بهینه سازی زمانبندی کارها در رایانش ابری به منظور مدیریت مسیرهای مناسب جریان های کاری

در زمانبندی یک گردش کار، برنامه کاربردی با یک گراف جهت دار بدون دور نشان داده می شود، که در آن رئوس مختلف نمودار، وظایف برنامه را نشان می دهند که بر روی ماشین های مجازی ارائه شده توسط ارائه دهنده ابر نشان داده شده است. یک تاریخچه غنی در مطالعه مشکلات زمانبندی در سرویس های مختلف مانند سیستم های چند پردازندهای، شبکه، و ابر وجود دارد. همچنین ارزیابی عملکرد رویکردهای مختلف زمانبندی به طور کمی دشوار است. بنابراین، یک چارچوب مناسب برای نمایش یک رویکرد زمانبندی جهت مطابقت با یک ارزیابی کمی رویکرد زمانبندی اهمیت دارد. چارچوب باید به مجموعه های مختلفی از مثال های گردش کار مجهز شود تا نوع گردش کاری که رویکرد با آن مشکل دارد را کشف کند؛ دانش از یک سری مشاهدات تاییدی افزایش نمی یابد، نمونه های تایید کننده افزایش می یابند. این مثال های دشوار برای حل جریان کار را می توان با مطالعه عملکرد در شرایط پر تنش پیدا کرد، به عنوان مثال، در مهلت های کم. مشخصه مهم دیگر یک چارچوب پروفیل باید مجموعه ای از متریک های نمودار یا شاخص های توپولوژیکی باشد تا بین نمودارهای گردش کار رویکرد زمانبندی مورد مطالعه که نمی تواند آن را حل کند و آنهایی که می توانند با موفقیت آن را حل کنند، تمایز قائل شود. در این پژوهش با استفاده از الگوریتم تکاملی نهنگ، روشی جدید برای زمانبندی گردش کار ارائه شده است که سه معیار انرژی مصرفی، میانگین زمان اجرایی و تعداد مهاجرت ها را به میزان قابل قبولی نسبت به الگوریتم های دیگر بهبود می دهد.