Resumen

Las plataformas de computacin en nube han utilizado ampliamente los flujos de trabajo cientficos para ejecutar aplicaciones a gran escala. Sin embargo, la programacin de flujos de trabajo multiobjetivo con estndares cientficos para optimizar los parmetros de calidad del servicio es una tarea difcil. Se han propuesto varias tcnicas de programacin metaheursticas para satisfacer los parmetros de calidad de servicio, como la duracin, el coste y la utilizacin de recursos. Sin embargo, los enfoques metaheursticos tradicionales son incompetentes para mantener un equilibrio aceptable entre la exploracin y la explotacin del espacio de bsqueda debido a sus limitaciones, como quedar atrapado en el valor ptimo local en etapas posteriores de la evolucin y un problema de optimizacin no lineal de mayor dimensin. Este artculo propone un algoritmo mejorado de optimizacin de la mosca de la fruta (IFFO) para minimizar la duracin y el coste de la programacin de mltiples flujos de trabajo en un entorno de computacin en nube. El algoritmo propuesto se evala utilizando CloudSim para la programacin de mltiples flujos de trabajo. Los resultados comparativos muestran que el algoritmo propuesto IFFO supera a FFO, PSO y GA.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Plataformas de computación en nube; Flujos de trabajo científicos; Programación multiobjetivo de flujos de trabajo; Parámetros de calidad de servicio; Técnicas metaheurísticas de programación; Optimización de la mosca de la fruta.
• Keywords:Cloud computing platforms; Scientific workflows; Multiobjective workflow scheduling; QoS parameters; Metaheuristic scheduling techniques; Fruit Fly Optimization