ارائه یک الگوریتم زمان بندی در گرید محاسباتی با استفاده از ترکیب الگوریتم های ژنتیک و جاذبه گرانشی باینری
Publish place: The first national electronic conference on technological advances in electrical, electronics and computer engineering
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 687
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
TDCONF01_093
Index date: 10 July 2015
ارائه یک الگوریتم زمان بندی در گرید محاسباتی با استفاده از ترکیب الگوریتم های ژنتیک و جاذبه گرانشی باینری abstract
تور محاسباتی یک زیربنای سخت افزاری و نرم افزاری که دسترسی ارزان، پایدار و قابل اعتماد را فراهم میکند. که هدف آن ایجاد یک ابر رایانه با استفاده از منابع آزاد است. یکی از چالش های گرید، مسأله زمان بندی است که جزء مسأله سخت به حساب می آید. زمان بندی در گرید یک مسأله غیر قطعی است پس نمی توان از الگوریتم های قطعی برای بهبود زمان بندی استفاده کرد.در این مقاله از ترکیب الگوریتم ژنتیک و جاذبه گرانشی باینری برای حل مسأله زمان بندی استفاده شده است که در آن کاهش زمان اجرای وظایف و هزینه استفاده از منابع به طور همزمان، مورد بررسی قرار می گیرد. به این صورت که پارامتر زمان اجرای کار و هزینه استفاده از منابع از طرف کاربر مشخص می شود. همچنین در این الگوریتم از یک رویکرد جدید در انتخاب منابع استفاده شده که باعث توازن بار در منابع شده است. نتایج آزمایش ها نشان می دهد الگوریتم پیشنهادی ما از لحاظ زمان-هزینه و انتخاب بهترین منبع نسبت به الگوریتم های دیگر به نتایج بهتری دست پیدا کرده است.
ارائه یک الگوریتم زمان بندی در گرید محاسباتی با استفاده از ترکیب الگوریتم های ژنتیک و جاذبه گرانشی باینری Keywords:
گرید محاسباتی , زمان بندی ایستای کارها , الگوریتم ژنتیک , الگوریتم جستجوی محلی به تقلید از جاذبه گرانشی باینری
ارائه یک الگوریتم زمان بندی در گرید محاسباتی با استفاده از ترکیب الگوریتم های ژنتیک و جاذبه گرانشی باینری authors
علی اکبر فرج
دانشجو کارشناسی ارشد، دانشگاه آزاد اسلامی واحد کیش
علی هارون آبادی
استادیار، دانشگاه آزاد اسلامی واحد تهران مرکز
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 :