برنامههای کاربردی مدرن، بهویژه در حوزههایی نظیر اینترنت اشیا و صنایع هوشمند، اغلب به صورت جریان کارهای محاسباتی مدلسازی میشوند. برای اجرای مؤثر این جریان کارها که نیازمند ترکیبی از پاسخدهی سریع و قدرت پردازشی بالا هستند، از زیرساختهای ناهمگون و چندلایه مه-ابر استفاده میشود. چالش اصلی در چنین محیطی، زمانبندی بهینه این جریان کارهاست؛ زیرا چندین جریان کار که هر یک میتوانند دارای مهلتهای زمانی سخت (غیرقابل انعطاف) یا نرم (انعطافپذیر) باشند، به طور همزمان برای منابع محاسباتی و انرژی محدود با یکدیگر رقابت میکنند. از این رو، یک زمانبند کارآمد باید اهداف متضاد، نظیر برآوردهسازی کیفیت خدمات و کمینهسازی هزینههای عملیاتی، بهویژه مصرف انرژی حاصل از منابع تجدیدناپذیر را به طور همزمان بهینه سازد. این پژوهش، یک مدل بهینهسازی باهدف حداکثرسازی سود برای مسئله زمانبندی جریان کارهای چندگانه ارائه میکند که به طور یکپارچه نرخ پذیرش جریان کارهای با مهلت سخت، جریمههای نقض مهلتهای نرم و هزینههای انرژی فسیلی را در نظر میگیرد. برای حل این مدل، یک چارچوب دوفازی نوآورانه طراحی شده است: در فاز نخست، الگوریتم بهینهسازی ازدحام ذرات (PSO) ترتیب بهینه اجرای وظایف را مشخص میسازد؛ سپس، در فاز دوم، سه راهکار تخصصی ابتکاری شامل آگاه از زمان، آگاه از انرژی و ترکیب زمان و انرژی نگاشت نهایی وظایف را به ماشینهای مجازی انجام میدهند. اثربخشی چارچوب پیشنهادی از طریق شبیهسازیهای گسترده بر روی مجموعهدادههای مصنوعی و جریان کارهای علمی واقعی اعتبارسنجی شده است. نتایج تجربی، برتری قاطع این رویکرد را در تمامی سناریوهای آزمایشی به اثبات میرساند. این چارچوب با حداکثرسازی نرخ پذیرش جریان کارها و بهحداقلرساندن جریمههای مالی، به افزایش سود قابلتوجهی منجر شده است که در سناریوهای پیچیده و واقعگرایانه، اغلب به بیش از دو برابر سودآوری الگوریتمهای پایه میرسد. تحلیل الگوریتمهای منفرد نیز نقاط قوت تخصصی آنها را آشکار ساخت: الگوریتم TPSO در شرایط بار کاری سنگین برتری داشت، الگوریتم EPSO به طور مداوم هزینههای عملیاتی را کمینه کرد و در نهایت، الگوریتم ترکیبی TEPSO بهعنوان استوارترین راهکار ظاهر شد که با ایجاد تعادل پویا میان اهداف متضاد زمان و انرژی، در اکثر موارد به بالاترین سودآوری کلی دستیافت.
