فصلنامه علمی کارافن

فصلنامه علمی کارافن

یک روش زمانبندی وظایف مبتنی بر الگوریتم تکاملی تفاضلی و اجتماع ذرات به منظور افزایش کارایی در محیط محاسبات ابری

نوع مقاله : مقاله پژوهشی (کاربردی)

نویسندگان
1 گروه کامپیوتر، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران
2 گروه برق، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران
چکیده
محاسبات ابری یک روند جدید در محاسبات اینترنت بوده که منابع مختلف را به عنوان سرویس ارائه می‌نماید. یکی از چالش‌های اساسی در محیط ابری زمانبندی وظایف به منظور استفاده بهینه از خدمات مبتنی بر ابر و افزایش کارایی است که باعث می‌شود سیستم در شرایط پایدار قرار داشته باشد. در سال‌های اخیر تحقیقات وسیعی به جهت اختصاص وظایف به ماشین‌های مجازی در محیط‌های ابری ارائه شده است. اگر چه این الگوریتم‌ها به طور موثری کار می‌کنند ولی هنوز به برخی چالش‌ها مانند تاخیر ارتباطی، بکارگیری موثر منابع، قابلیت‌اطمینان و تخصیص کار به ماشین‌های غیر‌قابل استفاده، به طور دقیقی نپرداخته‌اند. یکی از چالش‌های حائز توجه در محیط محاسبات ابری، انتخاب بهترین ماشین مجازی برای هر وظیفه با هدف افزایش کارایی و کاهش هزینه است. در این مقاله، راهکاری به نام PSODE به منظور زمان‌بندی وظایف با بکارگیری الگوریتم‌های تفاضل تکاملی و الگوریتم اجتماع ذرات با هدف افزایش کارایی در محیط محاسبات ابری ارائه شده است. به منظور ارزیابی، راهکار پیشنهادی با الگوریتم تفاضلات تکاملی (DE) و الگوریتم هوش ازدحامی ذرات (PSO) مقایسه گردید. نتایج ارزیابی برای 1000 وظیفه، حاکی از کاهش زمان پاسخ‌دهی نسبت به روش‌های مذکور است.
کلیدواژه‌ها
موضوعات

عنوان مقاله English

A task scheduling method based on differential evolutionary algorithm and particle community in order to increase efficiency in cloud computing environment

نویسندگان English

Golnaz Aghaee Ghazvini 1
zahra Heydaran Daroogheh Amnyieh 2
Babak Nikmard 1
1 Department of Computer Engineering, Dolatabad Branch, Islamic Azad University, Isfahan, Iran
2 Department of Electrical Engineering, Dolatabad Branch, Islamic Azad University, Isfahan, Iran
چکیده English

Cloud computing is a new trend in Internet computing that provides various resources as a service. One of the basic challenges in the cloud environment is task scheduling in order to optimally use cloud-based services and increase efficiency, which makes the system in a stable condition. In recent years, extensive research has been done to assign tasks to virtual machines in cloud environments. Although these algorithms work effectively, they still do not accurately address some challenges such as communication delay, effective use of resources, reliability, and assignment of work to unusable machines. One of the significant challenges in the cloud computing environment is choosing the best virtual machine for each task with the aim of increasing efficiency and reducing costs. In this article, a solution called PSODE is presented to schedule tasks using evolutionary difference algorithms and particle community algorithm with the aim of increasing efficiency in the cloud computing environment. In order to evaluate, the proposed solution was compared with the difference evolutionary algorithm (DE) and the particle swarm intelligence algorithm (PSO). The evaluation results for 1000 tasks indicate a reduction in response time compared to the mentioned methods.

کلیدواژه‌ها English

loud computing
task scheduling
increasing efficiency
differential evolutionary algorithm
particle community algorithm

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 23 آذر 1404

  • تاریخ دریافت 24 دی 1403
  • تاریخ بازنگری 22 اسفند 1403
  • تاریخ پذیرش 23 آذر 1404