میکنند، این نوع جستجو که در اصطلاح جستجوی کامل نامیده میشود، برای برقراری اعتدال بین نیاز به ساخت معیارهای ساده و توانایی تمایز درست بین انتخابهای خوب و بد به وجود آمدهاند. این الگوریتمهای فرااکتشافی که به دلیل کارایی، قدرت و سودمندی پرطرفدار شدهاند، به طور متوسط بهترین تقابل ممکن بین کیفیت و هزینه، کیفیت و زمان لازم را برای حل مسائل دشوار به همراه دارد. در این مقاله به بررسی نحوه عملکرد الگوریتمهای بهینه سازی کلونی مورچهها، بهینه سازی انبوه ذرات، رقابت  استعماری، ژنتیک و شبیه سازی تبرید خواهیم پرداخت و سپس به بررسی هیبرید الگوریتم ژنتیک، که یک نوع ترکیب الگوریتمها است، با سایر الگوریتمها میپردازیم. نهایاَ به این نتیجه میرسیم که هیبرید الگورتیم ژنتیک با الگوریتم بهینه سازی انبوه ذرات عملکرد بهتری نسبت به هیبرید سایر الگوریتم ها دارد و زمان اتمام اجرای کارها 1 و روند زمانی اجرای کارها 2 را بهبود میبخشد.

دریافت لینک دانلود مقاله