Thuật toán lập lịch luồng công việc trong môi trường điện toán đám mây dựa trên chiến lược tối ưu bày đàn

Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 15 - 
Thuật toán lập lịch luồng công việc trong môi 
trƣờng điện toán đám mây dựa trên chiến lƣợc 
tối ƣu bày đàn 
A Particle Swarm Optimization-Based Workflow Scheduling Algorithm 
in the Cloud Environment 
Phan Thanh Toàn, Nguyễn Thế Lộc, Nguyễn Doãn Cƣờng, Đỗ Nhƣ Long 
 Abstract: Workflow is the series of tasks that are 
necessary to complete a goal. Workflow scheduling, 
the most important problem which the cloud 
controllers deal with, focuses on mapping and 
managing the execution of tasks on servers so that the 
expenses is the minimum. In this paper, we build a 
workflow scheduling framework which run on the 
cloud computing environments. In order to solve the 
mentioned problem, we propose a PSO-based 
algorithm for scheduling workflow tasks in the cloud 
environments so that the total cost is minimized. 
 Keywords: workflow scheduling, workflow 
applications, cloud computing. 
I. GIỚI THIỆU 
Điện toán đám mây là sự tích hợp của nhiều công 
nghệ thuộc lĩnh vực công nghệ thông tin và truyền 
thông, môi trường điện toán đám mây cho phép người 
sử dụng truy cập một cách thuận tiện, nhanh chóng 
đến các tài nguyên tính toán (máy chủ, thiết bị lưu trữ, 
các ứng dụng, các dịch vụ), điện toán đám mây là 
một mô hình phân tán không đồng nhất với sự tập hợp 
của nhiều máy tính làm việc trên môi trường mạng 
internet nhằm tận dụng sức mạnh chung của hệ thống 
trong các ứng dụng lớn. Một trong số các ứng dụng 
phổ biến nhất trong môi trường điện toán đám mây là 
bài toán luồng công việc (từ đây viết tắt là workflow), 
hiệu năng của các trung tâm điện toán phụ thuộc rất 
nhiều vào việc sắp xếp các tác vụ trong luồng để thực 
thi trên các máy tính trong môi trường đám mây nhằm 
hoàn thành luồng công việc một cách “tối ưu” nhất. 
Nội dung của bài báo gồm những phần chính sau 
đây. Phần I giới thiệu bối cảnh thực tế tại trung tâm 
điện toán đám mây nơi cung cấp dịch vụ workflow. 
Phần II trình bày một số công trình liên quan và các 
hạn chế, Phần III phát biểu bài toán và xây dựng mô 
hình toán học bài toán tối thiểu chi phí thực thi luồng 
công việc trong môi trường điện toán đám mây. Phần 
IV giới thiệu thuật toán đề xuất. Phần V để kiểm 
chứng hiệu năng của thuật toán đề xuất, chúng tôi đã 
thực hiện các thực nghiệm trên những ứng dụng 
workflow trong môi trường đám mây thông qua công 
cụ mô phỏng CloudSim [1]. Các kết quả được thu 
thập và so sánh với giải thuật PSO Heuristic [2] và 2 
giải thuật lập lịch cơ bản là giải thuật Random [3,4] và 
Round Robin [5]. 
II. NHỮNG CÔNG TRÌNH LIÊN QUAN 
 Bài toán lập lịch luồng công việc đã được chứng 
minh là thuộc lớp NP-đầy đủ [6] nghĩa là thời gian để 
tìm ra lời giải tối ưu là rất lớn, vì vậy đã có nhiều giải 
thuật metaheuristic được nghiên cứu nhằm tìm ra lời 
giải gần đúng trong thời gian ngắn. S. Parsa [7] đã đề 
xuất một thuật toán lập lịch nhằm tối thiểu thời gian 
thực thi trong môi trường lưới tính toán Grid. J.M. 
Cope và đồng nghiệp đã phân tích hiệu năng của giải 
thuật FRMTL và FRMAS [8] trong môi trường lưới 
tính toán TeraGrid. A. Agarwal đã đề xuất thuật toán 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 16 - 
tham lam [9] trong đó mỗi tác vụ được gán một thứ tự 
ưu tiên dựa vào khối lượng công việc của tác vụ, mỗi 
máy chủ cũng được gán một thứ tự ưu tiên theo tốc độ 
xử lý của máy chủ sau đó gán các tác vụ vào các máy 
chủ theo các thứ tự ưu tiên đã tính toán. Cách làm này 
có nhược điểm là khiến những tác vụ có mức ưu tiên 
thấp phải chờ đợi lâu và bỏ qua yếu tố tốc độ truyền 
dữ liệu giữa các máy chủ trong đám mây. 
Một số tác giả khác như M.Wieczorek [10] đã 
nghiên cứu và đề xuất thuật toán lập lịch thực thi 
luồng công việc theo thuật toán di truyền (Genetic 
Algorithm - GA), tuy nhiên các nghiên cứu [11,12] đã 
nhận định rằng phương pháp PSO (Particle Swarm 
Optimization - Tối ưu bày đàn) có ưu thế hơn so với 
phương pháp GA khi giải bài toán lập lịch luồng công 
việc trong những môi trường tính toán phân tán như 
Lưới (Grid Computing) hay Đám mây (Cloud 
Computing). Theo hướng đó, S. Pandey [12] đã đề 
xuất thuật toán theo phương pháp PSO nhằm cực tiểu 
hóa chi phí thực thi luồng công việc. Thay vì tìm 
phương án có tổng chi phí thực thi tại các máy chủ là 
bé nhất, S. Pandey lại định nghĩa hàm mục tiêu để tìm 
phương án có chi phí thực thi của máy chủ tốn kém 
nhất (máy có tổng chi phí lớn hơn mọi máy khác) là 
nhỏ nhất so với các phương án khác. Cách làm này có 
xu hướng “cào bằng” nghĩa là thiên về các lời giải có 
chi phí thực thi của các máy chủ là xấp xỉ nhau. Chúng 
tôi nhận thấy, qua lý thuyết và các thực nghiệm kiểm 
chứng, cách làm này thường khiến chương trình sớm 
hội tụ về những giá trị cực tiểu địa phương thay vì tìm 
ra cực trị toàn cục. 
III. BÀI TOÁN TỐI THIỂU HÓA CHI PHÍ 
Chúng tôi phát biểu bài toán như sau: giả sử cần sắp 
xếp lịch biểu cho một luồng công việc gồm m tác vụ 
(task), trong một môi trường điện toán đám mây với 
các yêu cầu như sau : 
- Luồng công việc gồm có M tác vụ 
- Các tác vụ có quan hệ thứ tự trước sau 
- Mỗi tác vụ cần một khối lượng dữ liệu vào và sẽ 
xuất ra một lượng dữ liệu xác định 
- Luồng công việc chỉ có duy nhất một tác vụ gốc 
- Môi trường thực thi luồng công việc là môi trường 
điện toán đám mây với N máy chủ tính toán và K 
máy chủ lưu trữ 
- Mỗi tác vụ có thể được thực thi trên một máy chủ 
bất kì và chỉ được thực thi trên một máy duy nhất 
- Chi phí của mỗi máy chủ thực thi và máy chủ lưu 
trữ dữ liệu đều tính theo một đơn giá do nhà cung 
cấp dịch vụ ấn định 
Ký hiệu 
- Tập các máy chủ S = {S1, S2,.,SN} 
- Luồng công việc được biểu diễn bởi một đồ thị 
G=(V, E), với V ={T1, T2,,TM} là tập các đỉnh, 
mỗi đỉnh biểu thị một tác vụ, E là tập cạnh thể 
hiện mối quan hệ giữa các tác vụ. Cạnh e =(Ti, Tj) 
 E có nghĩa là tác vụ Ti là cha của tác vụ Tj, nó 
sẽ được thực hiện trước, sau đó chuyển cho tác vụ 
Tj một khối lượng dữ liệu làm đầu vào cho tác vụ 
Tj 
- Khối lượng tính toán (Workload) của Ti kí hiệu là 
Wi, đơn vị đo là flop (floating point operations- phép 
tính trên số thực dấu phảy động) 
- Tốc độ tính toán (đơn vị flop/s) của máy Si được ký 
hiệu bởi P(Si) 
- Đơn giá cước tính toán (đơn vị dolar/flop) của máy 
Si được ký hiệu là E(Si) 
- Mỗi cặp máy chủ Si, Sj (1≤i,j≤N) đều có một kênh 
truyền kết nối chúng, băng thông của kênh truyền kí 
hiệu là B và là một hàm số: 
B : SxS -> R
+
Hình 1: Đồ thị luồng công việc với 5 
tác vụ 
1 
4 3 2 
5 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 17 - 
(Si, Sj) -> B(Si, Sj) 
Hàm B thỏa mãn các điều kiện sau: 
 B(Si, Si) = (chi phí truyền tại chỗ bằng 0) 
 B(Si, Sk) + B(Sk, Sj) ≤ B(Si, Sj) 
 B(Si, Sj ) = B(Sj, Si) 
Tập giá trị của hàm băng thông B( ) giữa các máy chủ 
được cung cấp bởi nhà cung cấp dịch vụ và được biểu 
diễn dưới dạng Bảng 1 
Bảng 1. Băng thông giữa các máy chủ 
B 1 2 ... N 
1 B(1,1)= B(1,2) ... B(1,N) 
2 B(2,1) B(2,2)= ... ... 
... ... ... ... ... 
N B(N,1) B(N,2) ... B(N,N)= 
- Khối lượng dữ liệu truyền từ Ti tới Tk được kí hiệu là 
Dik được cho bởi Bảng 2. 
Bảng 2. Khối lượng dữ liệu giữa các tác vụ 
D 1 2 ... M 
1 D11 D12 ... D1N 
2 D21 D22= ... ... 
... ... ... ... ... 
M DN1 DN2 ... DNN = 
- Đơn giá cước truyền thông (đơn vị là dolar/bit) 
giữa 2 máy được kí hiệu là C và là một hàm số 
C : SxS -> R
+
 (Si, Sk) -> C(Si, Sk) 
Hàm C( ) thỏa mãn điều kiện: C(Si, Sk) = C(Sk, Si) 
- Mỗi phương án xếp lịch thực thi luồng công việc là 
một ánh xạ f 
 f : T -> S 
 Ti -> f(Ti) 
f(Ti) là máy chủ chịu trách nhiệm thực thi tác vụ Ti. 
Từ đó suy ra: 
 Thời gian tính toán của tác vụ Ti là: 
 i
i
TfP
W
 (1) 
(i=1,2, ... M) 
 Chi phí tính toán của tác vụ Ti là: Wi E(f(Ti)) (2) 
 Thời gian truyền dữ liệu giữa tác vụ Ti và tác vụ 
con Tk là 
 ki
ik
TfTfB
D
,
 (3) 
 Chi phí truyền thông giữa tác vụ Ti và tác vụ con Tk 
là: Dik C(f(Ti), f(Tk)) (4) 
 Chi phí thực thi Ti trên máy chủ f(Ti) bằng chi phí 
tính toán cộng với tổng chi phí truyền thông giữa các 
tác vụ Tj với Ti trong đó các tác vụ Tj là các tác vụ cha 
của tác vụ Ti. Chi phí thực thi toàn bộ luồng công việc 
là tổng chi phí thực thi tất cả các tác vụ trong luồng. 
Chúng ta đặt hàm mục tiêu là: 
 MinTfTfCDTfEW
M
i
M
k
kiik
M
i
ii 
 1 11
, (5) 
V. THUẬT TOÁN ĐỀ XUẤT 
 Dựa trên mô hình toán học đã đề xuất ở mục III 
nêu trên, chúng tôi đề xuất một giải thuật tìm kiếm 
theo kiểu bày đàn PSO. PSO là chiến lược tìm kiếm 
tiến hóa đề xuất bởi R. Eberhart và J. Kennedy [13], 
trong đó mỗi cá thể luôn có xu hướng dịch chuyển tới 
vị trí tốt hơn dựa vào kinh nghiệm của cá nhân và kinh 
nghiệm của cả quần thể. Giải thuật 
Scheduling_Heuristic của chúng tôi được mô tả chi 
tiết như sau. 
1) Trước hết chúng ta biểu diễn mỗi cá thể trong quần 
thể bởi 2 thành phần cơ bản là véc tơ vị trí và véc tơ 
dịch chuyển. Véc tơ vị trí có số chiều bằng số tác vụ 
trong luồng công việc và được mô tả như một cấu trúc 
dữ liệu bảng băm: 
Hashtable position 
Véc tơ dịch chuyển cũng được biểu diễn như một cấu 
trúc dữ liệu bảng băm: 
Hashtable velocity 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 18 - 
Ví dụ: xét luồng công việc gồm 5 tác vụ T1, T2, T3, 
T4, T5 và 3 máy chủ PC1, PC2, PC3 khi đó một cá thể 
được mã hóa như sau : 
Bảng 3. Minh họa cách mã hóa cá thể 
T1 T2 T3 T4 T5 
PC1 PC2 PC1 PC3 PC2 
Nghĩa là tác vụ T1, T3 được thực hiện bởi PC1, còn 
tác vụ T2, T5 được thực hiện bởi PC2 và tác vụ T4 
thực hiện trên PC3. 
 2) Mã hóa tác vụ: mỗi tác vụ được xác định bởi 3 
đại lượng: (i) số lệnh cần thực hiện (ii) kích thước dữ 
liệu đầu ra của tác vụ và (iii) danh sách các tác vụ phụ 
thuộc, danh sách các tác vụ này được biểu diễn như 
một cấu trúc danh sách ArrayList 
3) Biểu diễn các dữ liệu về chi chí thực thi các tác 
vụ trên các máy chủ, chi phí truyền thông giữa các 
máy chủ và khối lượng dữ liệu vào/ra giữa các tác vụ 
 Chi phí thực thi các tác vụ trên các máy chủ được 
biểu diễn như một ma trận và ta sử dụng cấu trúc 
bảng băm như sau để lưu trữ chi phí thực thi một 
tác vụ trên một máy chủ. 
Hashtable> 
TH_matrix; 
Bảng 4. Chi phí thực thi Ti trên máy PCj 
TP[5
x3] 
 PC1 PC2 PC3 
T1 1.23 1.12 1.15 
T2 1.17 1.17 1.28 
T3 1.13 1.11 1.11 
T4 1.26 1.12 1.14 
T5 1.19 1.14 1.22 
 Chi phí truyền thông giữa các PC được biểu diễn 
như một ma trận và ta cũng sử dụng một cấu trúc 
bảng băm như sau để lưu trữ : 
Hashtable> 
HH_matrix; 
Bảng 5. Chi phí truyền thông giữa các PCj 
PP[3x3] 
 PC1 PC2 PC3 
PC1 0 0.17 0.21 
PC2 0.17 0 0.22 
PC3 0.21 0.22 0 
Trong đó: 
PP[i,j]=chi phí truyền thông giữa PCi và PCj (đơn vị 
dolar/Mb) 
 Dữ liệu vào/ra giữa các tác vụ trong luồng công 
việc được biểu diễn bởi một ma trận và ta sử dụng 
cấu trúc dữ liệu bảng băm như sau để lưu trữ : 
Hashtable> 
edge_weight 
Bảng 6. Kích thước input/output của task i 
DST2,T3,T4 
[2x2] 
 total 
data DST5 
[2x2] 
 total 
data 
Input 10 Input 30 
Output 10 Output 60 
Trong đó Input là dữ liệu vào, Output là dữ liệu ra của 
các tác vụ (đơn vị MB) 
Thuật toán đề xuất như sau: 
Input: 
- Luồng công việc gồm n tác vụ 
- Chi phí thực thi các tác vụ trên các máy chủ (bảng 4) 
- Chi phí truyền thông giữa các máy chủ (bảng 5) 
- Khối lượng dữ liệu vào/ra giữa các tác vụ (bảng 6) 
Output: phương án lập lịch cực tiểu hóa chi phí thực 
thi luồng công việc theo hàm mục tiêu ở công thức (5) 
Algorithm Scheduling_Heuristic 
1. Tính ma trận chi phí thực thi các task trên các host 
2. Tính ma trận chi phí truyền thông giữa các host 
3. Tính ma trận khối lượng dữ liệu vào/ra giữa các 
task 
4. Khởi tạo danh sách các task sẵn sàng là danh sách 
tất cả các task 
5. Khởi tạo danh sách các task chưa lập lịch là danh 
sách tất cả các task 
6. repeat 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 19 - 
7. foreach ti in readyTasks do 
8. Gán ti cho thực hiện bởi PCj theo thuật toán 
PSO_Algorithm 
9. end for 
10. Chờ xử lý công việc (phụ thuộc dữ liệu đầu vào và 
đầu ra giữa task cha-con). 
11. Cập nhật lại các task ở trạng thái “ready” 
12. Cập nhật lại chi phí giao tiếp giữa các tài nguyên 
theo trạng thái mạng hiện tại. 
13. Tính toán PSO({ it }). 
14. Until không có task chưa được lập lịch. 
end procedure 
Sơ đồ thuật toán Scheduling_Heuristic 
Thuật toán thực hiện tính toán các ma trận chi phí thực 
thi của các tác vụ trên các host, ma trận chi phí truyền 
thông giữa các host và ma trận dữ liệu vào/ra giữa các 
tác vụ cha-con, sau đó khởi tạo ngẫu nhiên quần thể 
với số cá thể xác định, và thực hiện việc gán các tác vụ 
vào các host sau đó sẽ cực tiểu hóa các chi phí theo 
hàm mục tiêu đặt ra. 
VI. KẾT QUẢ THỰC NGHIỆM 
Để thực hiện mô phỏng việc lập lịch workflow 
trong môi trường đám mây, chúng tôi cài đặt giải thuật 
Scheduling_Heuristic bằng ngôn ngữ Java với sự trợ 
giúp của gói thư viện JSwarm [1,14] và công cụ mô 
phỏng CloudSim [1]. Hình 2 cho thấy kết quả thực 
nghiệm được so sánh giữa giải thuật 
Scheduling_Heuristic với 3 giải thuật: PSO_Heuristic 
[ 2], Random [3,4], RoundRobin [5] với dữ liệu tính 
toán dưới đây. 
Bảng 7. Ma trận dữ liệu TP, PP, DS cho bộ dữ liệu Test 
Giá trị ở bảng trên được lấy từ bảng giá sử dụng dịch 
vụ của Amazon EC2 [ 15] cho các tài nguyên trong 
phạm vi 1.1$ - 1.28$/giờ 
Các tham số giải thuật : 
Số cá thể = 25; số thế hệ = 30; số lần lặp = 30; 
Trọng số quán tính w = 0.85 và hệ số gia tốc C1 = 1.5 
và C2 = 0.5 
TP[5x3] 
 PC1 PC2 PC3 
T1 0.1*25 0.2*25 0.3*25 
T2 0.1*25 0.2*25 0.3*25 
T3 0.1*25 0.2*25 0.3*25 
T4 0.1*25 0.2*25 0.3*25 
T5 0.1*25 0.2*25 0.3*25 
PP[3x3] 
 PC1 PC2 0.3*25 
PC1 0 0.1 0.1 
PC2 0.1 0 0.1 
PC3 0.1 0.1 0 
DST2,T3,T4 
[2x2] 
 Data 
Size 
(MB) 
DST5 
[2x2]
= 
 DataSiz
e (MB) 
Input 10 Input 30 
Outp
ut 
10 Output 60 
Tính các ma trận chi phí đầu vào 
Khởi tạo các task 
PSO_Algorithm(readyTasks) 
Còn task chưa 
lập lịch? 
Xử lý công việc(phụ thuộc dữ 
liệu vào/ra giữa các task cha-con) 
Cập nhật các task ở trạng thái ready 
Cập nhật lại các chi phí 
đúng 
sai 
END 
BEGIN 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 20 - 
Bảng 8. Kết quả tính toán chi phí thực thi workflow sau 30 
lần chạy 
Lần 
lặp 
Scheduling
_Heuristic 
PSO_ 
Heuristic 
Rando
m 
Round 
Robin 
30 12.500 18.500 46500 40000 
Hình 2. Chi phí luồng công việc tìm được qua các giải 
thuật 
Nhận xét 
Thực nghiệm được tiến hành trên những số liệu 
thực tế về chi phí xử lý dữ liệu và chi phí truyền thông 
tin giữa các vị trí địa lý khác nhau. Những số liệu này 
được thu thập và cung cấp bởi công ty Amazon [15], 
nhìn chung kết quả thực nghiệm đã khẳng định hiệu 
quả vượt trội của giải thuật đề xuất so với các giải 
thuật đối sánh. 
Cụ thể, giải thuật đề xuất Scheduling_Heuristic 
cho kết quả phụ thuộc vào việc thiết lập các hệ số 
quán tính w, hệ số gia tốc C1, C2. Trong bài báo này 
chúng tôi đã sử dụng các trọng số quán tính w = 0.85, 
hệ số gia tốc C1 = 1.5 và C2 = 0.5, kết quả được thử 
nghiệm với số cá thể là 25, số lần lặp là 30 lần, như 
bảng kết quả đã chỉ ra chi phí của luồng công việc tính 
toán được bởi thuật toán Scheduling_Heuristic có giá 
trị thấp nhất so với các thuật toán Random, Round 
Robin và PSO_Heuristic. 
V. KẾT LUẬN 
Bài báo đã xây dựng một mô hình toán học cho 
bài toán luồng công việc trong môi trường điện toán 
đám mây nhằm cực tiểu hóa chi phí thực thi luồng 
công việc, đây là yêu cầu hết sức cần thiết trong môi 
trường điện toán đám mây vì điện toán đám mây là 
một môi trường dịch vụ tích hợp được cung cấp bởi 
các nhà cung cấp dịch vụ và người sử dụng phải trả 
chi phí cho các dịch vụ mà họ sử dụng. Đồng thời 
chúng tôi đã đề xuất một giải thuật lập lịch heuristic 
dựa trên chiến lược tối ưu bày đàn và cài đặt thử 
nghiệm trên môi trường mô phỏng cloudSim, kết quả 
chỉ ra việc tính toán chi phí tốt hơn các thuật toán đã 
có như Random hay Round Robin và PSO_Heuristic. 
TÀI LIỆU THAM KHẢO 
[1] Công cụ mô phỏng CloudSim  
cloudbus.org/cloudsim/ 
[2] S. Pandey, L.Wu, S.Guru, and R.Buyya, A 
Particle Swarm Optimization (PSO)-based Heuristic 
for Scheduling Workflow Applications in Cloud 
Computing Environments, The 24th IEEE 
International Conference on. Advanced Information 
Networking and Applications AINA, Australia, April, 
2010. 
[3] M.Michael, E.Upfal, Probability and Computing: 
Randomized Algorithms and Probabilistic Analysis, 
April 2005. Cambridge University Press 
[4] Don Fallis. The Reliability of Randomized 
Algorithms, British Journal for the Philosophy of 
Science 51:255–271. 
[5] Silberschatz, Abraham, Galvin, 
B.Gagne, Greg, Process Scheduling. Operating 
System Concepts John_Wiley_&_Sons (Asia), pp. 194. 
ISBN 978-0-470-23399-3. 
[6] J.D.Ullman, NP-complete scheduling problems, 
Journal of Computer and System Sciences, Volume 10, 
Issue 3, 1975 
[7] S. Parsa, R. E. Maleki, RASA. A New Task 
Scheduling Algorithm in Grid Environment, 
 International Journal of Digital Content Technology 
and its Applications, Vol. 3, No. 4, 2009 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 21 - 
[8] J.M. Cope, N. Trebon, H.M. Tufo, 
P.Beckman, Robust data placement in urgent 
computing environments, IEEE International 
Symposium on Parallel & Distributed Processing, 
IPDPS 2009 
[9] A. Agarwal, S. Jain, Efficient Optimal Algorithm 
of Task Scheduling in Cloud Computing Environment, 
International Journal of Computer Trends and 
Technology (IJCTT), vol. 9, 2014 
[10] M.Wieczorek, Marek Scheduling of Scientific 
Workflows in the ASKALON Grid Environment, ACM 
SIGMOD Record Journal, Vol. 34, Issue 3, 2005. 
[11] A. Salman, Particle swarm optimization for task 
assignment Problem, Microprocessors and 
Microsystems, 2002. 
[12] S. Pandey, A. Barker, K. K. Gupta, R. 
Buyya, Minimizing Execution costs when using 
globally distributed cloud services, 24th IEEE 
International Conference on Advanced Information 
Networking and Applications, 2010. 
[13] J. Kennedy, R. Eberhart, Particle Swarm 
Optimization. IEEE International Conference on 
Neural Networks, ICNN.1995 
[14] Thư viện JSwarm  
[15]  
Ngày nhận bài : 15/11/2014
SƠ LƢỢC VỀ TÁC GIẢ 
PHAN THANH TOÀN 
Sinh năm 1974 tại Thái Nguyên. 
Tốt nghiệp đại học và thạc sĩ tại 
Trường ĐH Bách Khoa Hà Nội, 
nghiên cứu sinh năm 2012 tại 
học viện Khoa học công nghệ 
quân sự. 
Hiện đang công tác tại Trường ĐH Sư Phạm Hà Nội 
Lĩnh vực nghiên cứu: các phương pháp gần đúng giải 
bài toán lập lịch luồng công việc trong môi trường 
điện toán đám mây, xử lý song song và phân tán. 
Điện thoại : 0912.069.762 
E-mail: pttoan@hnue.edu.vn 
NGUYỀN THẾ LỘC 
Sinh năm 1972, tại Hà Nội. 
Tốt nghiệp đại học khoa Toán 
Tin đại học Sư Phạm Hà Nội 
năm 1993, thạc sĩ CNTT tại đại 
học Bách Khoa Hà Nội. Nhận 
bằng tiến sỹ viện nghiên cứu 
khoa học công nghệ Nhật Bản 
JAIST năm 2007. 
Lĩnh vực nghiên cứu hiện nay: mạng máy tính và 
truyền thông, xử lý song song và phân tán 
Điện thoại : 0988.765.837 
E-mail: locnt@hnue.edu.vn 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 22 - 
 NGUYỄN DOÃN CƢỜNG 
Sinh năm 1977 tại Tuyên 
Quang. 
Tốt nghiệp đại học tại học viện 
kĩ thuật quân sự, nghiên cứu 
sinh tại Trường Đại học Tổng 
hợp Kỹ thuật điện Quốc gia 
Saint-Peterburg - CHLB Nga 2006. 
Hiện đang công tác tại : Viện CNTT – Viện Khoa học 
công nghệ Quân sự. 
Lĩnh vực công tác và hướng nghiên cứu: Công nghệ 
phần mềm, Data Mining and Knowledge Discovery, 
cơ sở dữ liệu lớn, cơ sở dữ liệu chuỗi thời gian, Bảo 
mật. 
Điện thoại : 0976.210.686 
E-mail: cuongvncntt@yahoo.com 
ĐỖ NHƢ LONG 
Sinh năm 1984 tại Sơn Tây, Hà 
Nội 
Tốt nghiệp đại học tại Trường ĐH 
Sư phạm Hà Nội, tốt nghiệp thạc 
sĩ tại Trường ĐH Công nghệ - ĐH 
Quốc Gia Hà Nội 
Hiện đang công tác tại trường đại 
học Sư phạm Hà Nội 
Lĩnh vực nghiên cứu : An Ninh Mạng, Bảo mật trong 
hệ thống mạng không dây 
Điện thoại : 0983.120.984 
E-mail: Longdn@hnue.edu.vn