زمان‌بندی کاربردهای جریان کاری علمی در محیط چندابری با استفاده از الگوریتم جستجوی فاخته

محیط‌های چندابری شامل منابع متنوع قابل ملاحظه‌ای هستند که هزینه‌های زمان‌بندی کاربردهای جریان کاری در چنین محیط‌هایی می‌تواند به طور چشم‌گیری کاهش یابد و همچنین محدودیت ارائه منابع توسط فراهم‌کنندگان تجاری ابر رفع شود. بر این اساس، این تحقیق به مساله زمان‌بندی کاربردهای جریان کاری علمی در محیط چندابری تحت قید مهلت زمانی با هدف کمینه‌سازی هزینه می‌پردازد. در این مقاله با به کارگیری الگوریتم جستجوی فاخته که یکی از مشهورترین روش‌های جستجوی فراابتکاری می‌باشد، الگوریتمی برای مساله زمان‌بندی کاربردهای جریان کاری در محیط چندابری ارائه شده است. الگوریتم فراابتکاری جستجوی فاخته قادر است در مدت زمانی کوتاه فضای جواب را جستجو نموده و جواب‌هایی را در همسایگی جواب بهینه سراسری بیابد که به آن نزدیک می‌باشد. نتایج به دست آمده نشان می‌دهند که راهکار پیشنهادی این تحقیق در مقایسه با دیگر راهکارهای فراابتکاری در موارد کاهش هزینه کارایی بهتری داشته و همچنین جواب‌های به دست آمده از الگوریتم فراابتکاری پیشنهادی، در حد مطلوبی نزدیک به جواب‌های بهینه سراسری به دست آمده از مدل ریاضی است.

Scheduling of Scientific Workflow Applications in MultiCloud Environment Using Cuckoo Search Algorithm

Multicloud environments consist of the considerable variety of resources where the cost of scheduling workflow applications can be significantly reduced in such environments and the resource limitationsimposed by commercial cloud providers can bealso overcome. Accordingly, this study addresses the scheduling of scientific workflowapplications in a multicloud environment under a deadline with the aim of minimizing costs. In this paper,an algorithm for scheduling of workflow applications in multicloud environment is presented using the cuckoo search algorithm which is one of the most popular metaheuristic methods. The Cuckoo Search Algorithm is able to search the solution space in a short time and find solutions in the vicinity of the optimal global solution that is close to it. The results show that the proposed approach of this research has better performance in comparison with other meta heuristic approach in terms of cost reduction. Moreover, the obtained solutions of the proposed meta heuristic algorithm are in a desirable degree close to the global optimal solutions of mathematical model.