ارائه يك روش تأمين منبع فعالانه مبتني‌بر پيشگويي براي زمان‌بندي گردش كار چندهدفه در رايانش ابري

به‌منظور مديريت فعالانه بار كاري در طول اجراي برنامه كاربردي روي سيستم ابر، بار كاري بايد از طريق يك روش مناسب پيشگويي شود و از طريق يك كنترل‌كننده سيستم مقياس پذير تعداد منابع موردنياز مديريت شوند. از سوي ديگر زمان بندي گردش هاي كار به‌منظور بهره وري منابع و برآورده كردن نيازمندي هاي كيفي كاربران مختلف به نگاشت مناسب منابع ابري به وظايف گردش كار نياز دارد. زمان بندي گردش كار يك مسئله NP كامل است و الگوريتم هاي تكاملي چندهدفه اغلب براي حل اين مسائل مفيد هستند. بيشتر كارهاي گذشته تنها بر تأمين منبع يا زمان بندي اجراي گردش كارها تمركز كرده اند و تاكنون به تركيب پوياي آن‌ها توجه نشده است. براساس كمبودي كه در اين زمينه وجود دارد، در اين مقاله يك استراتژي تأمين منبع فعالانه با استفاده از شبكه عصبي رقمي ساز بردار يادگير (LVQ) براي پيشگويي بارهاي كاري آينده ارائه مي شود و يك كنترل‌كننده سيستم فازي براي محاسبه تعداد مناسب منابع موردنياز پيشنهاد مي شود كه اين منابع بايد به سيستم اختصاص داده شوند. همچنين يك الگوريتم زمان بندي مبتني بر روش برنامه ريزي خطي چندهدفه براي اجراي بارهاي كاري روي منابع موجود پيشنهاد مي شود. در نهايت ارزيابي مقاله با سه نوع باركاري واقعي انجام مي شود. نتايج آزمايش‌ها نشان مي دهند كه روش پيشنهادي متوسط هزينه اجرا و زمان پاسخ را در مقايسه با كارهاي انجام شده ديگر، كاهش و ميزان بهره وري منابع را افزايش مي دهد.