ارائه مدلی برای توازن بار در رایانش ابری به کمک الگوریتم گرگ خاکستری بهبود یافته

توازن بار در رایانش ابری یکی از مسائل چالش برانگیز در حفظ کارایی مطلوب و تامین کیفیت سرویس است. الگوریتم های بهینه-ساز متعددی برای حل این مساله مورد استفاده قرار گرفته اند. در این مقاله، الگوریتمی ترکیبی برای توازن بار در محیطی همگن در رایانش ابری پیشنهاد شده است. روش پیشنهادی، مدلی ترکیبی از الگوریتم بهینه ساز گرگ خاکستری با تکنیک درخت تصمیم است. درخت تصمیم یکی از روش هایی است که می تواند در کنار الگوریتم های بهینه ساز قرارگرفته و در انتخاب حالت های بهینه کمک کند و یا باعث تسریع در این عمل شود. در این مقاله سه پارامتر زمان پاسخ کل، مدت زمان انجام وظایف و نرخ بهره برداری به عنوان توابع هدف در بهینه سازی بوده اند. روش پیشنهادی در محیط cloudsim، شبیه سازی شده و با الگوریتم گرگ خاکستری معمولی مقایسه گردیده است. نتایج مقایسه نشان‌دهنده ی 83 درصد بهبود عملکرد در زمان پاسخ کل، 84 درصد در مدت زمان اتمام کار سرور و به طور میانگین حدود 6 برابر بهبود در نرخ بهره برداری است.

providing a model for load balancing in cloud computing using the improved gwo algorithm

load balancing in cloud computing is one of the challenging issues in maintaining optimal performance and ensuring service quality. several optimization algorithms have been used to solve this problem. in this article, a hybrid algorithm is proposed for load balancing in a homogeneous environment in cloud computing. the proposed method is a hybrid model of gray wolf optimization algorithm with decision tree technique. the decision tree is one of the methods that can be placed next to the optimization algorithms and help in choosing optimal modes or accelerate this process. in this article, the three parameters of the total response time, the duration of tasks and the utilization rate have been used as objective functions in optimization. the proposed method has been simulated in the cloudsim environment and compared with the normal gray wolf algorithm. the comparison results show 83% performance improvement in total response time, 84% in server completion time and an average of 6 times improvement in utilization rate.