Will-be-set-by-IN-TECH ressources informatiques et doivent soumettre leur demande de service à un seul point d'entrée au système de grille.Foster a introduit le concept d'organisation virtuelle (VO) (Foster et al., 2001).Il définit VO comme une « collection dynamique de plusieurs organisations offrant un partage de ressources flexible, sécurisé et coordonné ».La figure 1 montre trois organisations réelles disposant à la fois de ressources informatiques et de données à partager au-delà des frontières organisationnelles. En outre, la même figure forme deux VO, A et B, chacune d'elles pouvant avoir accès à un sous-ensemble de ressources dans chacune des organisations (Moallem, 2009) .La virtualisation est un mécanisme qui améliore la convivialité des systèmes de calcul en grille en fournissant une personnalisation de l'environnement aux utilisateurs.2. Hétérogénéité : les organisations qui font partie de VO peuvent avoir des ressources différentes telles que le matériel, le système d'exploitation et la bande passante du réseau. Par conséquent, VO est considéré comme un ensemble de ressources hétérogènes des organisations.3. Dynamisme : Dans le système de grille, les organisations ou leurs ressources peuvent rejoindre ou quitter VO en fonction de leurs besoins ou de leur statut fonctionnel. Les systèmes de grille offrent la possibilité d'effectuer un calcul à haut débit en utilisant de nombreux ordinateurs en réseau pour distribuer l'exécution des processus dans une infrastructure parallèle. De nos jours, les organisations du monde entier utilisent le calcul en grille dans des domaines aussi divers que la recherche scientifique collaborative, la découverte de médicaments, l'analyse des risques financiers, la conception de produits et l'imagerie sismique 3D dans l'industrie pétrolière et gazière (Dimitri et al.Il est intéressant de noter que la planification des tâches dans la grille a fait l'objet d'une grande attention au cours des dernières années. L'objectif important de la planification des tâches est d'attribuer efficacement les tâches le plus rapidement possible aux ressources disponibles dans un environnement global, hétérogène et dynamique. Kousalya a souligné que la planification de la grille se compose de trois étapes : premièrement, la découverte et le filtrage des ressources. Deuxièmement, la sélection et la planification des ressources en fonction d'un certain objectif. Troisièmement, la soumission des tâches. La troisième étape comprend la mise en scène et le nettoyage des fichiers (Kousalya et Balasubramanie, 2009 ; 2008) .Le calcul haute performance et le calcul à haut débit sont les deux objectifs différents des algorithmes de planification de grille. L'objectif principal du calcul haute performance est de minimiser le temps d'exécution de l'application. L'allocation de ressources à un grand nombre de tâches dans un environnement de calcul de grille présente plus de difficultés que dans les environnements informatiques conventionnels. Le problème de planification est bien connu NP-complet (Garey & Johnson, 1979). Il s'agit d'un problème d'optimisation combinatoire par nature. De nombreux algorithmes sont proposés pour la planification de tâches dans des environnements de grille. En général, la cartographie heuristique existante peut être divisée en deux catégories (Jinquan et al., 2005) :Tout d'abord, le mode en ligne, où le planificateur est toujours en mode prêt. Chaque fois qu'une nouvelle tâche arrive au planificateur, elle est immédiatement allouée à l'une des ressources existantes requises par cette tâche. Chaque tâche n'est considérée qu'une seule fois pour la correspondance et la planification. Deuxièmement, le mode batch, les tâches et les ressources sont collectées et mappées à une heure prédéfinie. Ce mode prend une meilleure décision car le planificateur connaît tous les détails des tâches et des ressources disponibles. Ce chapitre propose un algorithme heuristique qui tombe en mode batch Jinquan et al. ( 2005).Cependant, ce chapitre étudie le problème de la minimisation du makepan, c'est-à-dire du temps d'exécution total du calendrier dans un environnement de grille. L'algorithme de recuit simulé (MSA) basé sur la mutation proposé s'avère avoir un algorithme de planification de calcul haute performance. L'algorithme MSA sera étudié pour des modèles aléatoires et de temps de calcul prévu (ETC).

Los recursos informáticos de Will-be-set-by-IN-TECH y tienen que enviar su solicitud de servicio en un solo punto de entrada al sistema de cuadrícula. Foster introdujo el concepto de Organización Virtual (VO) (Foster et al., 2001) .Define el VO como una "colección dinámica de múltiples organizaciones que proporcionan un intercambio de recursos flexible, seguro y coordinado" .La Figura 1 muestra tres organizaciones reales con recursos computacionales y de datos para compartir a través de los límites de la organización. Además, la misma figura forma dos VO, A y B, cada una de ellas puede tener acceso a un subconjunto de recursos en cada una de las organizaciones (Moallem, 2009) .La virtualización es un mecanismo que mejora la usabilidad de los sistemas de computación en cuadrícula al proporcionar personalización del entorno a los usuarios.2. Heterogeneidad: Las organizaciones que forman parte de VO pueden tener diferentes recursos como hardware, sistema operativo y ancho de banda de red. En consecuencia, VO se considera como un conjunto de recursos heterogéneos de las organizaciones.3. Dinamismo: en el sistema Grid, las organizaciones o sus recursos pueden unirse o abandonar el VO según sus requisitos o estado funcional. Los sistemas Grid proporcionan la capacidad de realizar una computación de mayor rendimiento mediante el uso de muchas computadoras en red para distribuir la ejecución de procesos a través de una infraestructura paralela. Hoy en día, las organizaciones de todo el mundo están utilizando la computación Grid en áreas tan diversas como la investigación científica colaborativa, el descubrimiento de fármacos, el análisis de riesgos financieros, el diseño de productos y las imágenes sísmicas 3D en la industria del petróleo y el gas (Dimitri et al., 2005). Curiosamente, se ha prestado mucha atención a la programación de tareas en cuadrícula en los últimos años. El objetivo importante de la programación de tareas es asignar tareas de manera eficiente lo más rápido posible a los recursos disponibles en un entorno global, heterogéneo y dinámico. Kousalya señaló que la programación de cuadrícula consta de tres etapas: Primero, descubrimiento y filtrado de recursos. Segundo, selección y programación de recursos de acuerdo con cierto objetivo. Tercero, envío de tareas. La tercera etapa incluye la puesta en escena y limpieza de archivos (Kousalya y Balasubramanie, 2009; 2008). .La computación de alto rendimiento y la computación de alto rendimiento son los dos objetivos diferentes del algoritmo de programación de cuadrícula. El objetivo principal de la computación de alto rendimiento es minimizar el tiempo de ejecución de la aplicación. La asignación de recursos a un gran número de tareas en el entorno de computación de cuadrícula presenta más dificultades que en los entornos computacionales convencionales. El problema de programación es bien conocido NP-completo (Garey & Johnson, 1979). Es un problema de optimización combinatoria por naturaleza. Se proponen muchos algoritmos para la programación de tareas en entornos de cuadrícula. En general, el mapeo heurístico existente se puede dividir en dos categorías (Jinquan et al., 2005):En primer lugar, el modo en línea, donde el programador siempre está en modo listo. Cada vez que llega una nueva tarea al programador, se asigna inmediatamente a uno de los recursos existentes requeridos por esa tarea. Cada tarea se considera solo una vez para la coincidencia y la programación. En segundo lugar, el modo por lotes, las tareas y los recursos se recopilan y asignan a la hora programada. Este modo toma una mejor decisión porque el programador conoce todos los detalles de las tareas y los recursos disponibles. Este capítulo propone un algoritmo heurístico que cae en el modo por lotes Jinquan et al. ( 2005). Sin embargo, este capítulo estudia el problema de minimizar el tiempo de ejecución, es decir, el tiempo total de ejecución del programa en el entorno de cuadrícula. Se ha demostrado que el algoritmo de recocido simulado (MSA) basado en mutaciones propuesto tiene un algoritmo de programación de computación de alto rendimiento. El algoritmo MSA se estudiará para modelos aleatorios y de tiempo esperado para calcular (ETC).

Will-be-set-by-IN-TECH computing resources and have to submit their service request at just one point of entry to the grid system.Foster introduced the concept of Virtual Organization (VO) (Foster et al., 2001).He defines VO as a "dynamic collection of multiple organizations providing flexible, secure, coordinated resource sharing".Figure 1 shows three actual organizations with both computational and data resources to share across organizational boundaries.Moreover, the same figure forms two VOs, A and B, each of them can have access to a subset of resources in each of the organizations (Moallem, 2009).Virtualization is a mechanism that improves the usability of grid computing systems by providing environment customization to users.2. Heterogeneity: The organizations that form part of VO may have different resources such as hardware, operating system and network bandwidth.Accordingly, VO is considered as a collection of heterogeneous resources of organizations.3. Dynamism: In the grid system, organizations or their resources can join or leave VO depending on their requirements or functional status.Grid systems provide the ability to perform higher throughput computing by usage of many networked computers to distribute process execution across a parallel infrastructure.Nowadays, organizations around the world are utilizing grid computing in such diverse areas as collaborative scientific research, drug discovery, financial risk analysis, product design and 3-D seismic imaging in the oil and gas industry (Dimitri et al., 2005).Interestingly, task scheduling in grid has been paid a lot of attention over the past few years.The important goal of task scheduling is to efficiently allocate tasks as fast as possible to avialable resources in a global, heterogeneous and dynamic environment.Kousalya pointed out that the grid scheduling consists of three stages: First, resource discovery and filtering.Second, resource selection and scheduling according to certain objective.Third, task submission.The third stage includes the file staging and cleanup (Kousalya & Balasubramanie, 2009; 2008).High performance computing and high throughput computing are the two different goals of grid scheduling algorithm.The main aim of the high performance computing is to minimize the execution time of the application.Allocation of resources to a large number of tasks in grid computing environment presents more difficulty than in conventional computational environments.The scheduling problem is well known NP-complete (Garey & Johnson, 1979).It is a combinatorial optimization problem by nature.Many algorithms are proposed for task scheduling in grid environments.In general, the existing heuristic mapping can be divided into two categories (Jinquan et al., 2005):First, online mode, where the scheduler is always in ready mode.Whenever a new task arrives to the scheduler, it is immediately allocated to one of the existing resources required by that task.Each task is considered only once for matching and scheduling.Second, batch mode, the tasks and resources are collected and mapped at prescheduled time.This mode takes better decision because the scheduler knows the full details of the available tasks and resources.This chapter proposes a heuristic algorithm that falls in batch mode Jinquan et al. ( 2005).However, this chapter studies the problem of minimizing makespan, i.e., the total execution time of the schedule in grid environment.The proposed Mutation-based Simulated Annealing (MSA) algorithm is proved to have high performance computing scheduling algorithm.MSA algorithm will be studied for random and Expected Time to Compute (ETC) Models.

سيتم تعيين موارد الحوسبة في TECH حسب الطلب ويجب عليهم تقديم طلب الخدمة الخاص بهم عند نقطة دخول واحدة فقط إلى نظام الشبكة. قدم فوستر مفهوم التنظيم الافتراضي (VO) (فوستر وآخرون.، 2001). ويعرف التعليق الصوتي بأنه "مجموعة ديناميكية من المنظمات المتعددة التي توفر مشاركة مرنة وآمنة ومنسقة للموارد". يوضح الشكل 1 ثلاث منظمات فعلية لديها موارد حسابية وبيانات للمشاركة عبر الحدود التنظيمية. علاوة على ذلك، يشكل نفس الشكل أمرين صوتيين، A و B، يمكن لكل منهما الوصول إلى مجموعة فرعية من الموارد في كل منظمة من المنظمات (المعلم، 2009). المحاكاة الافتراضية هي آلية تعمل على تحسين قابلية استخدام أنظمة الحوسبة الشبكية من خلال توفير تخصيص البيئة للمستخدمين .2. عدم التجانس: قد يكون لدى المنظمات التي تشكل جزءًا من VO موارد مختلفة مثل الأجهزة ونظام التشغيل وعرض النطاق الترددي للشبكة. وفقًا لذلك، يعتبر VO مجموعة من الموارد غير المتجانسة للمنظمات .3. الديناميكية: في نظام الشبكة، يمكن للمنظمات أو مواردها الانضمام إلى VO أو تركه اعتمادًا على متطلباتها أو حالتها الوظيفية. توفر أنظمة الشبكة القدرة على أداء حوسبة إنتاجية أعلى باستخدام العديد من أجهزة الكمبيوتر الشبكية لتوزيع تنفيذ العملية عبر بنية تحتية موازية. في الوقت الحاضر، تستخدم المنظمات في جميع أنحاء العالم الحوسبة الشبكية في مجالات متنوعة مثل البحث العلمي التعاوني واكتشاف الأدوية وتحليل المخاطر المالية وتصميم المنتجات والتصوير الزلزالي ثلاثي الأبعاد في صناعة النفط والغاز (Dimitri et al.، 2005). ومن المثير للاهتمام، أن جدولة المهام في الشبكة قد حظيت بالكثير من الاهتمام على مدى السنوات القليلة الماضية. الهدف المهم لجدولة المهام هو تخصيص المهام بكفاءة في أسرع وقت ممكن للموارد المتاحة في بيئة عالمية وغير متجانسة وديناميكية. وأشارت كوساليا إلى أن جدولة الشبكة تتكون من ثلاث مراحل: أولاً، اكتشاف الموارد وتصفيتها. ثانيًا، اختيار الموارد والجدولة وفقًا لهدف معين. ثالثًا، تقديم المهام. تتضمن المرحلة الثالثة تنظيم الملفات وتنظيفها (Kousalya & Balasubramanie، 2009 ؛ 2008). الحوسبة عالية الأداء والحوسبة عالية الإنتاجية هما الهدفان المختلفان لخوارزمية جدولة الشبكة. الهدف الرئيسي للحوسبة عالية الأداء هو تقليل وقت تنفيذ التطبيق. يمثل تخصيص الموارد لعدد كبير من المهام في بيئة الحوسبة الشبكية صعوبة أكبر من البيئات الحسابية التقليدية. مشكلة الجدولة معروفة جيدًا NP - complete (Garey & Johnson، 1979). إنها مشكلة تحسين اندماجي بطبيعتها. يتم اقتراح العديد من الخوارزميات لجدولة المهام في بيئات الشبكة. بشكل عام، يمكن تقسيم رسم الخرائط الاسترشادية الحالية إلى فئتين (Jinquan et al.، 2005):أولاً، الوضع عبر الإنترنت، حيث يكون المجدول دائمًا في وضع الاستعداد. كلما وصلت مهمة جديدة إلى المجدول، يتم تخصيصها على الفور لأحد الموارد الموجودة التي تتطلبها تلك المهمة. يتم النظر في كل مهمة مرة واحدة فقط للمطابقة والجدولة. ثانيًا، وضع الدُفعة، يتم جمع المهام والموارد وتعيينها في الوقت المحدد مسبقًا. يتخذ هذا الوضع قرارًا أفضل لأن المجدول يعرف التفاصيل الكاملة للمهام والموارد المتاحة. يقترح هذا الفصل خوارزمية إرشادية تقع في وضع الدُفعة Jinquan et al. ( 2005). ومع ذلك، يدرس هذا الفصل مشكلة تقليل makespan، أي إجمالي وقت تنفيذ الجدول الزمني في بيئة الشبكة. ثبت أن خوارزمية التلدين المحاكاة (MSA) المقترحة القائمة على الطفرة لديها خوارزمية جدولة حوسبة عالية الأداء. ستتم دراسة خوارزمية MSA لنماذج عشوائية ومتوقعة للوقت للحساب (ETC).