Resumen

En el contexto de la computacin en nube, un problema que se plantea con frecuencia es la planificacin de tareas. Este problema tiene dos implicaciones principales, que son la planificacin de tareas en mquinas virtuales y la atenuacin del rendimiento. Para abordar el problema de la programacin de tareas en la computacin en nube, se requieren actitudes de optimizacin no tradicionales para alcanzar los ptimos del problema, el presente trabajo plantea un enfoque hbrido de objetivos mltiples denominado algoritmos hbridos de optimizacin de lobo gris y ballena (HGWWO), que integra dos algoritmos, a saber, el optimizador del lobo gris (GWO) y el algoritmo de optimizacin de la ballena (WOA), con el propsito de aunar las ventajas de cada algoritmo para minimizar los costes, el consumo de energa y el tiempo total de ejecucin necesario para la implementacin de la tarea, adems de mejorar el uso de los recursos. La evaluacin de los objetivos del enfoque propuesto se lleva a cabo con la ayuda de la herramienta conocida como CloudSim. Segn los resultados del trabajo experimental realizado, el enfoque propuesto tiene la capacidad de rendir a un nivel superior en comparacin con los algoritmos originales GWO y WOA por s solos en lo que respecta a costes, consumo de energa, makespan, uso de recursos y grado de desequilibrio.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Programación de tareas; Computación en nube; Optimización; Algoritmos híbridos; Optimizador lobo gris; Algoritmo de optimización ballena.
• Keywords:Task scheduling; Cloud computing; Optimization; Hybrid algorithms; Grey wolf optimizer; Whale optimization algorithm