الگوریتم هوشمند تخصیص منابع برای برون سپاری وظایف در محیط رایانش ابری سیار

الگوریتم هوشمند تخصیص منابع برای برون سپاری وظایف در محیط رایانش ابری سیار شیما رشیدی 1 و سعید شریفیان 2 1 دانشکده مهندسی برق دانشگاه امیرکبیر )پلی تکنیک تهران( Shima.Rashidi@aut.ac.ir دانشکده مهندسی برق دانشگاه امیرکبیر )پلی تکنیک تهران( sharifian_s@aut.ac.ir 2 چکیده- این مقاله الگور یتم نوینی برای تخصیص مناسب وظایف در محیط رایانش ابری سیار به صورت آفالین ارائه میدهد. سیستم بهکاربرده شده مبتنی بر معماری دو لیه ابری است که شامل ابر عمومی و تکه ابرها میشود. در الگوریتم پیشنهادی از ترکیب مدل صف و الگور یتم ژنتیک به همراه الگور یتم بهینهسازی کلونی مورچگان استفاده شده است تا میانگین زمان اتمام وظایف توان مصرفی دستگاه سیار هزینه پرداختشده توسط کاربر و تعداد درخواستهای رد شده در سیستم کمینه شود. با استفاده از مدل صف تعداد سرویسدهنده تکه ابرها و زمان انتظار مشتری در صف هر تکه ابر مدل میشود. الگور یتم ترکیبی نظر یه صف و الگور یتم ژنتیک در واحد تصمیمگیری مبتنی بر صف پیادهسازی شده و احتمالت مربوط به تخصیص وظایف به هر تکه ابر را به نحوی مشخص میکند که زمان پاسخ وظایف کمینه شود. این مسئله بهینهسازی به دلیل فضای جست و جوی بزرگ با استفاده از راهحلهای معمول قابل حل نیست که برای حل آن الگوریتم ژنتیک را پیشنهاد کردهایم. با استفاده از این احتمالت در واحد تصمیمگیری مبتنی بر الگوریتم بهینهسازی کلونی مورچگان وظایف به گونهای تخصیص دهی میشوند که میانگین تأخیر ارسال و در یافت کمینه شود. الگوریتم پیشنهادی با دو الگوریتم تخصیصدهی استفاده شده در مقالت مقایسه شده و بهبود قابلتوجهی را نشان میدهد. کلمات کلیدی محاسبات ابری سیار الگور یتم کلونی مورچگان مدل صف برون سپاری تخصیص هوشمند وظایف 1 -مقدمه تلفنهای هوشمند امروزی گسترهی وسیعی از برنامههای کاربردی را پشتیبانی میکنند. با توجه به اینکه گوشیهای هوشمند توان محاسباتی حافظه فضای ذخیرهسازی و انرژی محدودی دارند اجرای برنامههایی که نیاز به منابع پردازشی زیاد بر روی تلفن همراه دارند یک چالش محسوب میشود. خوشبختانه فناوری رایانش ابری منابع محاسباتی مجازی پویای نامحدودی برای رایانش ذخیرهسازی و ارائه خدمات فراهم میآورد. امروزه استفاده از خدمات ابری به منظور غلبه بر محدودیتهای گوشیهای هوشمند رواج یافته است. به این ترتیب برخی برنامههیا دستگاههای همراه برای کاهش مصرف انرژی باطری و افزایش سرعت پردازش و یا جبران محدودیت منابع خود برخی محاسبات را به ابر برونسپاری میکنند] 1 [. رایانش ابری سیار به طور معمول از دو الیه تشکیل میشود. الیه اول ابر عمومی است که احتماال در فاصلهای دور از کاربر قرار داشته و ارتباط با آن تنها از طریق اینترنت با استفاده از بسترهای مخابراتی نظیر 4G 3G امکانپذیر است. این ارتباط معموال به دلیل فاصله زیاد کاربر و ابر سرعت پایینی دارد و با هزینهی مالی برای کاربر همراه خواهد بود. برای جبران این تأخیر استفاده از مدل تکه ابر به عنوان الیه دوم پیشنهادشده است تا تأخیر ارتباط و کمبود پهنای باند مرتفع شود] 2 [. تکه ابرها مراکز داده کوچک با منابع محدودی هستند که در نقاط مختلف شهری قرار داشته و دسترسی به آنها از طریق نقاط دسترسی متصل به آنها با استاندارد Wi-Fi امکانپذیر است. کاربر میتواند نزدیکترین تکه ابر را برای برون سپاری انتخاب کند تا تأخیر ارسال و دریافت و در نتیجه توان مصرفی کاهش یابد. بنابراین کارهای زیادی در راستای انتخاب تکه ابر نزدیکتر با قدرت سیگنال باالتر انجام شده است. در ]3[ رحیمی و همکاران الگوریتمی ارائه دادهاند که به یک کاربر سیار با توجه به نزدیکی تکه ابرها به کاربر خدمات مورد نظر را به گونهای تخصیص میدهد که زمان توان مصرفی و قیمت حداقل شود. در ]4[ یانگ کاو و همکاران الگوریتمی ارائه دادهاند که تخصیص منابع رادیویی برای برونسپاری به گونهای صورت گیرد که تأخیر ارتباط کاهش یافته و مصرف توان برون سپاری حداقل شود. اما در هیچ یک از این پژوهشها به منابع محدود تکه ابرها صف ایجادشده در آنها و زمان انتظار کاربر در صف پرداخته نشده است. در ]5[ یک مکانیزم تخصیص دهی وظیفه ارائه شده است که وظایف را به صورت پویا تخصیص دهی میکند و هدف آن بهبود پارامترهای کیفیت سرویس و توان عملیاتی محیط رایانش ابری سیار با استفاده از الگوریتم کلونی مورچگان است. در هیچ یک از این مراجع ۱۳۹۴ انجمن علوم مهندسی برق ایران ۹۶۰

State1 State3 State2 شکل 1: معماری کلی سیستم برونسپاری ابر سیار منابع تکه ابرها صف تشکیلشده در آنها و زمان انتظار مشتری در صف هر تکه ابر در نظر گرفته نشده است. در این مقاله روشی نوین ارائه شده است که محل مناسب برای برونسپاری را با توجه به منابع تکه ابرها فاصله تکه ابر از کاربر و حداکثر زمان اجرای قابل قبول کاربر تعیین میکند. در این روش از مدل صف تکهابرها و تأخیر ناشی از انتظار کاربر در صف استفاده شده است. الگوریتم پبشنهادی با انتخاب تکه ابر و یا ابر عمومی مناسب برای هر برون سپاری برآیند عملکرد سیستم را با کاهش هزینه کاربر میانگین زمان برونسپاری مصرف توان و تعداد درخواستهای رد شده سیستم بهبود میبخشد. 2- معماری کلی سیستم ابر سیار شکل )1( معماری کلی بهکاربرده شده برای سیستم ابری را نشان میدهد که از دو الیه ابر عمومی و تکه ابرها تشکیل شده است. در این سیستم موقعیت نسبی کاربر دستگاه همراه و تکه ابرها از اهمیت ویژهای برخوردار است. هرچه فاصله کاربر از تکه ابر بیشتر باشد ارتباط آنها به دلیل کاهش قدرت سیگنال ارتباطی و کاهش نرخ ارسال اطالعات زمان بیشتری طول خواهد کشید] 6 [. افزایش زمان ارتباط انرژی مصرفشده برای برقراری ارتباط را نیز افزایش میدهد. هر کاربر درخواست خود را به نزدیکترین تکه ابر اطراف خود میفرستد. پروکسی تکه ابر بعد از دریافت درخواست باید در مورد آن تصمیمگیری نماید تا با توجه به تعداد سرویسدهنده خالی خود صف انتظار خود سرویسدهندههای دیگر تکه ابرها و سایر درخواستها تخصیص دهی مناسب صورت گیرد. این تخصیص دهی در راستای کاهش میانگین زمان برون سپاری کلیه درخواستهاست. به این ترتیب با توجه به شکل 1 سه حالت ممکن است در راستای برون سپاری پیش آید که به ترتیب بهینه بودن در ادامه بیان میشوند: حالت اول برون سپاری به تکه ابر: اگر منافع کلی سیستم برون سپاری درخواست به تکه ابر را پیشنهاد دهد اجرای درخواست کاربر حداقل تأخیر را متحمل میشود. با توجه به هدف سیستم که بهینه کردن پارامترهای جمعی سیستم است ممکن است در این راه کاربری مجبور به تجربه تأخیر بیشتری شود. برای مثال در صورتی که منابع تکه ابر نزدیک محدود باشند و چندین کاربر به آن تکه ابر درخواست داده باشند در صورت تصمیمگیری باید برخی از آنها بجای قرار گرفتن در صف تکه ابر مربوطه به تکه ابر کمی دورتر برون سپاری شوند تا تأخیر سیستم حداقل شود. حالت دوم برون سپاری به ابر عمومی از طریق تکه ابر: در صورت پر بودن ظرفیت تمام تکه ابرها درخواستها در صف قرار میگیرند. اگر زمان انتظار در صف از حد تحمل کاربر بیشتر شود درخواست توسط تکه ابر از طریق اینترنت به ابر عمومی فرستاده میشود و کاربر باید هزینه برون سپاری به ابر عمومی را بپردازد. حالت سوم برون سپاری به ابر عمومی از طریق ارتباط 3G: در صورت پر بودن ظرفیت تکه ابرها و ابر عمومی و نبود پهنای باند کافی درخواست از تکه ابر برگشت خورده و تلفن همراه باید از طریق ارتباط 3G به ابر ۹۶۱

عمومی متصل شود. این نوع برون سپاری بیشترین مقدار تأخیر و هزینه و مصرف توان را ایجاب میکند. در این حالت کاربر باید برای ارتباط 3G و برون سپاری به ابر عمومی هزینه پرداخت کند. 3 -تعریف مسئله هر درخواست کاربر از مجموعهای وظیفه تشکیل شده است که به صورت n} T {T i i = 1,.., نشان داده میشود. وظیفه یک واحد محاسباتی است که میتواند یک زیربرنامه یا یک تابع محاسباتی باشد. برخی وظایف قابل برون سپاری نیستند و باید به صورت محلی بر روی دستگاه همراه اجرا شوند. در صورت تصمیم جهت برون سپاری هر وظیفه توسط یک سرویسدهنده در ابر عمومی یا تکه ابر انجام میشود. هر تکه ابر با Clet {Clet j j = 1,.., m} تعداد سرور مشخصی دارد که با وظیفه به تکه ابر Clet j T i )} j {S i,j (T i, Clet نشان داده میشود. مشخص میشود. هر تکه ابر c j نشان داده میشود. هر تخصیصدهی با یک زوج از مجموعه S به صورت = S در صورت تصمیمگیری جهت برون سپاری زمان اتمام انجام هر وظیفه T i در تکه ابر Clet j از حاصل جمع زمان پاسخ تکه ابر و طول مدت زمان ارتباط جهت برون سپاری به دست میآید که در معادله )1( مشخص شده است. t i,j c = t i,j txr + t r i,j )1( i,j i,j در این رابطه t t i,j r txr c و t به ترتیب زمان اتمام انجام هر وظیفه زمان ارتباط جهت ارسال و دریافت و زمان پاسخ درخواست است. قابل توجه است که زمان ارتباط با فرض ثابت بودن طول بستههای ارسالی تمام وظایف و با توجه به نزدیکی کاربر به تکه ابر در نظر گرفته شده است. زمان پاسخ درخواست نیز از مجموع مدت زمان سرویسدهی و طول مدت قرار گرفتن درخواست در صف مطابق رابطه )2( به دست میآید: t r i,j = t s i,j + t w i,j T i )2( i,j i,j که در این رابطه t s و t w به ترتیب بیانگر مدت زمان سرویسدهی و مدت زمان انتظار در صف تکه ابر میباشند. به همین ترتیب Clet j زمان کلی با توجه به تعداد مشتریهای درون صف تعداد وظیفه تخصیص دادهشده به آن تکه ابر و تعداد سرورهای تکه ابر از رابطه زیر به دست میآید. t Total = n i,j i=1 t c )3( که در این رابطه t Total زمان کلی یک مجموعه تخصیص دهی است. همانطور که در رابطه )4( نشان داده شده است برای سرویسدهی بهتر به کاربران و اغنای پارامترهای کیفیت سرویس الزم است که امکان کوچک باشد. که t thr حداکثر زمان قابلتحمل برای کاربر است. در صورتی که شرط رابطه )4( رعایت نشود حالت دوم پیش آمده و درخواست به ابر عمومی برون سپاری خواهد شد که هزینه بیشتری برای کاربر در پی خواهد داشت. t Total > t thr cost C = α c n c )5( که در رابطه فوق α c و n c به ترتیب مقادیر ضریب قیمت ابر و تعداد مشتریهای برون سپاری شده به ابر از طریق تکه ابر را نشان میدهند. پهنای باند برون سپاری از طریق اینترنت به ابر عمومی محدود است. در صورتی که تعداد مشتریان تخصیص دادهشده به ابر عمومی از تعداد مشخصی که با n thr نشان داده میشود بیشتر شود تأخیر باال رفته و درخواست کاربر رد میشود. در این حالت تلفن همراه باید از طریق 3G به ابر عمومی برونسپاری را انجام دهد که هزینه آن از رابطه زیر محاسبه میشود. n c > n thr cost C = n d (α c + α 3G ) )6( در رابطه فوق پارامترهای n d و α 3G مشخصکننده تعداد درخواسته یا رد شده و هزینه ارتباط 3G هستند. با یک مسئله بهینهسازی روبرو هستیم که با توجه به پارامترهای موقعیت و منابع تکه ابرها تخصیص دهی وظایف باید به گونهای انجام شود که برآیند زمان کلی انجام درخواستها و هزینه حداقل شود. این یک مسئله Np-hard است که برای حل آن راهکارهای هوش مصنوعی را پیشنهاد کردهایم. با توجه به محدودیت منابع تکه ابرها الگوریتم تصمیمگیری مبتنی بر صف و کلونی مورچگان )ACOQD( پیشنهاد شده تا برآیند هزینه توان مصرفی و زمان انتظار برای تمام کاربران سیستم حداقل شود. 4 -الگوریتم تصمیمگیری الگوریتم تصمیمگیری سیستم پیشنهادی از دو واحد کلی تشکیل میشود که کارشان مکمل یکدیگر است. واحد تصمیمگیری مبتنی بر صف )QD( بر اساس مدل صف سیستم احتمال تخصیص درخواست به هر یک از تکه ابرها یا ابر عمومی را باهدف کاهش زمان پاسخ کلی سیستم به دست میآورد. خروجی این واحد ورودی واحد تصمیمگیری مبتنی بر الگوریتم بهینهسازی کلونی مورچگان )ACOD( را تشکیل میدهد. ورودی دیگر واحد ACOD فاصله و یا تأخیر ارتباطی هر کاربر از هر کدام از تکه ابرها است. واحد ACOD با در نظر داشتن احتماالت به دست آمده از واحد قبلی از الگوریتم کلونی مورچگان استفاده کرده و تخصیص دهی وظایف را به تکه ابرها و یا ابر عمومی به صورتی انجام میدهد که تأخیر کلی برونسپاری کارها برای همه کاربران کمینه شود. در ادامه هر یک از واحدهای QD و ACOD با جزئیات بیشتر تشریح میشوند. -1-4 واحد QD هدف این واحد کمینه کردن زمان پردازش کارهای برونسپاری شده در تکه ابرها و ابر عمومی است. زمان پردازش برای یک وظیفه بر اساس مدل t Total تا حد min t Total (S, t r i,j ) s. t.: t Total < t thr )4( ۹۶۲

صف از حاصل جمع زمان انتظار در صف و زمان سرویسدهی به دست میآید. با توجه به شکل 2 هر درخواست کاربر ابتدا به واحد تصمیمگیری مبتنی بر صف فرستاده میشود. این واحد درخواست را با احتمال P 3G از طریق ارتباط 3G به ابر عمومی که با صف M/M/ مدل شده میفرستد در این حالت کاربر زمان سرویسدهی μ 3G را برای ارتباط از طریق 3G متحمل خواهد شد. در حالت بعدی درخواست با احتمال P internet و از طریق تکه ابرها به ابرعمومی فرستاده خواهد شد که زمان سرویسدهی μ internet خواهد شد. در آخرین حالت درخواست با احتمال به تکه ابرها فرستاده خواهد شد P cloudlet اگر نرخ درخواسته یا ورودی به تکه ابرها λ باشد نرخ ورودی هر تکه ابر را میتوان از رابطه λ j = P j λ به دست آورد. P j احتمال تخصیص وظیفه به تکه ابر j ام توسط واحد تصمیم گیرنده است. اگر تکه ابرها را به صورت صفهای M/M/c/ در نظر گرفته و زمان سرویسدهی را برای همه آنها یکسان در نظر بگیریم با توجه به منابع محدود هر تکه ابر تعداد c j درخواست را میتواند به صورت همزمان سرویس داده و درخواسته یا بعدی باید در صف قرار گیرند. شرط الزم برای رسیدن این سیستم به حالت پایدار در رابطه )7( مشخص شده است: ρ j < 1 => λ j c j μ < 1 )7( که پارامتر ρ j میزان اشغال بودن تکه ابر j ام را مشخص میکند. در صورت برقرار بودن این شرط میتوان به رابطه زیر برای احتماالت پایدار هر صف M/M/c که معادل یک تکه ابر است دست یافت: P 0 = ( c a k j 1 j k=0 k! + c a j 1 j ) c j!(1 ρ j ), a j = c j ρ j )8( که با تقریب e z = ( zn n=0 ) n! )9( در رابطه )8( خواهیم داشت: k c j 1 a j k! ea j k=0 P 0 (e a j + c a j 1 j ) c j!(1 ρ j ) همان طور که گفته شد درخواستهای ورودی در صورت خالی بودن صف به سرویسدهنده تکه ابر مناسبتر تخصیص مییابند ولی در صورت پر بودن منابع سرویسدهنده و اتمام منابع آزاد تکه ابر یعنی حضور قبلی c j درخواست یا بیشتر در تکه ابر درخواست جدید باید در صف قرار گیرد. احتمال در صف قرار گرفتن یک درخواست ورودی با توجه به فرمول ارالنگ سی formula( )Earlang s C از رابطه زیر به دست میآید: P cj = P(k > c j ) = k=c j P k = c 1 j 1 k=0 P k = P ( ) 0 c j!(1 ρ j ) تعداد میانگین مشتریهای موجود در سیستم ( avg Q( نیز از رابطه زیر a j c j )11( به دست میآید: مدت زمانی که درخواست در تکه ابر سپری میکند از مجموع زمان انتظار در صف و زمان سرویسدهی تکه ابر مطابق رابطه )12( بدست میآید: t j = t w + 1 μ = Q avg+q init λ j + 1 μ )12( Q avg و Q init به ترتیب مقدار میانگین مشتریها در صف تکه ابر jام و تعداد اولیه مشتریها که از تخصیص دهی قبلی در صف قرار گرفتهاند را مشخص میکند. به این ترتیب زمان پردازش برای کل سیستم از مجموع زمان پاسخ هر تکه ابر به صورت زیر به دست میآید: t total = n cloudlet i=1 P i t i = n cloudlet j=1 λ λ j ( Q avg λ j + 1 μ ) )13( همانطور که گفته شد هدف کاهش زمان سرویسدهی به درخواستهای برونسپاری شده است. در رابطه )13( زمان پاسخ کلی سیستم نمایش داده شده است که بر حسب متغیر λ است. و شرط زیر بر λ j برقرار است: روی متغیرهای min(t total ) s. t. λ 1 + λ 2 + + λ cloudlet = λ )14( شکل 2: مدل صف ارایه شده از سیستم مسئله مطرحشده به دلیل فضای جست و جوی بسیار بزرگی که دارد و از راهحله یا معمول قابل حل نیست. بنابراین الگوریتم ژنتیک برای حل آن پیشنهاد شده است. با حل این مسئله متغیرهای λ j به صورتی به دست میآیند که زمان پاسخ سیستم کمینه باشد. با استفاده از این متغیرها میتوان به راحتی پارامترهای P j را به دست آورد. بنابراین در الگوریتم ژنتیک مربوطه پارامترهای λ j ژنه یا هر کروموزوم را تشکیل داده و تابع هزینه همان t total تعریف میشود و البته شرط رابطه )14( باید بررسی شود. از تقسیم متغیرهای λ j بر λ احتماالت تخصیص وظیفه به هر یک از تکه ابرها یعنی P i ها به دست میآید که ورودی واحد ACOD خواهد بود. در صورت تخصیص وظایف به تکه ابرها با پیروی از احتماالت به دست آمده در این مرحله میانگین زمان اجرای کارهای برونسپاری شده حداقل میشود. البته همواره تکه ابری که کمترین زمان پاسخ را فراهم میک دن الزما فاصلهی کمتری از کاربر ندارد. بنابراین با استفاده از الگوریتم کلونی Q avg = ρ j 1 ρ j P cj )11( ۹۶۳

COST k = mean(l k ) + mean (wt k ) )17( )18( مورچگان عالوه بر زمان پاسخ زمان ارسال و دریافت وظایف نیز در تصمیم گیری نهایی لحاظ شده است. -2-4 واحد ACOD کاهش زمان ارتباط در کاهش مصرف باتری دستگاه همراه بسیار موثر است بنابراین واحد ACOD به این منظور در نظر گرفته شده است. هدف این واحد کمینه کردن زمان ارتباط کاربر و تکه ابر با توجه به فاصله آن دو از هم است. ورودی این واحد موقعیت کاربران و تکه ابرها و خروجی واحد QD است. این واحد از یک الگوریتم کلونی مورچگان بهره میبرد. در این الگوریتم از احتماالت به دست آمده از واحد QD کمک گرفتهشده و آنها به عنوان پارامتر اکتشافی در الگوریتم کلونی مورچگان قرار میگیرند. الگوریتم کلونی مورچگان برگرفته از رفتار طبیعی مورچگان در جست و جوی غذا است. در ابتدا مورچهها فضای جست و جو را به صورت تصادفی میگردند تا به منبع غذا دست پیدا کنند. در صورت یافتن غذا به النه بازمیگردند. مورچهها در مسیر حرکت خود مادهای به نام فرمون از خود ترشح میکنند تا مسیر برای سایر مورچگان عالمتگذاری شود تا فرآیند بازیابی غذا سادهتر گردد. بنابراین مورچهها در انتخاب مسیر خود با احتمالی مسیری را انتخاب میکنند که بیشترین فرمون را داشته باشد. در الگوریتم پیشنهادی ACOQD ماتریسی به نام D تعریف میشود که سطرهای آن نشانگر کاربرها و ستونهای آن نماینده تکه ابرها هستند و هر عنصر ماتریس D ij زمان ارتباط کاربر i با تکه ابر j را مشخص میکند. در هر نسل مسیر هر مورچه مجموعهای از Sها i,j است که با در نظر داشتن ظرفیت باقیمانده تکه ابرها به صورت تصادفی انتخاب میشوند. در صورتی که به تکه ابری بیش از ظرفیتش وظیفه فرستاده شود صفی در تکه ابر تشکیل شده و وظایف اضافه در آن قرار میگیرند. سپس تابع هزینه با توجه به تخصیصهای دادهشده مجموع فاصلهها زمان انتظار در صف و زمان اجرای وظایف را محاسبه کرده و به مسیر طی شده توسط هر مورچه هزینهای نسبت میدهد. با توجه به هزینه هر مسیر مقدار مشخصی فرمون که از رابطه زیر محاسبه میشود به هر لینک تعلق میگیرد. A k if k τ th ant, passes link ij = { COST ij k 0 otherwise τ ij = nant k k=1 τ ij )15( )16( k در این رابطه τ ij مقدار فرمونی است که توسط مورچه k ام در لینک تخصیص S i,j به جا میماند و A یک مقدار ثابت و مثبت است. COST k هزینه مسیر طی شده توسط k امین مورچه است که از میانگین فاصله کاربران از تکه ابرهایی که به آنها تخصیص یافتهاند L k و میانگین زمان انتظار کاربران wt k برای اجرا شدن درخواستهایشان با استفاده از رابطه زیر به دست میآید. زمان انتظار از رابطه زیر به دست میآید: wt k = Q k c k μ که در آن c k Q k و μ به ترتیب تعداد مشتریهای داخل صف هر سیستم ظرفیت هر صف و زمان سرویسدهی سیستمها هستند. از مجموع مقادیر فرمونهای بجا مانده از همه مورچهها در هر لینک )i,j( فرمون کلی آن لینک به دست میآید. سپس با توجه به مقادیر فرمونها τ ij و مقادیر اکتشافی هر مسیر η ij احتماالت انتخاب هر گره j برای وظیفه iام برای مرحله بعد توسط k امین مورچه از رابطه زیر مشخص میشود. P i,j = τ ij α (t) η ij β (t) τ α (t) η β (t) )19( در واحد QD عمل کرده و احتماالت تخصیص وظایف به هر تکه ابر را مشخص میشود این احتماالت به عنوان مقادیر اکتشافی در الگوریتم کلونی مورچگان مورد استفاده قرار میگیرند. در مرحله بعد مورچهها با توجه به این احتماالت اکتشافی اولیه و همچنین فرمون مسیرها در هر قدم تخصیصدهی بعدی مورد نظر خود را انتخاب میکنند. در هر مرحله مقادیر فرمونها با توجه به امتیاز مسیرهای جدید با استفاده از رابطه زیر بروزرسانی میشوند. τ ij (t + 1) = ρ. τ ij (t) + τ ij (t) )21( که ρ ضریب تبخیر فرمون در هر لینک در مدت زمان t تا 1+t را نشان میدهد. این پارامتر کمک میکند که الگوریتم بر روی یک مسیر با فرمون زیاد محدود نشده و به جست و جوی مسیرهای دیگر نیز بپردازد. 5 -شبیهسازی و مقایسه الگوریتم ACOQD الگوریتم ارائه شده با الگوریتم تخصیص تصادفی )Ra( و الگوریتم چرخش ترتیبی Robbin(RR)( )Round مقایسه شده است. در سناریوی پیادهسازی شده 11 تکه ابر به صورت تصادفی در فضای مسئله پخش شدهاند. درخواستها یکسان هستند بنابراین زمان سرویسدهی در همه سرویسدهندههای تکه ابرها برابر است. برای ارزیابی عملکرد الگوریتم پیشنهادی تعداد وظایف به صورت پلهای در هر مرحله شبیهسازی افزایش مییابد. مقادیر ثابت t thr و n thr نیز به ترتیب 21 ثانیه و 4 درخواست مقداردهی شدهاند. در مدل صف نرخ ورودی λ 45 و زمان سرویسدهی در تکه ابرها و ابر عمومی به ترتیب 1 و 1 ثانیه در نظر گرفته شدهاند. در شکل 3 میانگین زمان پاسخ برونسپاری برای الگوریتم ACOQD در مقایسه با دو الگوریتم دیگر نشان داده شده است. با توجه به شکل با افزایش تعداد وظایف میانگین زمان پاسخ افزایش پیدا میکند. الگوریتم پیشنهادی در کمینه کردن میانگین زمان پاسخ نسبت به الگوریتم RR و Ra به ترتیب 2446 درصد و 31 درصد بهبود عملکرد دارد. ۹۶۴

شکل : 5 نرخ درخواست های رد شده سیستم با تعداد کارها ی متفاوت شکل 3: میانگین زمان انجام تعداد کارها ی متفاوت شکل 4 میانگین مصرف توان کاربران با استفاده از الگوریتم ACOQD و دو الگوریتم دیگر را نشان میدهد. مصرف توان تنها با طول زمان ارتباط متناسب است بنابراین برای الگوریتم RR چون مجموعه تخصیص وظایف به تکه ابرها S همواره ثابت است زمان ارتباط تغییری نمیکند بنابراین نمودار مصرف توان الگوریتم RR یک خط صاف میشود. همان طور که در بخش دوم حالت دوم شرح داده شد برای کاهش میانگین زمان اتمام وظایف بعضی کاربران باید زمان ارتباط بیشتر که منجر به مصرف توان بیشتری میشود را تحمل کنند. بنابراین در شکل 4 حالتی که 31 وظیفه به سیستم وارد میشوند با وجود کاهش زمان اتمام وظایف زمان ارتباط و در نتیجه مصرف توان افزایش یافته است. در شکل 5 تعداد درخواستهای رد شده سیستم نشان داده شده است. رد درخواستها بر اساس زمان انتظار بیشتر از t thr انجام میشود که با توجه به تخصیص بهتر و بهینهتر کارها در الگوریتم ACOQD تعداد درخواستهای رد شده کمتر است. در شکل 6 هزینه کلی سیستم در سه الگوریتم با هم مقایسه شده است که همان طور که مشخص است الگوریتم پیشنهادی در تعداد وظیفه پایین هزینهای برای سیستم نداشته و نسبت به الگوریتم RR و Ra به طور متوسط به ترتیب 51 و 64 درصد بهبود عملکرد داشته است. 6 -نتیجهگیری در این مقاله الگوریتمی آفالین جهت تخصیص بهینه وظایف برونسپاری شده توسط کاربران سیار در محیط رایانش ابری ارائه شده است. در این راستا ترکیبی از مدل صف و الگوریتمهای ژنتیک و کلونی مورچگان استفاده شده است. الگوریتم پیشنهادی میانگین زمان پاسخ و هزینه مادی کاربر را به ترتیب در حدود 25 و 55 درصد نسبت به الگوریتمهای موجود بهبود داده است و توان مصرفی باتری دستگاه همراه و تعداد درخواستهای رد شده سیستم کاهش داده است. مراجع [1] N. Fernando, S. W. Loke, W. Rahayu, Mobile cloud computing: A survey, Future Generation Computer Systems, vol. 29, no. 1, pp. 84-106, 2013. [2] M. Satyanarayanan, P. Bahl, R. Caceres, N. Davies, The case for VM-based cloudlets in mobile computing, IEEE Pervasive Computing 8 (2009) 14 23 [3] M. R. Rahimi, N. Venkatasubramanian, S. Mehrotra, and A. V. Vasilakos, MAPCloud: mobile applications on an elastic and Utility and Cloud Computing, pp. 83-90, 2012. [4] Y. Cao, T. Jiang, and C. Wang. "Optimal radio resource allocation for mobile task offloading in cellular networks." IEEE Network, vol. 28, no. 5, pp. 68-73, 2014. [5] R. Achary, et al. "Dynamic Job Scheduling Using Ant Colony Optimization for Mobile Cloud Computing," Springer International Publishing Intelligent Distributed Computing, pp. 71-82, 2015. [6] Y. Cui, et al. "A survey of energy efficient wireless transmission and modeling in mobile cloud computing." Mobile Networks and Applications, vol. 18, no. 1, pp. 148-155, 2013. شکل 4: توان میانگین مصرفی کاربران در سیستم با تعداد کارها ی متفاوت شکل 6: هزینه کل سیستم با تعداد کارها ی متفاوت ۹۶۵