بهبود تعادل بار در رایانش ابری با استفاده از الگوریتم ژنتیک و خوشه بندی

زمانبندی رایج ماشین های مجازی در محیط محاسبات ابری بطور عمده فقط حالت جاری سیستم را در نظر می گیرد و به ندرت به حالت های قبلی توجه می کند که این امر باعث عدم توازن و تعادل بار در سیستم می شود. و الگوریتم های تکاملی مطرح شده 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 براساس الگوریتم ژنتیک و طبقه بندی ارایه می کند که علاوه بر در نظر گرفتن حالت جاری سیستم، حالات قبلی را ه در نظر می گیرد و همچنین کارهای رسیده به هر سرور را در ابتدا طبقه بندی می کند. نتایج آزمایشگاهی ثابت می کند که این روش قادر به برقراری توازن بار بهتر و استفاده معقول از منابع می باشد.