ارائه الگوريتم زمان‌بندي فرآيندها در رايانش ابري مبتني بر هوش جمعي

با گسترش علوم و حجم زياد داده‌ها، ديگر يك منبع، توانايي بررسي و پردازش آن‌ها را ندارد. روش‌هاي بسياري ازجمله پردازش ابري به‌منظور ايجاد يك ساختار براي پردازش اين داده‌هاي پيچيده و حجيم ارائه‌شده است. پردازش ابري بر مبناي اشتراك منابع به‌منظور انجام يك كار عمل مي‌كند. يكي از مسائل مهم در اين نوع شبكه‌ها بيشينه كردن تأثيرگذاري اين منابع است. منابع در پردازش ابري نه‌تنها ممكن است توسط چند كاربر به اشتراك گذاشته‌شده باشد بلكه مي‌توانند به ازاي هر درخواست دوباره به‌تمامي آن‌ها تخصيص داده شوند. از فوايد پردازش ابري مي‌توان به كاهش هزينه‌هاي مربوط ساختارهاي اوليه، اجراي برنامه‌ها با سرعت بيشتر و ساعات كاري بالاتر را نام برد.روش‎هاي كلاسيك زمان‌بندي مورداستفاده در پردازش ابري زمان پردازشي بالاي دارند و در تمامي موارد نمي‌توانند جواب موردنظر را بيابند. روش‌هاي فرا ابتكاري با شاخص‌هاي در نظر گرفته‌شده در آن‌ها، با بررسي فضاي حالت كمتر، زمان پردازشي بهتري دارند. همچنين خروجي اين الگوريتم‌ها، با جواب‌هاي موردنظر، مطابقت بيشتري دارند. هدف در اين پژوهش بالا بردن سرعت و دقت زمان‌بندي كارها است براي رسيدن به اين هدف از الگوريتم جهش تركيبي قورباغه(SFLA)استفاده مي‌شود. الگوريتم پيشنهادي به كمك زبان برنامه‌نويسي جاوا و كتابخانه‌ي Cloudsim شبيه‌سازي مي‌شود تا بتوان آن را با دو الگوريتم كلوني مورچگان و فاخته مقايسه كرد و نيز مشخص شود كه كدام الگوريتم ازنظر دقت و سرعت زمان‌بندي كارها بهتر عمل مي‌كند؛ درنهايت نتايج به‌دست‌آمده نشان‌دهنده كاهش زمان اجراي كل كارها و سرعت همگرايي بالاتر، الگوريتم جهش تركيبي قورباغه نسبت به دو الگوريتم ديگر است.