چکیده فارسی :

در این مقاله، مسئله ی برنامه ریزی موازی محدودیت-اولویت روی سیستم های محاسبه گر همگن را بررسی می کنیم (HCS)  مانند زیرساختارهای محاسبه ی ابری. این نوع برنامه ی کاربردی که ما مورد مطالعه قرار می دهیم در بسیاری از کارهای تحقیقاتی مورد استفاده قرار گرفته است. هدف بسیاری از این الگوریتمها، به حداقل رساندن زمان محاسبه (makespan) بدون توجه زیاد به مصرف انرژی است. ما یک الگوریتم ژنتیک ترکیبی دو هدفه ی موازی جدید را پیشنهاد می کنیم که نه تنها فاصله را به حساب می آورد، بلکه مصرف انرژی را نیز مدنظر قرار می دهد. به ویژه بر مدل جزیره ی موازی و مدل موازی چندآغازه تمرکز می کنیم. روش جدید ما مبتنی بر مقیاس ولتاژ پویا است (DVS) که از این طریق مصرف انرژی را کاهش می دهد. در بخش مصرف انرژی، به نتایجی دست یافتیم که نشان میدهد روش جدید با تفاوت قابل توجهی نسبت به روشهای قبلی کار می کند. علاوه بر این، مطالعه ی ما پتانسیل DVS را نشان میدهد.

واژه های کلیدی: برنامه ریزی با آگاهی از انرژی، محاسبات ابری، فرااکتشافی، ترکیبی سازی، موازی سازی، الگوریتم ژنتیک، کاربردهای موازی محدودیت-اولویت

چکیده انگلیسی :

In this paper, we investigate the problem of scheduling precedence-constrained parallel applications on heterogeneous computing systems (HCSs) like cloud computing infrastructures. This kind of application was studied and used in many research works. Most of these works propose algorithms to minimize the completion time (makespan) without paying much attention to energy consumption. We propose a new parallel bi-objective hybrid genetic algorithm that takes into account, not only makespan, but also energy consumption.Weparticularly focus on the island parallel model and the multistart parallel model. Our new method is based on dynamic voltage scaling (DVS) to minimize energy consumption. In terms of energy consumption, the obtained results show that our approach outperforms previous scheduling methods by a significant margin. In terms of completion time, the obtained schedules are also shorter than those of other algorithms. Furthermore, our study demonstrates the potential of DVS.