سمیه مغاری - دانشکده علوم ریاضی دانشگاه صنعتی شاهرود

مسئله زمان بندی، تخصیص و انقیاد بهینه واحدهای عملیاتی تحت محدودیت منابع، بخشی از سنتز رفتاری مدارهای دیجیتال است و مرتبه پیچیدگی آن در کلاس مسائل سخت ( NP - hard ) قرار دارد. بنابراین، هنگامی که اندازه گراف جریان داده بزرگ شود. راه حل های دقیق نمی توانند در زمان قابل قبول پاسخ بهینه را به دست آورند و یافتن یک پاسخ خوب بسیار ارزشمند است که با استفاده از روشهای تقریبی مانند الگوریتم های ابتکاری و فرابتکاری انجام می شود. الگوریتم زمان بندی لیست یک الگوریتم ابتکاری است که به همین منظور در سنتز کننده های مدرن استفاده می شود. الگوریتم ژنتیک GA- ETI نیز بعنوان یک راهکار فرابتکاری برای حل مسئله زمان بندی جریان کارهای علمی در محیطهای ابری توسعه داده شده است. در این مقاله الگوریتمGA - ETI را با الگوریتم زمان بندی لیست ترکیب نموده و روش جدیدی برای بهینه سازی سنتز رفتاری توسعه داده می شود که علاوه بر یافتن پاسخهای بهینه / نزدیک به بهینه، سرعت اجرای بالایی دارد. نتایج تجربی به دست آمده نشان می دهد که کیفیت پاسخهای الگوریتم پیشنهادی نسبت به الگوریتم های زمان بندی لیست و GA-ETI بهتر است و همچنین سرعت اجرا و همگرایی آن از الگوریتم ژنتیک GA- ETI بالاتر است.

سنتز رفتاری؛ الگوریتم ژنتیک؛ زمان بندی لیست