Analisis Task Scheduling Menggunakan Grey Wolf Optimizer Pada Cloud Environment

Al Abiyyuna, Ghimnastiar (2023) Analisis Task Scheduling Menggunakan Grey Wolf Optimizer Pada Cloud Environment. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05311940000042-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (1MB) | Request a copy

Abstract

Penelitian ini mengusulkan pendekatan baru untuk penjadwalan tugas di lingkungan cloud menggunakan algoritma Grey Wolf Optimizer (GWO) dan alat simulasi CloudSim. Algoritma GWO adalah teknik pengoptimalan metaheuristik yang terinspirasi oleh hierarki sosial dan perilaku berburu serigala abu-abu. Pendekatan yang diusulkan bertujuan untuk meminimalkan makepan dan biaya penjadwalan tugas di lingkungan cloud dengan mempertimbangkan berbagai kendala seperti ketersediaan sumber daya, tenggat waktu, dan hubungan prioritas antar tugas. Alat simulasi CloudSim digunakan untuk mengevaluasi kinerja pendekatan yang diusulkan dengan membandingkannya dengan algoritme penjadwalan lain yang ada. Hasil percobaan menunjukkan efektivitas dan efisiensi dari pendekatan yang diusulkan dalam mencapai makepan dan biaya yang lebih baik dibandingkan dengan algoritma penjadwalan lainnya. Pendekatan yang diusulkan dapat berguna dalam lingkungan cloud dunia nyata untuk penjadwalan tugas dan manajemen sumber daya yang efisien. Menggunakan tiga dataset yang sudah disediakan yaitu Simple random, Stratified random, dan SDSC dimana GWO berhasil melakukan simulasi dengan hasil penggunaan utilitas pada Cloud sebesar 10 hingga 15% lebih baik jika dibandingkan dengan GA.
====================================================================================================================================
The paper proposes a novel approach for task scheduling in a cloud environment using the Grey Wolf Optimizer (GWO) algorithm and CloudSim simulation tool. The GWO algorithm is a metaheuristic optimization technique inspired by the social hierarchy and hunting behavior of grey wolves. The proposed approach aims to minimize the makespan and cost of task scheduling in a cloud environment by considering various constraints such as resource availability, deadline, and precedence relations among tasks. The CloudSim simulation tool is used to evaluate the performance of the proposed approach by comparing it with other existing scheduling algorithms. The experimental results demonstrate the effectiveness and efficiency of the proposed approach in achieving better makespan and cost compared to other scheduling algorithms. The proposed approach can be useful in real- world cloud environment for efficient task scheduling and resource management. Using three different datasets that has been prepared before Simple random, stratified random, and SDSC where GWO successfully perform better up top 15% more efficient compared to Genetic Algorithm.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	CloudSim, Cloud Computing, Grey Wolf Optimizer, Task Scheduling; CloudSim, Task Scheduling, Cloud Computing, Grey Wolf Optimizer
Subjects:	Q Science > QA Mathematics > QA76.585 Cloud computing. Mobile computing.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Ghimnastiar Al Abiyyuna
Date Deposited:	11 Sep 2023 08:36
Last Modified:	11 Sep 2023 08:36
URI:	http://repository.its.ac.id/id/eprint/101952

Actions (login required)

View Item