11769

يك رويكرد بهينه سازي مبتني بر الگوريتم وال براي زمانبندي در سيستم هاي رايانش ابري

1399

دكتر جواد وحيدي

زمان‌بندي كار در رايانش ابري مي‌تواند مستقيماً بر استفاده از منابع و هزينه عملياتي يك سيستم تأثير بگذارد. براي بهبود كارايي اجراي وظايف در يك ابر، الگوريتم‌هاي فراابتكاري مختلف و همچنين تغييرات آن‌ها براي بهينه‌سازي زمان‌بندي پيشنهاد شده‌اند. در اين مقاله، براي اولين بار، آخرين الگوريتم بهينه‌سازي نهنگ فراابتكاري (WOA) را براي زمان‌بندي وظايف ابري با يك مدل بهينه‌سازي چندهدفه، با هدف بهبود عملكرد يك سيستم ابري با منابع محاسباتي داده شده، اعمال مي‌كنيم. بر اين اساس، ما يك رويكرد پيشرفته به نام WOA بهبود يافته براي زمان‌بندي وظايف ابري (IWC) براي بهبود بيشتر قابليت جستجوي راه‌حل بهينه روش مبتني بر WOA پيشنهاد مي‌كنيم. ما پياده‌سازي دقيق IWC را ارائه مي‌كنيم و آزمايش‌هاي مبتني بر شبيه‌سازي ما نشان مي‌دهد كه IWC پيشنهادي در مقايسه با الگوريتم‌هاي فراابتكاري فعلي، سرعت و دقت همگرايي بهتري در جستجوي برنامه‌هاي زمان‌بندي وظايف بهينه دارد. علاوه بر اين، مي تواند عملكرد بهتري در استفاده از منابع سيستم، در حضور وظايف كوچك و بزرگ، به دست آورد.

1/1/1900 12:00:00 AM

77829

1401/11/19

A WOA-Based Optimization Approach for Task Scheduling in Cloud Computing Systems

يادگيري ماشين , الگوريتم هاي فراابتكاري , بهينه‌سازي چندهدفه , زمان‌بندي كار , الگوريتم بهينه‌سازي نهنگ

Machine Learning , metaheuristic algorithms , multiobjective optimization , task scheduling , whale optimization algorithm