Облачные вычисления – это мощная технология вычислений, которая предоставляет гибкие услуги пользователю в любом месте. Управление ресурсами и планирование задач являются важнейшими перспективами облачных вычислений. Одной из главных проблем облачных вычислений было планирование задач. Обычно планирование задач и управление ресурсами в облаке – это сложная задача оптимизации во время рассмотрения потребностей в качестве обслуживания. Огромные работы в рамках планирования задач фокусируются только на вопросах крайних сроков и оптимизации затрат, а также избегают значения доступности, надежности и надежности. Основная цель данного исследования – разработка оптимизированного алгоритма эффективного распределения ресурсов и планирования в облачной среде. В этом исследовании используется алгоритм PSO и R-фактора. Основная цель алгоритма PSO заключается в том, чтобы задачи планировались на виртуальных машинах для сокращения времени ожидания и пропускной способности системы. PSO – это метод, порожденный социальным и коллективным поведением роев живых существ в природе, и в котором частицы ищут проблемное пространство, чтобы предсказать близкое к оптимальному или оптимальное решение. Разработан гибридный алгоритм, сочетающий PSO и R-фактор с целью снижения время обработки, сделать промежуток и стоимость выполнения задачи одновременно. Результаты испытаний и моделирования показывают, что предложенный метод обладает большей эффективностью, чем ранее распространенные подходы.
1. Buyya R., Yeo C.S., Venugopal S., Broberg J., Brandic I. Cloud computing and emerging IT platforms: Vision, hype, and reality for delivering computing as the 5th utility. Future Generation Computer Systems. 2009;25(6):599-616.
2. Hayes B. Cloud computing. Communications of the ACM. 2008;51(7):9-11.
3. Kennedy J., Eberhart R. Particle swarms optimization. IEEE International Conference on Neural Networks. 1995;4:1942-1948.
4. Pandey S., Wu L., Guru S.M., Buyya R. A Particle Swarm Optimization-Based Heuristic for Scheduling Workflow Applications in Cloud Computing Environments. 2010 24th IEEE international Conference on Advanced Information Networking and Applications (AINA), IEEE. 2010:400-407.
5. Liu P. Cloud computing definition and characteristics. China cloud computing. 2009. http://www.chinacloud.cn. 2009;2(25).
6. Kumar P., Verma A. Independent task scheduling in cloud computing by improved genetic algorithm. International Journal of Advanced Research in Computer Science and Software Engineering. 2012;2(5).
7. Roy P., Mejbah M., Das N. Heuristic based task scheduling in multiprocessor systems with genetic algorithm by choosing the eligible processor. International Journal of Distributed and Parallel Systems (IJDPS). 2012;3(4).
8. Chalack S.A., Razavi S.N., Harounabadi A. Job scheduling on the grid environment using max-min firefly algorithm. International Journal of Computer Applications Technology and Research. 2014;3(1):63-67.
9. Vinothina V., Sridaran R., Ganapathi P. A survey on resource allocation strategies in cloud computing. International Journal of Advanced Computer Science and Applications, 2012;3(6):97-104.
10. Alkayal E.S., Jennings N.R., Abulkhair M.F. Efficient Task Scheduling Multi-Objective Particle Swarm Optimization in Cloud Computing. 2016 IEEE 41st Conference on Local Computer Networks Workshops (LCN Workshops). November; IEEE. 2016:17-24.
11. Buyya A.R.,Nath B. Nature’s Heuristics for Scheduling Jobs on Computational Grids. 8th IEEE International Conference on Advanced Computing and Communications (ADCOM 2000), India. 2000.
12. Zhang L., Chen Y., Yang B. Task Scheduling Based on PSO Algorithm in Computational Grid. 2006 Proceedings of the 6th International Conference on Intelligent Systems Design and Applications, Jinan, China. 2006.
13. Kalra M., Singh S. A review of metaheuristic scheduling techniques in cloud computing. Egyptian Informatics Journa. 2015;16(3):275-295.
Спицын Андрей Алексеевич
Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина»
Воронеж, Российская Федерация
Мутин Денис Игоревич
доктор технических наук
МГТУ Станкин
Москва, Российская Федерация
