Task Scheduling Algorithm Based on the Genetic Algorithm and Dynamic Adaptive Scheduling in a Cloud Computing Environment

Abstract

رایانش ابری مفهومی است که اخیراً در دنیای فناوری اطلاعات معرفی شده که محیطی را برای به اشتراک‌گذاری منابع فراهم می‌نماید. در محیط رایانش ابری یک سیستم زمانبندی کارا و مؤثر، نقش کلیدی دارد و در میزان موفقیت آن محیط بسیار تعیین‌کننده می‌باشد. از این‌رو مسأله‌ زمان‌بندی وظایف در رایانش ابری، مسأله‌‌ای بسیار مهمی محسوب می‌شود که سعی دارد یک زمان‌بندی بهینه برای اجرای وظایف و تخصیص منبع بهینه مشخص نماید. این پژوهش با هدف ارائه رویکردی جدید برای بهینه‌سازی زمان‌بندی وظایف براساس ترکیبی از الگوریتم تطبیقی پویا و الگوریتم ژنتیک در محیط رایانش ابری انجام گرفته است. مدل ترکیبی، با هدف پوشش‌دادن نقاط ضعف دو الگوریتم ژنتیک و زمان‌بندی تطبیقی پویا، ارائه شد که به موجب آن ضعف الگوریتم ژنتیک یعنی سرعت عمل پایین، با ایجاد یک راه‌حل اولیه مناسب برطرف گردید و همچنین ضعف الگوریتم زمان‌بندی تطبیقی پویا که همانا به دام افتادن در جواب‌های محلی است، با استفاده از الگوریتم بهینه‌سازی تکاملی پوشش داده شد. در مدل پیشنهادی نخست الگوریتم تطبیقی پویا با تکنیک جستجوی منابع مورد نیاز به کمک درخت کی‌دی و بازیابی داده‌ها به صورت موازی توانسته است در زمان بسیار خوبی جواب مناسبی برای مسأله‌ی زمان‌بندی پیدا کند، که به‌عنوان جواب اولیه به الگوریتم ژنتیک سپرده شد و الگوریتم ژنتیک نیز به جستجوی بهینه می‌پردازد. در نتیجه الگوریتم نهایی حاصل از ترکیب این دو، توازن بار بهتری برای منابع ابری در مدت زمان نسبتاً قابل قبول ارائه می‌دهد.