Evolutionary Hierarchical Multi-Criteria Metaheuristics for Scheduling in Large-Scale Grid Systems

یکی از چالش‌برانگیزترین مسائل در مدل‌سازی سیستم‌های محاسباتی در مقیاس بزرگ امروزی، مدیریت مؤثر محیط‌های توزیع‌شده با پارامترهای بالا مانند شبکه‌های محاسباتی، ابرها، شبکه‌های موقت و شبکه‌های P2P است. شبکه های محاسباتی نسل بعدی باید

گستره وسیعی از خدمات و زیرساخت های محاسباتی با کارایی بالا را ارائه دهند. انواع مختلف اطلاعات و داده‌های پردازش شده در محیط شبکه پویا در مقیاس بزرگ ممکن است ناقص، نادقیق و تکه‌تکه باشند، که تعیین معیارهای ارزیابی مناسب را پیچیده می‌کند و هم بر در دسترس بودن منابع و هم بر تصمیمات جمعی نهایی کاربران تأثیر می‌گذارد. پیچیدگی معماری شبکه و مدیریت شبکه نیز ممکن است به مصرف انرژی بیشتر کمک کند. همه این مسائل مستلزم توسعه تکنیک‌های مدیریت منابع هوشمند است که می‌تواند تمام این پیچیدگی‌ها و بهینه‌سازی معیارهای معنادار را برای طیف گسترده‌ای از برنامه‌های شبکه بهینه کند.

این کتاب. موضوعات داغ در طراحی، مدیریت و مدیریت محیط‌های شبکه پویا را با تأکید ویژه بر ترجیحات و تصمیمات مستقل کاربران سیستم، دسترسی ایمن به داده‌ها و خدمات پردازش‌شده و کاربرد فناوری‌های سبز پوشش می‌دهد. این شامل تحقیقات پیشرفته مربوط به رویکردهای اکتشافی مبتنی بر ژنتیک مقیاس‌پذیر برای زمان‌بندی شبکه است، که به موجب آن معیارهای زمان‌بندی جدید، مانند قابلیت اطمینان سیستم، امنیت و مصرف انرژی در یک مدل زمان‌بندی کلی گنجانده شده‌اند. این کتاب ممکن است مرجع ارزشمندی برای دانش‌آموزان، محققان و شاغلانی باشد که روی تلاش‌های تحقیقاتی میان رشته‌ای در حوزه‌های محاسبات توزیع‌شده و تکاملی کار می‌کنند - یا علاقه‌مند به پیوستن به آن هستند.

One of the most challenging issues in modelling today's large-scale computational systems is to effectively manage highly parametrised distributed environments such as computational grids, clouds, ad hoc networks and P2P networks. Next-generation computational grids must

provide a wide range of services and high performance computing infrastructures. Various types of information and data processed in the large-scale dynamic grid environment may be incomplete, imprecise, and fragmented, which complicates the specification of proper evaluation criteria and which affects both the availability of resources and the final collective decisions of users. The complexity of grid architectures and grid management may also contribute towards higher energy consumption. All of these issues necessitate the development of intelligent resource management techniques, which are capable of capturing all of this complexity and optimising meaningful metrics for a wide range of grid applications.

This book covers hot topics in the design, administration and management of dynamic grid environments with a special emphasis on the preferences and autonomous decisions of system users, secure access to the processed data and services, and application of green technologies. It features advanced research related to scalable genetic-based heuristic approaches to grid scheduling, whereby new scheduling criteria, such as system reliability, security, and energy consumption are incorporated into a general scheduling model. This book may be a valuable reference for students, researchers, and practitioners who work on – or who are interested in joining -- interdisciplinary research efforts in the areas of distributed and evolutionary computation.