Оптимізація процесів планування реального часу в хмарних обчисленнях

Abstract

Магістерська кваліфікаційна робота виконана студенткою групи КНСШ-11 Огорілко Вікторією Олегівною. Тема “Оптимізація процесів планування реального часу в хмарних обчисленнях”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є процеси планування, які відбуваються в хмарних обчислювальних середовищах. Предметом досліджень є різні алгоритми планування, такі як генетичний алгоритм, адаптивний генетичний алгоритм, алгоритм симуляції відпалу тощо, їх гібридні варіанти, і їх потенціал для оптимізації. Досягнення мети відбувається за рахунок всебічного аналізу існуючих алгоритмів планування, розробки та впровадження покращених та гібридних алгоритмів, а також експериментального тестування їх ефективності у двох різних сценаріях. Основний акцент робиться на оптимізації процесів планування для максимізації виконаних задач та мінімізації витрат у хмарних обчислювальних середовищах. У ході виконання дипломної роботи було не лише створено нові алгоритми планування для хмарних обчислень, але й проведено їх ретельний аналіз, що включає порівняння з традиційними підходами. Зокрема, розглянуто ефективність алгоритмів у контексті двох основних завдань: збільшення обсягу виконаних задач та зниження загальної вартості виконання. Результати дослідження підтверджують переваги адаптивних і гібридних рішень, які виявилися більш ефективними в умовах складних і динамічних середовищ. Цей підхід підкреслює важливість інтеграції сучасних технологій у процес оптимізації хмарних ресурсів, що дозволяє забезпечити їх ефективніше використання навіть у непередбачуваних умовах. Загальний обсяг роботи: 142 сторінки, 46 рисунків, 32 посилання, 11 таблиць. The master's qualification work was performed by the student of the group KNSH-11, Viktoriia Ohorilko. The topic is "Optimization of real-time scheduling processes in cloud computing". The work is aimed at obtaining a master's degree in specialty 122 "Computer Science". The object of research is the scheduling processes that take place in cloud computing environments. The subject of the research is various scheduling algorithms, such as genetic algorithm, adaptive genetic algorithm, simulated annealing algorithm, tabu search, bat algorithm, and their hybrid variants, as well as their potential for optimization. The achievement of the goal is ensured through a detailed analysis of existing scheduling algorithms, the development of new and improved hybrid approaches, and experimental testing of their efficiency in two distinct scenarios. Particular attention is focused on optimizing planning processes aimed at maximizing the number of completed tasks while simultaneously minimizing costs in cloud computing environments, ensuring a balanced approach to achieving these objectives. In the course of this thesis, not only were new scheduling algorithms for cloud computing developed, but a thorough analysis was also conducted, including comparisons with traditional approaches. Specifically, the efficiency of the algorithms was examined in the context of two key objectives: increasing the volume of completed tasks and reducing overall execution costs. The study results confirm the advantages of adaptive and hybrid solutions, which have proven to be more effective in complex and dynamic environments. This approach highlights the importance of integrating modern technologies into the process of optimizing cloud resources, enabling their more efficient use even under unpredictable conditions. The total volume of the work: 142 pages, 46 figures, 32 references, 11 tables.