مقارنة

‏DispatchAtlas مجموعة أدوات للجدولة والتحسين عبر بيئات الحوسبة الموزّعة، مبنية حول فهرس مُنسَّق ومدعوم بالاستشهادات لنُسخ المسائل — وليست مجرد مكتبة حَلّالات أو قائمة معايير أو محاكي شبكة.

ما الذي يميّز DispatchAtlas

لا يوجد نظير مفرد بالأسفل هو عامل التمييز — بل التوليفة هي كذلك. يجمع DispatchAtlas بين فهرس مُنسَّق ومدعوم بالاستشهادات لـنُسخ تحسين الجدولة و edge–fog–cloud، وسجلّ حَلّالات مُصنَّف حسب القدرة، ومقارنة إحصائية لا معلمية مدمجة، وبوابة تفتيش عامة يُركّب بانيها للمجموعات داخل المتصفّح مجموعات معايير جاهزة أو مخصّصة بالكامل من كامل الفهرس ويُنزّلها بصيغة JSON أو CSV أو حزمة دون خادم خلفي. كل قطعة موجودة في مكان آخر؛ ولا يوجد نظير بالأسفل يضمّها جميعًا معًا.

يمكن تسمية أقرب المنافسين بأمانة. يوفّر jMetal إطار دراسة تجريبية بإحصاء لا معلمي، لكن دون فهرس نُسخ جدولة أو بوابة تفتيش. ويوفّر job-shop-lib و TU/e Job Shop Scheduling Benchmark نُسخ جدولة ثريّة، لكن دون تنسيق استشهاد لكل نسخة، ولا إحصاء مدمج، ولا بوابة. ويوفّر WfCommons مولّدات سير عمل مدعومة بالآثار، لكنه لا يُقيّم المحسّنات ولا يُجري إحصاءً. أما DispatchAtlas فهو المشروع الذي يحمل القدرات الخمس معًا.

هذه الصفحة هي البيان المرجعي لهذا التموضع؛ تربط الأسطح الأخرى إلى هنا بدل إعادة صياغته.

كيف يُقارَن DispatchAtlas بالمنصّات ذات الصلة

تقارن هذه الجداول قدرات المنصّات — ما يقدّمه كل مشروع — لا الأداء. تأتي أدلّة الأداء من صادرات التحليل الإحصائي، لا من هذه الصفحة أبدًا. تُجمَّع الجداول في نطاقات مشاريع متقارِبة مع الحفاظ على أعمدة القدرة الخمسة نفسها. يربط كل نظير إلى استشهاده المرجعي؛ وتُدرَج المصادر الكاملة أسفل الصفحة. ✅ مُتاح، ⚠️ مجاور أو جزئي، ❌ غير مُتاح.

يظهر DispatchAtlas مرّة واحدة، في النطاق الأول، ويظلّ صفّه ✅✅✅✅✅ صحيحًا في كل نطاق لاحق.

منصّات وحَلّالات معايير الجدولة

‏OR-Tools CP-SAT هو الحَلّال الدقيق المهيمن للجدولة — ولا ينافسه DispatchAtlas. تُغلّف المحوّلات الدقيقة الاختيارية حَلّالات مثله خلف الإضافات، وتُسجّل مصفوفة القدرات التحسين الدقيق كقدرة محوّل: مُغلَّف لا مُنافَس. يحزم job-shop-lib نُسخًا كلاسيكية إلى جانب بيئات RL/GNN؛ وتوحّد مجموعة TU/e بيئات JSP و FJSP و online-FJSP للطرائق المتعلّمة وغير المتعلّمة؛ ويوفّر PyJobShop نمذجة برمجة بالقيود مُقيَّمة على أكثر من 9000 نسخة من الأدبيات؛ و schlably إطار تجارب جدولة بالتعلّم المعزّز العميق. لا يُنسّق أيٌّ منها مَنشأ الاستشهاد لكل نسخة، ولا يقدّم بوّابات إحصائية، ولا ينشر بوابة تفتيش — وتشير علامات ⚠️ إلى نُسخ تُسلَّم دون بيانات وصفية استشهادية مُنسَّقة.

أُطُر قياس التحسين العام والميتاهيوريستيك

يُقيّم COCO فئة مسائل مختلفة (دوال الصندوق الأسود المتّصلة)؛ وتشمل عائلة مجموعاته متغيّرات أحادية وثنائية الهدف، وواسعة النطاق، والعددية المختلطة، والمقيّدة، مع أرشيف بيانات عام. ويُقيّم IOHprofiler الهيوريستيك التكرارية ويوفّر مُحلِّل وِب مُستضافًا. ويُدرَج jMetal و jMetalPy تحديدًا لأنهما ليسا رجلَي قشّ: يقدّمان دراسات تجريبية بإحصاء لا معلمي، لكن دون فهرس جدولة أو بوابة. ويوفّر Nevergrad مخطّطات ترتيب ووحدة تجارب ورسم عبر مئات المحسّنات، لكن دون استدلال لا معلمي. ويوفّر pymoo و mealpy و NiaPy مجموعات خوارزميات ثريّة ودوال اختبار اصطناعية بدل سجلّ مُصنَّف.

محاكيات fog و edge

تنمذج هذه شبكات edge–fog–cloud كمحاكاة أحداث متقطّعة (⚠️)، لا كمجموعة معايير يُقيَّم عليها محسّن. يعمل EdgeCloudSim v5.0 على نواة CloudSim 7.0.0-alpha الحالية مع دروس جديدة. و YAFS أقرب محاكي fog بلغة Python روحًا إلى عائلات المتّصل، ومسائل التوظيف فيه هي ما يُعيد DispatchAtlas التعبير عنها كنُسخ معايير مُقيَّمة؛ و EdgeSimPy أحدث محاكي إدارة موارد edge بلغة Python.

منصّات محاكاة السحابة وسير العمل

هذه محاكيات وأُطُر آثار/مولّدات، لا معايير محسّنات — الإطار الأمين نفسه الذي يستعمله نطاق fog. خطّ WfCommons من الأثر إلى المولّد إلى المعيار هو أقوى نظير مفاهيمي لطموحات المنصّة المدعومة بالآثار، وهو بالضبط حيث يكون DispatchAtlas أضعف اليوم: ملفّ اصطناعي مُعايَر واحد، أي صفّ ⚠️ المدعوم بالآثار في مصفوفة القدرات أدناه.

‏Optuna أداة مكمّلة لا نظير: فهو مُوالِف مُعامِلات فائقة، فيمكن مُوالفة المُعامِلات الفائقة للحَلّالات به، لكنه لا يوفّر نُسخ جدولة ولا حكاية مَنشأ — ولهذا فإن «لماذا لا نستعمل Optuna ببساطة؟» له إجابة من سطر واحد. الاستشهاد Optuna (Akiba et al., KDD 2019).

كيفية قراءة العلامات:

• فهرس نُسخ جدولة مُنسَّق — مجموعة مُصدَّرة بالإصدارات ومدعومة بالاستشهادات من نُسخ مسائل الجدولة والتباديل. توفّر نظائر الجدولة نُسخًا لكن دون تنسيق استشهاد لكل نسخة؛ وتوفّر أُطُر التحسين مسائل اختبار اصطناعية؛ ولا توفّر المحاكيات فهرس نُسخ تحسين.
• ‏edge–fog–cloud كنُسخ معايير — مسائل توظيف واتصال غير متجانسة مكشوفة كنُسخ تحسين. تنمذج المحاكيات شبكات edge–fog–cloud (⚠️)، لكن كمحاكاة أحداث متقطّعة، لا كمجموعة معايير مُقيَّمة.
• سجلّ حَلّالات مُصنَّف حسب القدرة — تحمل الحَلّالات أهدافًا وقيودًا وبيانات وصفية للقدرة مُعلَنة. توفّر مكتبات الميتاهيوريستيك مجموعات خوارزميات ثريّة (⚠️) لكن ليس سجلًّا مُصنَّفًا موجَّهًا للجدولة.
• مقارنة إحصائية مدمجة — اختبارات لا معلمية وأحجام أثر مُحزَّمة مع مجموعة الأدوات. يوفّر COCO و IOHprofiler و jMetal أدوات إحصائية مخصّصة.
• بوابة تفتيش عامة — سطح بيانات قابل للتصفّح وآمن للعامة. ينشر COCO أرشيف بيانات ورشة (⚠️)؛ ويوفّر IOHanalyzer مُحلِّل وِب مُستضافًا.

ما لا يوفّره DispatchAtlas

هذه الفجوة العكسية الأمينة — يُسمّي كل بند النظير الذي يملك ما لا يملكه DispatchAtlas، ويعكس صفًّا قائمًا ❌ أو ⚠️ في مصفوفة القدرات أدناه.

• لا محاكاة أحداث متقطّعة — تنمذج محاكيات fog والسحابة (CloudSim، iFogSim2، EdgeCloudSim، WRENCH) ديناميكيات الشبكة والمنصّة بخطوات زمنية؛ بينما يُقيّم DispatchAtlas المحسّنات على النُسخ بدلًا من ذلك.
• لا مولّدات وصول ديناميكي أو إعادة جدولة آنيّة — توفّر مجموعة TU/e بيئات online-FJSP؛ بينما كل مولّد مُرفَق في DispatchAtlas ثابت.
• لا بيئات تدريب لعملاء التعلّم — يوفّر job-shop-lib و schlably بيئات RL/GNN؛ بينما واجهات التعلّم في DispatchAtlas جزئية.
• تنفيذ حملات على مضيف واحد — يُنفّذ Nevergrad بطاريات تجارب متوازية كبيرة؛ بينما يُنفّذ DispatchAtlas أنماطًا متسلسلة وخيطية ومحدودة وإعادة تشغيل على مضيف واحد.
• ملفّ آثار اصطناعي مُعايَر واحد — يوفّر WfCommons مولّدات مُشتقّة من الآثار ومُتحقَّق منها على أرشيفات سير عمل حقيقية؛ بينما يُرفِق DispatchAtlas ملفًّا اصطناعيًا مُعايَرًا واحدًا.

المصادر

• COCO — Hansen, Auger, Ros, Mersmann, Tušar, Brockhoff. COCO: a platform for comparing continuous optimizers in a black-box setting. Optimization Methods and Software 36(1), 2021. https://doi.org/10.1080/10556788.2020.1808977
• IOHprofiler — de Nobel, Ye, Vermetten, Wang, Doerr, Bäck. IOHexperimenter: Benchmarking Platform for Iterative Optimization Heuristics. Evolutionary Computation 32(3):205–210, 2024. https://doi.org/10.1162/evco_a_00342 · IOHanalyzer — https://doi.org/10.1145/3510426
• pymoo — Blank, Deb. pymoo: Multi-Objective Optimization in Python. IEEE Access 8, 2020. https://doi.org/10.1109/ACCESS.2020.2990567
• mealpy — Van Thieu, Mirjalili. MEALPY: An open-source library for latest meta-heuristic algorithms in Python. Journal of Systems Architecture 139, 2023. https://doi.org/10.1016/j.sysarc.2023.102871
• NiaPy — Vrbančič, Brezočnik, Mlakar, Fister, Fister Jr. NiaPy: Python microframework for building nature-inspired algorithms. Journal of Open Source Software 3(23), 2018. https://doi.org/10.21105/joss.00613
• iFogSim2 — Mahmud, Pallewatta, Goudarzi, Buyya. iFogSim2: An extended iFogSim simulator … Journal of Systems and Software 190, 2022. https://doi.org/10.1016/j.jss.2022.111351
• EdgeCloudSim — Sonmez, Ozgovde, Ersoy. EdgeCloudSim: An environment for performance evaluation of edge computing systems. Transactions on Emerging Telecommunications Technologies 29(11), 2018. https://doi.org/10.1002/ett.3493
• LEAF — Wiesner, Thamsen. LEAF: Simulating Large Energy-Aware Fog Computing Environments. IEEE ICFEC, 2021. https://doi.org/10.1109/ICFEC51620.2021.00012
• job-shop-lib — Ariño Fernández. job-shop-lib. arXiv:2506.13781, 2025. https://arxiv.org/abs/2506.13781
• Job Shop Scheduling Benchmark — Reijnen, van Straaten, Bukhsh, Zhang. arXiv:2308.12794, 2023. https://arxiv.org/abs/2308.12794
• PyJobShop — Lan, Berkhout. PyJobShop. arXiv:2502.13483, 2025. https://arxiv.org/abs/2502.13483
• schlably — Waubert de Puiseau et al. schlably. SoftwareX 22:101383, 2023. https://doi.org/10.1016/j.softx.2023.101383
• OR-Tools CP-SAT — Perron, Didier, Gay. CP-SAT. CP 2023. https://doi.org/10.4230/LIPIcs.CP.2023.3
• jMetal — Durillo, Nebro. jMetal. Advances in Engineering Software 42(10), 2011. https://doi.org/10.1016/j.advengsoft.2011.05.014 · jMetalPy — Benítez-Hidalgo et al. Swarm and Evolutionary Computation 51:100598, 2019. https://doi.org/10.1016/j.swevo.2019.100598
• Nevergrad — Rapin, Teytaud. Nevergrad. 2018 (software citation). https://github.com/facebookresearch/nevergrad
• YAFS — Lera, Guerrero, Juiz. YAFS. IEEE Access 7, 2019. https://doi.org/10.1109/ACCESS.2019.2927895
• EdgeSimPy — Souza et al. EdgeSimPy. Future Generation Computer Systems 148, 2023. https://doi.org/10.1016/j.future.2023.06.013
• CloudSim — Calheiros, Ranjan, Beloglazov, De Rose, Buyya. CloudSim. Software: Practice and Experience 41(1), 2011. https://doi.org/10.1002/spe.995 · CloudSim 7G — Andreoli et al. Software: Practice and Experience 55(6), 2025. https://doi.org/10.1002/spe.3413
• WfCommons — Coleman et al. WfCommons. Future Generation Computer Systems 128, 2022. https://doi.org/10.1016/j.future.2021.09.043
• WRENCH — Casanova et al. WRENCH. Future Generation Computer Systems 112, 2020. https://doi.org/10.1016/j.future.2020.05.030
• Optuna — Akiba, Sano, Yanase, Ohta, Koyama. Optuna: A Next-generation Hyperparameter Optimization Framework. KDD 2019. https://doi.org/10.1145/3292500.3330701

موقف DispatchAtlas

مصفوفة القدرات

تُتحقَّق كل حالة إزاء الحزم المشحونة وحِزَم البوابة العامة المُسمّاة في عمود الأساس: ✅ مدعوم اليوم، ⚠️ جزئي، ❌ غائب.