Este projeto apresenta o desenvolvimento de um conjunto de algoritmos que objetivam o escalonamento de tarefas em grades móveis, com foco no problema de conectividade e tolerância às falhas. Algoritmos de aprendizado de máquina e algoritmos estocásticos são aplicados na organização de recursos da grade durante o processo de escalonamento de tarefas. Além disso, uma tolerância a falhas foi considerada em conjunto ao algoritmo proposto e o desempenho do algoritmo foi avaliado por meio de simulação. Os resultados mostram que a queda da quantidade de falhas é significativa com a utilização dos algoritmos desenvolvidos, principalmente quando há uma grande quantidade de tarefas e poucos recursos disponíveis. O aumento do tempo de execução é inevitável neste caso, porém é controlável pelas variáveis definidas nos algoritmos. / This project presents the development of a set of algorithms for task scheduling in a mobile grid, focusing on connectivity problem and fault tolerance. Machine learning algorithms and stochastic algorithms are applied to organize the grid resources during the process of task scheduling. In addition, a technique of fault tolerance is considered in conjunction with the proposed algorithm, and the performance of algorithm is evaluated by simulation. The results show a substancial decrease in the failure rate due to the use of developed algorithms, mainly for the case of large amount of tasks with limited resources. The increase in execution time is inevitable in this case, but it is controllable by variables defined in the algorithms.

Este projeto apresenta o desenvolvimento de um conjunto de algoritmos que objetivam o escalonamento de tarefas em grades móveis, com foco no problema de conectividade e tolerância às falhas. Algoritmos de aprendizado de máquina e algoritmos estocásticos são aplicados na organização de recursos da grade durante o processo de escalonamento de tarefas. Além disso, uma tolerância a falhas foi considerada em conjunto ao algoritmo proposto e o desempenho do algoritmo foi avaliado por meio de simulação. Os resultados mostram que a queda da quantidade de falhas é significativa com a utilização dos algoritmos desenvolvidos, principalmente quando há uma grande quantidade de tarefas e poucos recursos disponíveis. O aumento do tempo de execução é inevitável neste caso, porém é controlável pelas variáveis definidas nos algoritmos. / This project presents the development of a set of algorithms for task scheduling in a mobile grid, focusing on connectivity problem and fault tolerance. Machine learning algorithms and stochastic algorithms are applied to organize the grid resources during the process of task scheduling. In addition, a technique of fault tolerance is considered in conjunction with the proposed algorithm, and the performance of algorithm is evaluated by simulation. The results show a substancial decrease in the failure rate due to the use of developed algorithms, mainly for the case of large amount of tasks with limited resources. The increase in execution time is inevitable in this case, but it is controllable by variables defined in the algorithms.