ارائه رویکرد مبتنی بر الگوریتم تکاملی تفاضلی چندهدفه برای مسئله تخصیص منبع در محیط رایانش ابری

در سال های اخیر، الگوی رایانش ابری به دلیل مقیاس پذیری بالا، قابلیت اطمینان، اشتراک اطلاعات و هزینه پایین نسبت به ماشین های مجزا، بسیار مورد توجه قرارگرفته است. در محیط ابر، زمانبندی و تخصیص بهینه وظایف بر استفاده موثر از منابع سیستم اثر می گذارد. در حال حاضر روش های متداول برای زمانبندی در محیط رایانش ابری با استفاده از روش های سنتی مانند حداقل-حداقل و روش های فرا ابتکاری مانند الگوریتم کلونی مورچه ها انجام می شود. روش های فوق بر بهینه سازی یک هدف متمرکز هستند و به طور همزمان چندین هدف را برآورد نمی کنند. هدف اصلی این تحقیق در نظر گرفتن چندین هدف (زمان اجرای کل، توافق نامه سطح سرویس، مهاجرت و انرژی مصرف شده) در مراکز داده ابری با زمانبندی و تخصیص بهینه وظایف می باشد. در این پژوهش الگوریتم تکاملی تفاضلی چندهدفه به دلیل ویژگی های ساختار ساده و پارامترهای قابل تنظیم کمتر، مورد استفاده قرار می گیرد. در روش پیشنهادی، رویکردی جدید مبتنی بر الگوریتم تکاملی تفاضلی برای حل مساله تخصیص در فضای ابری ارائه می شود که در رویکرد ارائه شده سعی می شود که بر اساس تابع سودمندی چندهدفه تعریف شده و در نظر گرفتن بردارهای جهش و تقاطع بتوانیم در بهبود بهره وری از منابع و در نظر گرفتن اهدافی چون زمان، مهاجرت و انرژی تاثیرگذار باشیم. روش پیشنهادی از طریق شبیه ساز کلودسیم با آزمایش بر روی حجم کار بیش از هزار ماشین مجازی بر روی داده ها ی Planet Lab ارزیابی شده است. نتایج حاصل از شبیه سازی نشان می دهد که روش پیشنهادی توانسته است معیار مصرف انرژی را نسبت به الگوریتم های IqrMc، LrMmt و FA مقایسه شده به طور میانگین به میزان ۲۳ درصد، تعداد مهاجرت ها را به طور میانگین به میزان ۲۹ درصد، زمان اجرای کل را به طور میانگین به میزان ۲۹ درصد و نقص توافق نامه سطح سرویس را به طور میانگین به میزان ۱ درصد بهبود دهد. در این صورت استفاده از رویکرد پیشنهادی در مراکز ابری منجر به سرویس های بهتر و مناسب به مشتریان این مراکز در حوزه های مختلفی از جمله آموزش، مهندسی، صنایع تولیدی، خدماتی و... خواهد شد.