Unapreðenje rasporeðivanja poslova i balansiranja opterecenja u Klaud okruženju primenom metaheuristika inteligencije rojeva

Klaud racunarstvo pripada grupi novijih racunarskih paradigmi, koja se poput paradigme mrežnog racunarstva, bazira na grupisanju resursa i na korišcenju mrežnih i Internet tehnologija. U opštem smislu, klaud racunarstvo se odnosi na novi nacin isporuke racunarskih resursa u vidu usluge, gde se pod resursima podrazumeva gotovo sve, od podataka i softvera, do hardverskih komponenti, kao što su procesirajuci elementi, memorija i skladišta. Klaud racunarstvo je aktuelna i važna multidisciplinarna oblast, o cemu svedoci veliki broj objavljenih radova u vrhunskim međunarodnim casopisima i prikazanih na najznacajnijim svetskim skupovima. Na osnovu naucnih rezultata prikupljenih u objavljenim radovima iz ovog domena, može da se zakljuci da u klaud okruženju postoji veliki broj izazova i problema, za cije rešavanje mogu da se pronađu bolje metode, tehnike i algoritmi. Jedan od najvažnijih izazova savremenog klaud okruženja je raspoređivanje zahteva krajnjih korisnika za izvršavanje na ogranicenom skupu se na definisanje rasporeda izvršavanja zadataka na ogranicenom skupu raspoloživih resursa uzimajuci pritom u obzir potencijalna ogranicenja i funkciju cilja koju je potrebno optimizovati. Raspoređivanje poslova vrše algoritmi raspoređivanja, koji mogu da se podele na staticke i dinamicke. U slucaju statickog raspoređivanja, gde se poslovi ne mogu dinamicki prebacivati sa preopterecnih na manje opterecene virtuelne mašine, zadaci se raspoređuju za izvršavanje na raspoložive virtuelne mašine pre pocetka izvršavanja. S druge strane, primenom metoda dinamickog raspoređivanja, koje je u literaturi poznato pod nazivom balansiranje opterecenja, vrši se preraspodela poslova između aktivnih virtuelnih mašina tokom samog izvršavanja programa raspoređivanja. Preraspodela se vrši tako što se zadaci sa virtuelnih mašina koje imaju vece opterecenje dinamicki prebacuju za izvršavanje na virtuelnim mašinama koje imaju manje opterecenje. Za potrebe dinamickog raspoređivanja koriste se uglavnom heuristicke i metaheuristicke optimizacione metode i algoritmi, koji postižu dobre rezultate. Problemi raspoređivanja poslova i balansiranja opterecenja na klaudu pripadaju grupi NP teških kombinatornih i/ili globalnih problema sa ili bez ogranicenja. Na osnovu publikovanih rezultata u relevantnim literaturnim izvorima, vidi se da su metaheuristike inteligencije rojeva, koje spadaju u grupu prirodom-inspirisanih algoritama, uspešno testirane na bencmark problemima i primenjivane na prakticnim NP teškim optimizacionim problemima (globalnim i kombinatornim) i da mogu da postignu bolje rezultate u smislu brzine konvergencije i kvaliteta rešenja, od drugih metoda, tehnika i algoritama. Polazeci od navedenog, u ovom radu je ispitivano da li je moguce dalje unaprediti rešavanja problema raspoređivanja poslova i balansiranja opterecenja na klaudu primenom metaheuristika inteligencije rojeva. Tokom sprovedenog istraživanja, unapređeno je i adaptirano više metaheuristika inteligencije rojeva za rešavanje problema raspoređivanja poslova i balansiranja opterecenja u klaud okruženju. U disertaciji su detaljno prikazane implementacije dva unapređena algoritma rojeva - algoritma optimizacije monarh leptirovima i algoritma optimizacije jatom kitova. Za potrebe testiranja, rešavana su dva modela raspoređivanja poslova na klaudu. Prvi model, koji pripada grupi jednokriterijumske optimizacije, uzima u obzir minimizaciju vremena izvršavanja svih zadataka na klaudu, dok drugi, višekriterijumski model uzima u obzir minimizaciju vremena izvršavanja svih zadataka na klaudu i budžeta, tj. troškova za izvršavanje svih zahteva krajnjih korisnika. Simulacije su vršene u robusnom okruženju CloudSim simulatora i oba algoritma su testirana sa skupom veštackih podataka, generisanih u okviru CloudSim platforme, i realnih podataka, koji su preuzeti iz globalno dostupne bencmark baze. Osim testiranja za praktican izazov na klaudu, da bi se preciznije utvrdila unapre- đenja modifikovanih metaheuristika u odnosu na osnovne verzije, obe metaheuristike su verifikovane i testiranjima na standardnim skupovima bencmark funkcija za globalnu optimizaciju bez ogranicenja. Upoređivanjem generisanih rezultata (kvalitet rešenja i brzina konvergencije) sa rezultatima najboljih poznatih metaheuristika i heuristika iz literature, koje su primenjivane na iste instance problema (na praktican problem raspoređivanja na klaudu i bencmark testove), dokazan je kvalitet implementiranih algoritama, cime je potvrđena i osnovna hipoteza ovog rada da se rešavanje izazova raspoređivanja poslova i balansiranja opterecenja u klaud okruženju mogu dalje unaprediti primenom metaheuristika inteligencije rojeva.