تکنیک ادغام وظایف جهت بهبود زمان بندی با استفاده از الگوریتم ژنتیک
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,687
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCSCIT01_091
تاریخ نمایه سازی: 19 بهمن 1390
Abstract:
مساله زمانبندی ایستای کارها در سیستم های چند پردازنده ای به دلایل استفاده بهینه از پردازنه ها و همچنین صرف زمان کمتر ، دارای اهمیت ویژه ای است. این مساله از رده مسائل سخت است و به دست آوردن جواب بهینه دارای پیچیدگی زمانی بالیی است ، بنابراین برای حل این مسایل از روش های ابتکاری استفاده می شود.الگوریتم های ژنتیک و اتوماتا ، روش مناسبی جهت زمانبندی در سیستم های چند پردازنده ای است.در این مقاله یک راهکار برای الگوریتم های زمانبندی ، معرفی می گردد.ایده اصلی در طراحی این الگوریتم بدست اوردن کمترین زمان اجرا با بالاترین موازات ممکن در کنار حداقل طول مسیر بحرانی می باشد. با استفاده از این راهکار می توان گراف هایی با تعداد وظابف زیاد را به گراف هایی با تعداد وظایف کم تر تبدیل کرد و ما از ترکیب دو تکنیک ادغام وظایف و زمانبندی با ژنتیک الگوریتم استفاده می کنیم تا بتوانیم طول مسیر بحرانی را کم کنیم. الگوریتم ژنتیک جدیدی برای زمانبندی در سیستم های چند پردازنده ای ارایه می شود که اولویت زمانبندی انجام کارها ، بر اساس تعداد فرزندان و نوادگان است.نتایج شنان می دهد الگوریتم پیشنهادی جدید در زمان قابل قبول جواب بهینه زمانبندی را نسبت به دیگر روش های متداول به دست می آورد.
Keywords:
زمانبندی کارها , سیستم های چند پردازنده ای , فرزندان و نوادگان کارها , الگوریتم ادغام وظایف , دانه بندی , الگوریتم ژنتیک
Authors
مرجان عبدیزدان
دانشجوی دکترای نرم افزار ، گروه کامپیوتر ، دانشگاه علوم و تحقیقات تهر
سعید پارسا
دانشیار ، گروه کامپیوتر ، دانشگاه علم و صنعت ایران
عاطفه پارسا
دانشجوی مهندسی نرم افزار ، گروه کامپیوتر ، دانشگاه آزاد اسلامی واحد ماهشهر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :