الگوريتم زمان بندي كار مبتني بر بهينه سازي ازدحام ذرات و يادگيري انطباقي چندگانه براي بهبود امنيت در محيط رايانش ابري

امروزه بسياري از مسائل علمي پيچيده نياز به قدرت محاسباتي و فضاي ذخيره⁠سازي بالايي دارند. رايانش ابري مدلي است براي دسترسي آسان و بنا به سفارشِ منابع رايانشي مانند فضاي ذخيره‌سازي با كمترين نياز به دخالت فراهم‌كننده خدمات. ابرها به دليل مزاياي بسيار مورد استقبال قرار گرفتند ولي با توجه به برون‌سپاري، مسائل مربوط به امنيت و حفظ حريم خصوصي به عنوان مهم‌ترين مشكلات اين حوزه مطرح مي‌شوند. از طرف ديگر، زمانبندي كارها يك مسئله اساسي در سيستم‌هاي توزيع شده‌اي چون رايانش ابري است. زيرا در يك‌ زمان واحد، كارهاي متعددي براي اجرا شدن وجود دارد كه به منابع متفاوتي احتياج دارند درحالي‌كه منابع محدود هستند. از اين‌رو بايد به طور هوشمندانه كارها زمانبندي شوند تا عملكرد سيستم و سوددهي فراهم‌كننده حداكثر گردد. براي حل اين مشكل، روش‌هاي مختلف مانند الگوريتم⁠هاي مبتني بر گراديان براي مسائل مستمر و تك مدلي معمول هستند. اما اگر براي زمانبندي در رايانش ابري استفاده شوند، به دليل فضاي جستجوي بزرگ و طبيعت پيچيده مسائل، اين الگوريتم⁠ها ممكن است راه⁠حل رضايت⁠بخشي ارائه ندهند. روش⁠هاي فرا⁠اكتشافي كارآمد مي⁠توانند با اين مشكل مقابله كرده و راهحل نزديك به بهينه در كوتاه⁠ترين دوره زماني را پيدا كنند. در نتيجه در اين مقاله، الگوريتم زمانبندي براي بهبود امنيت با استفاده الگوريتم بهينه‌سازي ازدحام ذرات بهبوديافته ارائه شده است. الگوريتم بهبوديافته با استفاده از يادگيري انطباقي منجر به تنوع در جمعيت مي‌شود و لذا تعادلي بين عمليات اكتشاف و بهره‌برداري به دست مي‌آيد. الگوريتم زمانبندي پيشنهادي همزمان پنج پارامتر (زمان بازگشت، بار، مصرف انرژي، هزينه و امنيت) را در حين توزيع كارها در نظر مي‌گيرد تا در نهايت منجر به توزيع بار و كاهش مصرف انرژي مي‌گردد. الگوريتم⁠ پيشنهادي با استفاده از شبيه‌ساز كلودسيم پياده⁠سازي و با روش‌هاي مربوطه (CJS, OTSS, GTSA, JSSS) مقايسه مي⁠شود. نتايج حاصل از شبيه‌سازي نشان مي‌دهد كه الگوريتم پيشنهادي با در نظر گرفتن ويژگي‌هاي كارها و منابع، كارايي و اثربخشي قابل‌توجهي در محيط رايانش ابري خصوصاً در بار كاري بالا دارد.