بهینه سازی سیستم ابر زمانبند در گرید محاسباتی با استفاده از الگوریتم ژنتیک و منطق فازی

یکی از چالشهای گرید محاسباتی بهره برداری مناسب از منابع و تخصصین آنها به کارها زمانبندی می باشد. سیستمهای مبتنی بر قوانین فازی، سیستمهایی پویایی هستند که اخیرا مورد توجه جامعه ی پژوهشی گرید جهت یافتن را حل های بهینه سازی زمانبندی در گرید، قرار گرفته اند. با توجه به این که کیفیت سیستمهای مبتنی بر قوانین فازی به شدت به کیفیت پایگاه دانش خود و در نتیجه به اکتساب دانش بستگی دارد: همچنین با توجه به ماهیت ذاتا پویای گرید و فضاهای جستجوی پیچیده ی آن، ایجاد یک پایگاه دانش خودار با کیفیت بالا که سیستم فازی را به طور دقیق توصیف کند، مسیله ای بسیار مهم و مرتبط با این سیستم ها می باشد در این مقاله یک سیستم زمانبندی مبتنی بر قوانین فازی ترکیب شده با یک روش ژنتیک جدید انجام فرآیند یادگیری برای استنتاج پایگاه قوانین فازی و بهبود استراتژی های کلاسیک از لحاظ تلاش محاسباتی و رفتار همگرایی جهت توازن زمان و هزینه پیشنهاد شدهاست.