Lévy Flight وHeuristic Operator خوارزمية بحث محسّنة عن أسماك مانتا راي باستخدام لجدولة سير العمل العلمي بكفاءة في بيئات السحابة

الملخص

تمثل جدولة سير العمل العلمي في البيئات السحابية تحديًا كبيرًا بسبب التوافر الديناميكي للموارد والترابط بين المهام. تقدم هذه المقالة حلاً هجينًا جديدًا - وهو خوارزمية Lévy-Heuristic Manta Ray Foraging Optimization (LH-MRFOA) - لمعالجة هذه التحديات. يتضمن النهج المقترح Lévy flights into the classic Manta Ray Foraging Optimization (MRFO) الكلاسيكي مع المزيد من الاستكشاف العالمي ويقدم مشغل إدارة التبعية الإرشادي لتحسين تعيين المهام وتقليل وقت الانتظار.

تؤكد التجارب الشاملة على المعايير القياسية (Inspiral، وCyberShake، وMontage، وSIPHT، وEpigenomics) أن أداء LH-MRFOA أفضل من الاستدلالات الفوقية التقليدية (GA، PSO) وتحسينات MRFO المتنوعة باستمرار في تقليل التكاليف التشغيلية والتصنيعية. تميز هذه النتائج بإمكانية LH-MRFOA للتطبيقات واسعة النطاق ذات البيانات الكبيرة والتي تتطلب استخدام الموارد في الوقت المناسب وبأسعار معقولة في مراكز البيانات السحابية الحديثة.