En el campo de la computacion en nube, la falta de la misma capacidad para los dispositivos, asi como la falta de conocimiento claro sobre el numero de dispositivos utilizados conducir a no utilizar algoritmos practicos con facilidad, por lo que el uso de algoritmo optimo es adecuado cuando cualquier dispositivo no puede ir Mas alla de su capacidad maxima. Tambien, en este trabajo, se ha considerado la estabilidad de la particion. De hecho, un subgrafo debe ser seleccionado en terminos de conectividad de modo que si un numero de enlaces estan desconectados, su estabilidad no se perdera y el programa se ejecutara correctamente. En este trabajo, se presento un metodo para dividir el grafico de tareas de una aplicacion. Dado que el problema de la particion grafica a gran escala es de la dureza NP, el algoritmo genetico fue propuesto como una estructura selectiva en el metodo propuesto. En el algoritmo genetico, tres criterios, incluyendo el costo, el tiempo de respuesta y la energia se utilizaron como un objetivo combinado. El uso de la programacion lineal influye efectivamente en el rendimiento optimo del algoritmo genetico. Los resultados del metodo propuesto muestran una reduccion precisa del consumo de energia y un tiempo de respuesta del 0,5% y del 3%, respectivamente.