دانشگاه قم مدیریت مهندسی و رایانش نرم 2538-2675 4 1 2018 06 22 Optimization of Job Scheduling in the Cloud Computing Environment Using the Fuzzy Particle Swarm Optimization Algorithm بهینه‌سازی زمانبندی وظایف در محیط ابر با استفاده از ویرایش فازی الگوریتم بهینه‌سازی اجتماع ذرات 41 57 1271 10.22091/jemsc.2018.1271 FA شبنم قرائیان دانشگاه آزاد اسلامی،واحد گرمسار،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، گروه کامپیوتر خسرو امیری زاده دانشگاه آزاد اسلامی،واحد گرمسار،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، گروه کامپیوتر Journal Article 2019 02 20 Nowadays, along with the constant increase of using cloud environment by companies and organizations, scheduling jobs in this environment in an optimum way is of prime importance. Therefore, different algorithms have been suggested for assigning tasks to resources in cloud environments; however, most of which do not consider criteria such as balanced load, and reduction of the task completion time. In this work, using the meta-heuristic algorithm of swarm particles optimization (PSO) and fuzzy logic, task completion time is reduced, and, as a result of which, efficiency of using resources is increased. Generally, in a distributed system like cloud environment, tasks are assigned randomly to resources. Hence, total load on the cloud environment could become imbalanced, which reduces system’s efficiency. In this research, PSO and fuzzy logic is used for job scheduling. In addition, the use of simulated annealing (SA) to improve the initial solutions, which are generated randomly, is suggested. Results show that the suggested optimization method can effectively improve criteria like makespan once compared with results of algorithms without optimization, like Ron-robin, and even in comparison to other optimization algorithms, like genetic algorithm.  امروزه با توجه به استفاده­ی روزافزون از محیط ابر توسط شرکت­ها و سازمان­ها، زمان­بندی وظایف در این نوع محیط­ها از اهمیت ویژه­ای برخوردار است. الگوریتم­های متنوعی برای تخصیص وظایف به منابع در محیط ابر پیشنهاد شده است که اغلب آن­ها معیارهایی همچون توزیع بار متعادل، تخصیص بهینه­ی منابع و کاهش زمان اجرای وظایف را در نظر نمی­گیرند. در این کار با استفاده از الگوریتم فرااکتشافی ازدحام ذرات و منطق فازی، زمان اجرای وظایف کاهش و در نتیجه بهره­وری منابع افزایش می­یابد. به­طور کلی در یک سیستم توزیع­شده همچون محیط ابر، توزیع وظایف بر روی ماشین­های مجازی به صورت تصادفی انجام می­شود. در نتیجه، بار کل بر روی محیط ابر غیرمتعادل می­شود که این امر از بهره­وری منابع می­کاهد. دراین تحقیق، الگوریتم ازدحام ذرات¹ و منطق فازی برای زمانبندی وظایف استفاده می­شود. علاوه بر این، استفاده از الگوریتم آنیلینگ شبیه­سازی شده² برای بهبود شرایط اولیه داده­های تصادفی پیشنهاد می­شود. نتایج نشان می­دهد که روش بهینه­سازی پیشنهادی در این کار، معیارهای عملکرد الگوریتم زمانبند مانند زمان خاتمه کار³ را در مقایسه با الگوریتم­های فاقد بهینه سازی (مانند راندرابین⁴) و حتی در مقایسه با الگوریتم های بهینه سازی دیگر همچون الگوریتم ژنتیک⁵ به طور موثری بهبود می بخشد. http://jemsc.qom.ac.ir/article_1271_9920e01934834d3a80008777c200bdef.pdf