مقايسه الگوريتم هاي پيشنهادي زمانبندي بهينه در رايانش ابري

محاسبات ابري، زمينه بسيار رايجي در حال حاضر مي باشد كه به سرعت در حال رشد است، براي فراهم كردن منابع در محيط هاي اطلاعاتي، تحقيقات زيادي در سرتاسر جهان انجام شده است. يكي از مشكلات محاسبات ابري زمانبندي انجام كارها در شبكه ابري مطرح شده است كه خود باعث بالارفتن و افزايش كارايي محاسبات ابري و انتخاب مناسب ترين ماشين مجازي براي انجام يك كار خاص مي باشد. و زمان اجراي كار در منابع محاسبات ابري را كاهش مي دهيم. محاسبات ابري براي سازمان ها از اهميت بسزايي برخوردار هست و سعي در استفاده بهينه از منابع را دارند. براي اين منظور بهتر مي باشد تا بين منابع و درخواست ها يك تناظر بهينه ايجاد كرد. به همين دليل از زمانبندي براي تقسيم مناسب درخواست ها و بار بين منابع استفاده مي كنند. براي زمانبندي از الگوريتم هاي مختلفي استفاده شده است در اين مقاله الگوريتم تركيبي مبتني بر يادگيري تقويتي را پيشنهاد مي كنيم. روش‌ها و الگوريتم‌هاي بهينه‌سازي به دو دسته الگوريتم هاي دقيق و الگوريتم‌هاي تقريبي تقسيم‌بندي مي‌شوند. الگوريتم‌هاي دقيق قادر به يافتن جواب بهينه به صورت دقيق هستند اما در مورد مسائل بهينه سازي سخت كارايي ندارند و زمان حل آنها در اين مسائل به صورت نمايي افزايش مي‌يابد. الگوريتم‌هاي تقريبي قادر به يافتن جواب‌هاي نزديك به بهينه در زمان حل كوتاه براي مسائل بهينه‌سازي سخت هستند.