Los puntos clave no están disponibles para este artículo en este momento.
La computación en la nube es actualmente un paradigma de computación muy popular, ya que proporciona acceso ubicuo y bajo demanda como un servicio a los recursos de computación a través de Internet. A pesar de ofrecer ventajas marcadas sobre el estilo tradicional de computación, existen varios problemas relacionados con la carga en el sistema de computación y la programación de tareas para mejorar el rendimiento, que deben resolverse de manera efectiva para ofrecer una mejor calidad de servicio al consumidor del servicio. La programación de tareas es un área de investigación crucial, ya que afecta la carga del sistema y el rendimiento; y siempre habrá margen para optimizar los algoritmos de programación existentes y proponer nuevos algoritmos de programación de tareas eficientes. Ya se han propuesto muchos algoritmos de programación de tareas para resolver este problema: Optimización por Enjambre de Partículas, Optimización por Colonia de Hormigas, algoritmos genéticos, Algoritmo de Abeja Artificial, etc. En este artículo, proponemos un algoritmo híbrido de programación de tareas que se basa en combinar los puntos fuertes de algoritmos inspirados en la biología como la Optimización por Colonia de Hormigas y el Algoritmo de Abeja Artificial. Mostramos dónde se pueden utilizar e incorporar los puntos fuertes de ambos algoritmos para optimizar la programación de tareas en el algoritmo de la nube. Se observa que el algoritmo propuesto dio una mejora de aproximadamente el 19% en comparación con la estrategia de programación FCFS por defecto, un 11% mejor que el algoritmo ABC y un 9% mejor que la programación de tareas convencional basada en ACO.
Madivi et al. (Mar,) estudiaron esta cuestión.