عنوان مقاله :
زمان بندي وظايف با استفاده از الگوريتم تركيبي PSO-IWD در محيط هاي محاسبات ابري با منابع ناهمگن
عنوان به زبان ديگر :
Task Scheduling Using the PSO-IWD Hybrid Algorithm in Cloud Computing with Heterogeneous Resources
پديد آورندگان :
صادقي حصار، عليرضا دانشگاه آزاد اسلامي واحد مشهد - گروه مهندسي كامپيوتر، مشهد، ايران , كامل، رضا دانشگاه آزاد اسلامي واحد مشهد - گروه مهندسي كامپيوتر، مشهد، ايران , هوشمند، محبوبه دانشگاه آزاد اسلامي واحد مشهد - گروه مهندسي كامپيوتر، مشهد، ايران
كليدواژه :
محاسبات ابري , زمان بندي وظايف , بهينه سازي ازدحام ذرات , قطره آب هاي هوشمند , منابع ناهمگن
چكيده فارسي :
زمان بندي بهينه وظايف يكي از مهمترين چالش ها براي دست يابي به عملكرد مطلوب در محيط هاي توزيع شده مانند محاسبات ابري است. هدف از زمان بندي وظايف، تخصيص وظايف به منابع پردازشي است بگونه اي كه برخي از معيارهاي عملكرد سيستم مانند زمان اجرا يا توازي بهينه شوند. زمان بندي وظايف يك مسيله NP-كامل است، از اين رو از الگوريتم هاي اكتشافي يا فرااكتشافي براي حل آن استفاده مي شود. چون ارايه دهندگان ابر، منابع محاسباتي را بر مبناي مدل «پرداخت به ميزان استفاده» ارايه مي كنند، الگوريتم زمان بندي وظايف بشدت هزينه كاربران در ابر را تحت تاثير قرار مي دهد. در اين مقاله يك الگوريتم زمان بندي وظايف جديد بر اساس بهينه سازي ازدحام ذرات بعنوان يك روش فرااكتشافي پيشنهاد مي شود كه وظايف كاربران را به منابع آزاد در محيط هاي محاسبات ابري تخصيص مي دهد. براي تقويت عملكرد روش بهينه سازي ازدحام ذرات از نظر سرعت همگرايي الگوريتم قطره هاي آب هوشمند اعمال مي شود. نتايج اجراي اين الگوريتم روي گراف هاي تصادفي، بهبود قابل توجه كارايي روش پيشنهادي در مقايسه با ساير الگوريتم هاي زمان بندي وظايف را نشان دادند.
چكيده لاتين :
Optimal Task Scheduling is one of the most important challenges for achieving high performance in distributed environments such as cloud computing. The primary purpose of task scheduling is to allocate tasks to resources so that some of the system performance metrics will be optimized such as runtime or parallelism. Task scheduling is an NP-complete problem, so heuristic or metha-heuristic algorithms are used to solve it. Because cloud providers offer computing resources based on the pay-as-you-go model, the scheduling algorithm affects the users cost of the cloud. In this paper, a new cloud task scheduling algorithm based on particle swarm optimization as a metha-heuristic method is proposed that assigns users tasks to free resources in cloud computing environments. To enhance the convergence rate of the particle swarm optimization method, the intelligent water drops algorithm is applied. The results of this algorithm on random graphs showed a significant improvement in the performance of the proposed method compared to other task scheduling algorithms.
