اتخاذ رویکرد نگاشت-کاهش از محاسبات ابری جهت حل مسئله زمانبندی کارهابا الگوریتم ژنتیک

زمانبندی عبارت است از تخصیص منابع محدود به فعالیت ها در طول زمان، جهت بهینه سازی یک یا چند تابع هدف .مسئله زمانبندی کار، جزء مهمترین مسائل زمانبندی می باشد که جزء مسائل سخت قرارمیگیرد. بنابراین یافتن الگوریتمی کارآمد برای پیداکردن جواب های مناسب برای این مسئله بسیار ضروری است. الگوریتم های قدیمی به دلیل ماهیت قطعی و سریالی خود، قادر به مدیریت فضای کاملا غیر خطی مسئله زمانبندی کار نبوده و در صورت گرفتار شدن در بهینه های محلی، هیچ راهکاری برای رهایی از آن ندارند. بنابراین استفاده از روش های ابتکاری مبتنی بر الگوریتم های تکاملی و به ویژه الگوریتم ژنتیک می تواند بسیار سودمند باشد. برای این که الگوریتم ژنتیک بتواند یک جواب مناسب در اختیار ما قرار دهد، باید شانس تولید بخش های بزرگی از فضای جواب در جمعیت خود را داشته باشد، بنابراین برای مسئله بسیارسختی مانند زمانبندی کار، این جمعیت باید تا جایی که ممکن است بزرگ باشد. ولی بزرگ بودن جمعیت به معنی هزینه زمانی بزرگتر است زیرا کامپیوترهای معمولی به دلیل ساختار منابع خود، الگوریتم ژنتیک را به شکلی سریال اجرا می کنند و در نتیجه نمی توانند جمعیت های بزرگ را کنترل کنند. برای حل این مشکل نیز باید بتوان از سخت افزار بزرگتری که قابلیت مدیریت داده های بزرگ را داشته باشد، استفاده کرد. در این پایان نامه، ما روشی را بر اساس چارچوب نگاشت-کاهش از محاسبات ابری، معرفی کردیم تا بتوان الگوریتم ژنتیک با جمعیت های بسیار بزرگ را برای حل مسئله زمانبندی کار تولیدکرده و بر مشکل منابع محدود کامپیوترهای معمولی غلبه کنیم