ارایه یک راهکار جهت تخصیص منابع در محاسبات ابری به منظور ایجاد توازن بار با استفاده از الگوریتم ژنتیک

مفهوم محاسبات ابری به طور قابل توجهی محیط سیستم های موازی و توزیع شده را تغییر داده است. توازن بار یکی از وظایف ضروری محاسبات ابری می باشد. در چنین شرایطی، الگوریتم های توازن بار می بایست در تخصیص درخواست ها نقش موثری داشته باشند همچنین اطمینان دهند که استفاده از منابع با یک روش هوشمندانه صورت می پذیرد بطوریکه بهره وری کم یا بهره وری زیاد از منابع در محیط ابر رخ نمی دهد. از آنجا که الگوریتم های ریاضی بهینه سازی اغلب منجر به یک فرمول یا دستورالعمل خاص برای حل هر مساله می شوند و همچنین بیشتر مسایل پیچیده نیازمند ارزیابی تعداد انبوهی از حالت های ممکن برای تعیین یک جواب دقیق می باشند، لذا زمان لازم برای یافتن جواب به صورت نمایی افزایش می یابد. الگوریتم های فرااکتشافی رویکرد جدیدی می باشند که شامل الگوریتم هایی هستند که صریحا یا به صورت ضمنی تقابل بین ایجاد تنوع جستجو و تشدید جستجو را مدیریت می کنند. یکی از مهمترین این الگوریتم ها الگوریتم ژنتیک است، در این تحقیق با توجه به مزایایی که الگوریتم های فرااکتشافی نسبت به الگوریتم های سنتی داشتند روش محاسباتی بر اساس توازن بار با ترکیب الگوریتم ژنتیک و الگوریتم خوشه بندی K-means، ارایه شده است که به نام الگوریتم GA-Kmeans می خوانیم که توازن بار بهتر میان ماشین های مجازی و همچنین بهبود زمان اتمام کامل کار(Make Span) را سبب می شود. استراتژی توازن بار ابداع شده با ابزارNetbeans شبیه سازی شده است. نتیجه آزمایشات، مقایسه الگوریتم پیشنهادی با الگوریتم ژنتیک و الگوریتم ازدحام ذرات(Particle Swarm Optimization) می باشد.