زمان بندی وظایف با استفاده از الگوریتم ترکیبی PSO-IWD در محیط های محاسبات ابری با منابع ناهمگن

زمان بندی بهینه وظایف یکی از مهمترین چالش ها برای دست یابی به عملکرد مطلوب در محیط های توزیع شده مانند محاسبات ابری است. هدف از زمان بندی وظایف، تخصیص وظایف به منابع پردازشی است بگونه ای که برخی از معیارهای عملکرد سیستم مانند زمان اجرا یا توازی بهینه شوند. زمان بندی وظایف یک مسئله NP-کامل است، از این رو از الگوریتم های اکتشافی یا فرااکتشافی برای حل آن استفاده می شود. چون ارایه دهندگان ابر، منابع محاسباتی را بر مبنای مدل «پرداخت به میزان استفاده» ارایه می کنند، الگوریتم زمان بندی وظایف بشدت هزینه کاربران در ابر را تحت تاثیر قرار می دهد. در این مقاله یک الگوریتم زمان بندی وظایف جدید بر اساس بهینه سازی ازدحام ذرات بعنوان یک روش فرااکتشافی پیشنهاد می شود که وظایف کاربران را به منابع آزاد در محیط های محاسبات ابری تخصیص می دهد. برای تقویت عملکرد روش بهینه سازی ازدحام ذرات از نظر سرعت همگرایی الگوریتم قطره های آب هوشمند اعمال می شود. نتایج اجرای این الگوریتم روی گراف های تصادفی، بهبود قابل توجه کارایی روش پیشنهادی در مقایسه با سایر الگوریتم های زمان بندی وظایف را نشان دادند.