بهينه سازي الگوريتم زمان بندي كارها در محيط محاسبات ابري جهت تخصيص منابع بر مبناي استراتژي زنبورعسل و مرغ مگس خوار

Optimization of work scheduling algorithm in cloud computing environment for allocating resources based on the strategy of honeybee and hummingbird

رايانش ابري تغيير اساسي در روش اطلاعات ناشناس و داده و اجراي پيشرفت كاربرد ايجاد كرده بود . هر چيزي در ابر قرار مي گيرد كه يك مجموعه اي از چندين سرور و كامپيوتر مي باشد كه مي توان از طريق اينترنت و نه قرار دادن داده و پيشرفت كاربرد در كامپيوتر دسترسي پيدا كرد . چالش سيستم رايانش ابري به منابع درخواست هاي سيستم مربوط مي گردد . تخصيص منابع به درخواست ها به دليل ديناميك هاي منبع و درخواست يك مسئله كامل مي باشد . يكي از مهم ترين و نويد بخش ترين روش ها براي حل چنين مشكلاتي در سال جاري يك سري روش هاي نواورانه مي باشد كه از طبيعت الهام گرفته شده است . اين روش ها با سيستم اجتماعي يا طبيعي شباهت دارند . ما در تحقيق حاضر قصد داريم تا از الگوريتم كلوني كندوي زنبور عسل در كنار الگوريتم مرغ مگس خوار براي زمان بندي منابع استفاده كنيم . متوازن سازي بار وظايف مستقل غير انحصاري در ماشين هاي مجازي يك جنبه مهم از زمان بندي وظيفه در ابر ها مي باشد . هر زمان ماشين هاي مجازي معين داراي بار اضافي مي گردند و ماشين هاي مجازي باقي مانده همراه با وظايفي براي پردازش تحت بار گذاري قرار مي گيرند ، بار بالانس شده بود تا به استفاده ماشين بهينه دست يافت.

Cloud computing has made a fundamental change in the way of strange information and data. Everything is hosted on a cloud that is a set of several servers and computer, which can be accessed through internet instead of placing data and application programs on a personal computer. The challenge of cloud computing system is dedicating the resources to the system requests. Dedicating resources to the requests is a NP-hard optimization problem due to requests and resource dynamics. In recent years, one of the most important and promising method to solve such problems is innovatin methods inspired from the nature. These methods are similar to the social or natural system. In this article, we intend to use the honey bee colony algorithm alongside the humming bird algorithm to map the resources. Our goal is to achieve load balancing across virtual machines to maximize power. Proposed algorithms balancing tasks based on priority in virtual machines, so that the waiting time for tasks in the queue is minimal. Balancing the burden of non-exclusive independent tasks in virtual machines is an important aspect of task scheduling in the clouds. Whenever certain virtual machines have additional load, the remaining virtual machines will be loaded with tasks for processing, to balance the load and to achieve optimum machine utilization.