[논문 리뷰] A new SSO-based Algorithm for the Bi-Objective Time-constrained task Scheduling Problem in Cloud Computing Services

Chia‐Ling Huang, Wei‐Chang Yeh|arXiv (Cornell University)|2019. 05. 13.

Cloud Computing and Resource Management참고 문헌 27인용 수 4

한 줄 요약

이 논문은 클라우드 컴퓨팅 환경에서 시간 제약 조건이 있는 이목적 작업 스케줄링 문제를 해결하기 위해 새로운 이목적 단순화된 군집 최적화(BSSO) 알고리즘을 제안한다. 이전의 MOSSO 알고리즘을 개선하고 그 결함을 수정함으로써, BSSO는 NSGA-II, MOPSO 및 MOSSO와 비교해 일시적 및 실제 비지배 해의 수렴성, 다양성 및 지배성 측면에서 뛰어난 성능을 달성한다.

ABSTRACT

Cloud computing distributes computing tasks across numerous distributed resources for large-scale calculation. The task scheduling problem is a long-standing problem in cloud-computing services with the purpose of determining the quality, availability, reliability, and ability of the cloud computing. This paper is an extension and a correction to our previous conference paper entitled Multi Objective Scheduling in Cloud Computing Using MOSSO published in 2018 IEEE Congress on Evolutionary Computation. More new algorithms, testing, and comparisons have been implemented to solve the bi-objective time-constrained task scheduling problem in a more efficient manner. Furthermore, this paper developed a new SSO-based algorithm called the bi-objective simplified swarm optimization to fix the error in previous SSO-based algorithm to address the task-scheduling problem. From the results obtained from the new experiments conducted, the proposed BSSO outperforms existing famous algorithms, e.g., NSGA-II, MOPSO, and MOSSO in the convergence, diversity, number of obtained temporary nondominated solutions, and the number of obtained real nondominated solutions. The results propound that the proposed BSSO can successfully achieve the aim of this work.

연구 동기 및 목표

• 기존의 SSO 기반 알고리즘들이 클라우드 컴퓨팅 환경에서 이목적 시간 제약 조건이 있는 작업 스케줄링 문제를 해결하는 데 가지는 한계를 해결하기 위해.
• 클라우드 작업 스케줄링을 위한 다목적 최적화에서 수렴성과 다양성을 향상시키기 위해.
• 이전의 MOSSO 알고리즘에 존재하는 오류를 수정하고 개선된 SSO 기반 접근법을 통해 성능을 향상시키기 위해.
• 해결책 품질과 안정성 측면에서 기존 알고리즘인 NSGA-II, MOPSO 및 MOSSO와의 비교를 통해 제안된 BSSO의 성능을 평가하기 위해.
• 시간 제약 조건 하에서 일시적 및 실제 비지배 해를 생성하는 데 있어 BSSO의 효과성을 입증하기 위해.

제안 방법

• 이목적 시간 제약 조건이 있는 작업 스케줄링 문제를 해결하기 위해 SSO 프레임워크 기반의 새로운 이목적 단순화된 군집 최적화(BSSO) 알고리즘을 제안한다.
• 다양성과 수렴성을 향상시키기 위해 기존 SSO 알고리즘에 수정을 가하여 식별된 오류를 수정한다.
• 각 해가 잠재적 작업 스케줄을 나타내는 인구 기반 히وري스틱을 사용하며, 두 목표인 실행 시간과 비용을 기반으로 평가한다.
• 해의 순위를 매기고 파레토 최적 해 근사치의 다양성을 유지하기 위해 비지배 정렬 메커니즘을 사용한다.
• 검색 공간 내 개인 최적 및 전역 최적 해를 기반으로 해의 위치를 갱신하기 위한 적응형 메커니즘을 구현한다.
• 성능 지표를 평가하기 위해 벤치마크 인스턴스를 사용하여 BSSO를 NSGA-II, MOPSO 및 MOSSO와 광범위하게 비교하는 실험을 수행한다.

실험 결과

연구 질문

• RQ1 제안된 BSSO 알고리즘이 시간 제약 조건이 있는 클라우드 작업 스케줄링에서 기존의 다목적 최적화 알고리즘보다 더 나은 수렴성과 다양성을 달성할 수 있는가?
• RQ2 수정된 SSO 기반 접근법은 이전의 MOSSO 알고리즘에 비해 해의 품질과 안정성 측면에서 어떻게 향상되었는가?
• RQ3 BSSO는 일시적 및 실제 비지배 해를 생성하는 데 있어 NSGA-II 및 MOPSO를 얼마나 뛰어나게 성과를 내는가?
• RQ4 알고리즘 수정이 대규모 클라우드 환경에서 해의 강건성과 확장성에 어떤 영향을 미치는가?
• RQ5 BSSO는 다목적 설정에서 수렴성, 다양성 및 초체적량(Hypervolume)과 같은 다양한 성능 지표에서 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 BSSO 알고리즘은 이목적 시간 제약 조건이 있는 작업 스케줄링 문제에서 NSGA-II, MOPSO 및 MOSSO보다 뛰어난 수렴성 성능을 달성한다.
• BSSO는 파레토 최적 해 근사치에서 더 높은 다양성을 보이며, 비지배 해의 분포가 더 우수함을 시사한다.
• 더 많은 수의 일시적 비지배 해를 생성하여 탐색 능력 향상이 확인된다.
• 더 많은 수의 실제 비지배 해를 확보하여 고품질의 비지배 스케줄을 효과적으로 식별함을 확인한다.
• 수정된 SSO 기반 접근법이 이전 MOSSO 알고리즘의 결함을 성공적으로 해결함을 결과가 검증한다.
• 종합적으로 BSSO는 평가된 모든 지표에서 기존 알고리즘을 능가하며, 클라우드 컴퓨팅 환경에서의 실용적 도입 잠재력을 확인한다.