Resumen

En los últimos años, la tecnología de la computación en nube ha atraído una gran atención tanto del mundo académico como de la industria. La popularidad de la computación en nube se originó por su capacidad de ofrecer servicios globales de TI, como infraestructura básica, plataformas y aplicaciones, a los clientes de la nube a través de la web. Además, promete servicios a la carta con nuevas formas del paquete de precios. Sin embargo, la programación de trabajos en la nube sigue siendo NP-completa y se ha vuelto más complicada debido a algunos factores como la dinamicidad de los recursos y los requisitos de las aplicaciones de los consumidores bajo demanda. Para llenar este vacío, este trabajo presenta un algoritmo de optimización Harris hawks (HHO) modificado basado en el recocido simulado (SA) para la programación de trabajos en el entorno de la nube. En el enfoque HHOSA propuesto, SA se emplea como un algoritmo de búsqueda local para mejorar la tasa de convergencia y la calidad de la solución generada por el algoritmo HHO estándar. El rendimiento del método HHOSA se compara con el de los algoritmos de programación de trabajos más avanzados, al tenerlos todos implementados en el kit de herramientas CloudSim. Se emplean cargas de trabajo estándar y sintéticas para analizar el rendimiento del algoritmo HHOSA propuesto. Los resultados obtenidos demuestran que HHOSA puede lograr reducciones significativas en la duración del problema de programación de trabajos en comparación con el HHO estándar y otros algoritmos de programación existentes. Además, converge más rápidamente cuando el espacio de búsqueda es mayor, lo que lo hace apropiado para problemas de programación a gran escala.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:algoritmo de programación de trabajos, optimización harris hawk, algoritmo hhosa propuesto, harris hawk modificado, algoritmo de búsqueda local, tecnología de computación en nube, tasa de convergencia, enfoque hhosa propuesto, problema de programación de trabajos, calidad de las soluciones
• Keywords:jobs scheduling algorithm, harris hawk optimization, proposed hhosa algorithm, modified harris hawk, local search algorithm, cloud computing technology, rate of convergence, proposed hhosa approach, jobs scheduling problem, quality of solutions