فهرست نشریات علمی دسترسی آزاد ایران

امروزه بسیاری از مسائل علمی پیچیده نیاز به قدرت محاسباتی و فضای ذخیره⁠سازی بالایی دارند. رایانش ابری مدلی است برای دسترسی آسان و بنا به سفارشِ منابع رایانشی مانند فضای ذخیره‌سازی با کمترین نیاز به دخالت فراهم‌کننده خدمات. ابرها به دلیل مزایای بسیار مورد استقبال قرار گرفتند ولی با توجه به برون‌سپاری، مسائل مربوط به امنیت و حفظ حریم خصوصی به عنوان مهم‌ترین مشکلات این حوزه مطرح می‌شوند. از طرف دیگر، زمانبندی کارها یک مسئله اساسی در سیستم‌های توزیع شده‌ای چون رایانش ابری است. زیرا در یک‌ زمان واحد، کارهای متعددی برای اجرا شدن وجود دارد که به منابع متفاوتی احتیاج دارند درحالی‌که منابع محدود هستند. از این‌رو باید به طور هوشمندانه کارها زمانبندی شوند تا عملکرد سیستم و سوددهی فراهم‌کننده حداکثر گردد. برای حل این مشکل، روش‌های مختلف مانند الگوریتم⁠های مبتنی بر گرادیان برای مسائل مستمر و تک مدلی معمول هستند. اما اگر برای زمانبندی در رایانش ابری استفاده شوند، به دلیل فضای جستجوی بزرگ و طبیعت پیچیده مسائل، این الگوریتم⁠ها ممکن است راه⁠حل رضایت⁠بخشی ارائه ندهند. روش⁠های فرا⁠اکتشافی کارآمد می⁠توانند با این مشکل مقابله کرده و راهحل نزدیک به بهینه در کوتاه⁠ترین دوره زمانی را پیدا کنند. در نتیجه در این مقاله، الگوریتم زمانبندی برای بهبود امنیت با استفاده الگوریتم بهینه‌سازی ازدحام ذرات بهبودیافته ارائه شده است. الگوریتم بهبودیافته با استفاده از یادگیری انطباقی منجر به تنوع در جمعیت می‌شود و لذا تعادلی بین عملیات اکتشاف و بهره‌برداری به دست می‌آید. الگوریتم زمانبندی پیشنهادی همزمان پنج پارامتر (زمان بازگشت، بار، مصرف انرژی، هزینه و امنیت) را در حین توزیع کارها در نظر می‌گیرد تا در نهایت منجر به توزیع بار و کاهش مصرف انرژی می‌گردد. الگوریتم⁠ پیشنهادی با استفاده از شبیه‌ساز کلودسیم پیاده⁠سازی و با روش‌های مربوطه (CJS, OTSS, GTSA, JSSS) مقایسه می⁠شود. نتایج حاصل از شبیه‌سازی نشان می‌دهد که الگوریتم پیشنهادی با در نظر گرفتن ویژگی‌های کارها و منابع، کارایی و اثربخشی قابل‌توجهی در محیط رایانش ابری خصوصاً در بار کاری بالا دارد.