زمانبندی وظایف یک جزء حیاتی هر سیستم توزیع‌شده همچون گرید، ابر و شبکه¬های نظیر به نظیر می¬باشد که وظایف را برای اجرا به منابع مناسب ارجاع می¬دهد. روش¬های رایج در زمانبندی دارای معایبی از قبیل پیچیدگی زمانی بالا، هم‌زمان اجرا نشدن کارهای ورودی و افزایش زمان اجرای برنام چکیده کامل
زمانبندی وظایف یک جزء حیاتی هر سیستم توزیع‌شده همچون گرید، ابر و شبکه¬های نظیر به نظیر می¬باشد که وظایف را برای اجرا به منابع مناسب ارجاع می¬دهد. روش¬های رایج در زمانبندی دارای معایبی از قبیل پیچیدگی زمانی بالا، هم‌زمان اجرا نشدن کارهای ورودی و افزایش زمان اجرای برنامه است. الگوریتم¬های زمانبندی بر پایه اکتشاف جهت اولویت‌دهی به وظایف از
سیاست¬های متفاوتی استفاده می¬کنند که باعث به وجود آمدن زمان¬های اجرای بالا بر روی سیستم¬های رایانش توزیع¬شده ناهمگن می¬شود. بنابراین، روشی مناسب است که اولویت¬دهی آن باعث تولید زمان اجرای کل کمینه گردد. الگوریتم¬ ژنتیک به‌عنوان یکی از روش‌های تکاملی به‌منظور بهینه کردن مسائل NP-کامل به کار گرفته می¬شود. در این مقاله الگوریتم ژنتیک موازی با استفاده از چارچوب نگاشت-کاهش برای زمانبندی وظایف بر روی رایانش ابری با استفاده از صف¬های اولویت چندگانه ارائه‌شده است. ایده اصلی این مقاله، استفاده از چارچوب نگاشت-کاهش برای کاهش زمان اجرای کل برنامه می¬باشد. نتایج آزمایش‌ها بر روی
مجموعه¬ای از گراف¬های جهت¬دار بدون ¬دور تصادفی حاکی از آن است که روش پیشنهادی زمان اجرای کل دو روش موجود را با سرعت همگرایی بالا بهبود داده است.
جزييات مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند
