بهینه سازی زمان بندی وظایف در محیط ابری با استفاده از ترکیب الگوریتم کلونی مورچگان و الگوریتم مارمولک

چکیده مقاله

در این پژوهش، یک الگوریتم ترکیبی جدید با عنوان ACO FLO برای حل مسئله زمان بندی وظایف در محیط های رایانش ابری ارائه شده است این الگوریتم با ترکیب قدرت جستجوی سراسری الگوریتم کلونی مورچگان ACO و سرعت همگرایی الگوریتم بهینه سازی مارمولک یقه دار FLO ، به دنبال ایجاد تعادل موثر میان اکتشاف و بهره برداری در فرآیند بهینه سازی وظایف است هدف اصلی پژوهش، کاهش زمان کل اجرای وظایف Makespan و ارتقای کارایی منابع در سیستم های ابری بوده است برای ارزیابی عملکرد، الگوریتم های ACO، FLO و ACO FLO روی مجموعه ای از وظایف با اندازه های مختلف و رندوم پیاده سازی و آزمایش شدند نتایج شبیه سازی در محیط CloudSim نشان داد کهACO FLO نسبت به نسخه های مستقل خود عملکرد بهتری دارد و توانسته در برخی سناریوها تا بیش از ۳۴% نسبت به سایر الگوریتم ها بهبود درMakespan ایجاد کند این یافته ها نشان دهنده ی قابلیت بالای الگوریتم ترکیبی ACO FLO به عنوان یک راهکار موثر و قابل اعتماد برای زمان بندی وظایف در محیط های محاسباتی پویا و مقیاس پذیر ابری است

کلیدواژه‌ها

نویسندگان

محمدعلی بزازی

کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه تبریز

�زازی، محمدعلی،1404،بهینه سازی زمان بندی وظایف در محیط ابری با استفاده از ترکیب الگوریتم کلونی مورچگان و الگوریتم مارمولک،بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات26 تیر 1404 · بابل