Cloud computing is the most recent computing paradigm, in the Information Technology where the resources and information are provided on-demand and accessed over the Internet. An essential factor in the cloud computing system is Task Scheduling that relates to the efficiency of the entire cloud computing environment. Mostly in a cloud environment, the issue of scheduling is to apportion the tasks of the requesting users to the available resources. This paper aims to offer a genetic based scheduling algorithm that reduces the waiting time of the overall system. However the tasks enter the cloud environment and the users have to wait until the resources are available that leads to more queue length and increased waiting time. This paper introduces a Task Scheduling algorithm based on genetic algorithm using a queuing model to minimize the waiting time and queue length of the system

چکیده

پردازش ابری یک الگوی محاسباتی جدید در فناوری اطلاعات است که در آن، منابع و اطلاعات بر حسب تقاضا ارائه می ­شود و دسترسی به آنها از طریق اینترنت است. یک عامل مهم در سیستم پردازش ابری، زمانبندی وظایف است که به کارایی کل محیط پردازش ابری مرتبط است. مساله زمانبندی در محیط ابر به معنای تخصیص وظایف درخواستی کاربر به منابع موجود است. هدف این مقاله، ارائه یک الگوریتم زمانبندی مبتنی بر ژنتیک است که زمان انتظار کلی سیستم را کاهش دهد. اما وظایف ورودی به محیط ابر و کاربران باید منتظر بمانند تا منابع آزاد شوند که باعث می­ شود صف طولانی ­تر شود، و زمان انتظار افزایش یابد. ما در این مقاله با استفاده از یک مدل صف­، یک الگوریتم زمانبندی وظایف که مبتنی بر الگوریتم ژنتیک است، برای کاهش زمان انتظار و طول صف سیستم ارائه می ­کنیم.

1-مقدمه

زمانبندی موفق وظایف به یکی از مشکلات در زمینه علوم کامپیوتر تبدیل شده است. هدف زمانبند در محیط پردازش ابری، انتصاب مناسب منابع به وظایف، برای به انجام رساندن تمام وظایف دریافت شده از کاربران است. تعداد زیادی از کاربران، از طریق اشتراک منابع ابری، کارهای خود را به سیستم ابری ارسال می ­کنند و زمانبندی این تعداد از وظایف به یک مشکل در محیط ابری تبدیل می ­شود...