Algoritmo genético inspirado en quantum consciente de costos para la programación de flujos de trabajo en nubes híbridas

La computación en la nube ofrece un entorno deseable para que los usuarios ejecuten sus diferentes tipos de aplicaciones en una nube. Numerosas de estas aplicaciones (tareas), como la bioinformática, la astronomía, la biodiversidad y el análisis de imágenes, son sensibles a los plazos. Tales tareas deben ser correctamente asignadas a máquinas virtuales (VMs) para evitar violaciones de los plazos, y deben reducir su tiempo de ejecución y costo. Debido al entorno contradictorio, minimizar el tiempo de finalización de la tarea de aplicación y el costo de ejecución es extremadamente difícil. Por lo tanto, proponemos un Algoritmo Genético Inspirado en Quantum Consciente de Costos (CQGA) para minimizar el tiempo de ejecución y costo cumpliendo con las restricciones de plazo. CQGA se motiva en la computación cuántica y en el algoritmo genético. Combina operadores cuánticos (medición, interferencia y rotación) con operadores genéticos (selección, cruce y mutación). Los operadores cuánticos se utilizan para una mejor diversidad poblacional, rápida convergencia, ahorro de tiempo y robustez. Los operadores genéticos ayudan a producir nuevos individuos, tener buenos valores de aptitud para los individuos y desempeñan un papel significativo en la preservación de la calidad de evolución de la población. Además, CQGA utilizó un bit cuántico como representación probabilística porque tiene atributos de mayor diversidad poblacional que otras representaciones. El resultado de la simulación muestra que el algoritmo propuesto puede obtener un rendimiento de convergencia excepcional y un costo máximo reducido en comparación con algoritmos de referencia.