نسرین عرب - کارشناسی ارشد مهندسی کامپیوتر، موسسه آموزش عالی دانشستان ساوه
مجید ابوطالبی - دکترای نرم افزاری کامپیوتر، دانشگاه آزاد اسلامی واحد ساری

زمانبندی رایج ماشین های مجازی در محیط محاسبات ابری بطور عمده فقط حالت جاری سیستم را در نظر می گیرد و بهندرت به حالت های قبلی توجه می کند که این امر باعث عدم توازن و تعادل بار در سیستم می شود . و الگوریتم های تکاملی مطرحشده مانند الگوریتم ژنتیک و همچنین الگوریتم نوبت چرخشی نیز که بصورت الگوریتم پایه در این محیط به کار گرفته شده است، نتوانسته اند در مساله توازن بار موفق عمل کنند . این مقاله یک زمانبندی توازن بار را بر اساس الگوریتم ژنتیک و طبقه بندیارائه می کند که علاوه بر در نظر گرفتن حالت جاری سیستم ، حالات قبلی را هم در نظر می گیرد و همچنین کارهای رسیده به هرسرور را در ابتدا طبقه بندی می کند لازم به ذکر است . نتایج آزمایشگاهی ثابت می کند که این روش قادر به برقراری توازن باربهتر و استفاده معقول از منابع می باشد.

محاسبات ابری ، منابع ماشین های مجازی ، توازن بار ، الگوریتم ژنتیک ، الگوریتم طبقه بندی