بهینه سازی زنجیره تامین ماشین های مجازی درخواستی کاربران در محیط رایانش ابری با رویکرد رایانش سبز و تصمیم پایدار

با گسترش سریع فناوری و توسعه زیرساخت های فناوری اطلاعات ، نیاز به بهینه سازی زنجیره تامین به منظور انجام محاسبات و تولید در محیط رایانش ابری بیش از پیش احساس می گردد. ایجاد یک زنجیره تامین کارا به گونه ای که نیازهای درخواست کنندگان و ارائه دهندگان سرویس های ابری را در کمترین زمان و هزینه با بالاترین کیفیت ارائه دهد، یکی از چالش های مطرح در این حوزه است. مقاله حاضر، مسئله زنجیره تامین ماشین های مجازی درخواستی کاربران در محیط ابری را به یک مسئله بهینه سازی چندهدفه با رویکرد کمینه کردن هدررفت منابع ، توازن بار، کاهش انتقالات داده در شبکه، مصرف انرژی الکتریکی و هزینه سراسری به منظور نیل به زنجیره تامین سبز مدل سازی می کند. به منظور حل این مسئله پیچیده، یک الگوریتم بهینه سازی ترکیبی ژنتیک نامغلوب-ازدحام ذرات سفارشی شده (NSGAII-PSO) ارائه می شود. جهت اعتبار سنجی روش پیشنهادی، ۲۰ سناریوی مختلف در مقیاس های کوچک و بزرگ مطرح شد و کارائی اجرای الگوریتم پیشنهادی با دو الگوریتم بهینه سازی موفق MOPSO و NSGAII در شرایط یکسان مقایسه شد. نتایج آزمایشات و شبیه سازی ها نشان می دهد روش پیشنهادی از لحاظ تابع میانگین رتبه بندی با در نظر گرفتن تمامی اهداف مسئله به میزان ۲۳% و ۴۰% به ترتیب نسبت به الگوریتم های MOPSO و NSGAII برتری دارد.