زمانبندی موثر کارها بر اساس ترکیب الگوریتم ژنتیک و جستجوی گرانشی جهت بهبود هزینه در رایانش ابری

امروزه رایانش ابری محبوبیت زیادی پیداکرده است و نمونه‌ای از محاسبات توزیع‌شده، متشکل از منابع و درخواست‌ها را باهدف اشتراک‌گذاری منابع به صورت سرویس در بستر اینترنت ارائه می کند.این محیط تصوری از منابع بسیار را برای کاربران فراهم می‌کند.در ابر، فراهم‌کنندگان می‌خواهند بیش‌ترین بازده را از منابع خود داشته باشند و کاربران نیز می‌خواهند هزینه‌های کمتری پرداخت کرده و درعین حال، عملکرد دلخواهشان را به دست بیاورند. استفاده مناسب و بهینه از منابع یک چالش است. بنابراین ، چگونگی زمانبندی وظایف مسئله ای مهم محسوب می شود که تاثیر زیادی در عملکرد فراهم کنندگان سرویس ابر دارند. برای حل مساله زمانبندی کار، در سیستم رایانش ابری از ترکیب دو الگوریتم جستجوی گرانشی و الگوریتم ژنتیک استفاده کرده ایم. ابتدا فضای جستجوی ما بر اساس الگوریتم جستجوی گرانشی تنظیم شده است ولی به دلیل اینکه الگوریتم جستجوی گرانشی برای تنظیم پارامتر ها و اجرای الگوریتم برای پیدا کردن راه حل بهینه تنوع را به سرعت از دست می دهد،و از این رو توانایی کاوش در فضای جستجو را ندارد.بنابراین از الگوریتم دیگر به نام الگوریتم ژنتیک برای یافتن راه حل بهینه استفاده کردیم.درطی تحلیل روش پیشنهادی دو سناریو برای زیرساخت محیط ابر ارائه شده است.طول زمانبندی،زمان اجرا،هزینه ،انرژی به میزان قابل توجهی نسبت به الگوریتم aco کاهش می یابد.