Computação Autônoma é uma área emergente que visa capacitar sistemas a gerenciar suas tarefas de maneira inteligente, dinâmica e automática. Essa área aborda a grande complexidade dos sistemas computacionais atuais, os quais têm se tornado cada vez mais difíceis de integrar e manter, devido, principalmente, ao aumento de escala e à necessidade de mão-de-obra especializada. Computação em grade é uma das áreas com maior potencial para o projeto de novas técnicas autônomas, em vista da sua complexidade proveniente da dinâmica do comportamento de tarefas, compartilhamento de informações, variação do perfil de usuários, recursos computacionais geograficamente distribuídos e heterogêneos. Esse potencial motivou diferentes frentes de pesquisa, a maioria visando a proposta de arquiteturas autônomas (estruturação de componentes necessários para prover serviços) e a integração de ferramentas e serviços. Poucas dessas frentes são voltadas para o estudo, projeto e avaliação de técnicas e modelos com o objetivo de apoiar e melhorar funcionalidades autônomas de grades. Esses fatores motivaram o projeto Middleware for High Performance Computing (MidHPC), que investiga formas de auto-gerenciar suportes para distribuição de dados, tolerância a falhas, segurança e escalonamento de processos. Essas investigações obtiveram resultados promissores por meio do emprego da ocupação histórica média de recursos por processos. Esses resultados motivaram pesquisas adicionais com o objetivo de avaliar e compreender variações no comportamento de processos e empregá-las na melhoria de aspectos autônomos em grades computacionais. A compreensão dessas variações motivou esta tese de livre docência, que emprega conceitos sobre sistemas dinâmicos e técnicas inteligentes para modelar e predizer o comportamento de processos com o objetivo de otimizar operações de escalonamento em ambientes de grade computacional. Tais conceitos foram aplicados na predição de operações de comunicação, as quais foram utilizadas para parametrizar uma nova política de escalonamento que visa minimizar custos de comunicação e processamento. Essa política foi comparada a outras abordagens da literatura e seus resultados confirmam contribuições significativas decorrentes da predição de comportamento de processos.

Autonomic Computing is an emerging research area which deals with systems capable of self-managing their tasks in an intelligent, dynamic and automatic manner. It addresses the increasing complexity of current computing systems, which become more and more difficult to integrate and maintain, mainly due to their scale growth and the need for specialized labor. Grid computing requires self-manageable features, essentially due to the complexity associated to its task dynamical behavior, information sharing, different user profiles, geographically distributed resources and heterogeneity. The need for those features has encouraged many research efforts, most of them focused on proposing autonomic architectures (structuring components to provide services) and the integration of tools and services. Few research initiatives address the study, design and evaluation of techniques and models to support and improve grid autonomic aspects. This scenario has motivated the Middleware for High Performance Computing (MidHPC) project which investigates self-manageable supports for data distribution, fault tolerance, security and process scheduling. Promising results were obtained by considering historical resource consumption averages. Results encouraged additional efforts to assess process behavior variations and their application to improve autonomic aspects of grid computing. Comprehension of those variations in behavior motivated this thesis, which employs dynamical system concepts and intelligent techniques to model and predict process behavior, aiming at optimizing scheduling operations in grid computing environments. Process communication operations were predicted and used to parameterize a new process scheduling policy which attempts to minimize communication and processing costs. This policy was compared to others from the literature. Results confirm relevant contributions and motivate the adoption of the proposed approach to improve other grid autonomic aspects.