مهدی سلمانی جلودار - دانشجوی رشته سختافزار، مقطع کارشناسی ارشد دانشگاه تهران
مصطفی زالی - دانشجوی رشته مهندسی کامپبوتر، مقطع کارشناسی دانشگاه تهران
محمد مقیمی نجف آبادی - دانشجوی رشته مهندسی کامپبوتر، مقطع کارشناسی دانشگاه تهران

مساله زمان بندی وظایف در یک سامانه ی چندپردازنده به صورت نسبت دادن مجموعه ای از وظایف به تعدادی پردازنده تعریف می شود.این وظایف باید به گونه ای به پردازند هها نسبت داده شوند که زمان اجرای نهایی کمینه شده و مجموع های از معیارها رعایت شوند. مجموعه گستردهای از راهحلهای دقیق و ابتکاری 4 برای حل این مساله بهینه سازی مطرح شده است . مشکل اصلی راه حل های قبلی عد م'کارایی برای فضای حال تهای بزرگ و یا عدم تضمین دستیابی به راه حل بهینه است . در این مقاله، راه حلی نوین، مبتنی بر ترکیب روش الگوریتم ژنتیک و یادگیری تقویت ی 5 برای حل این مساله ارائه می شود. در این روش ابتدا مساله اولیه زمانبندی با استفاده از الگوریتم ژنتیک به چند زیر مساله شکسته شده و با استفاده از روش یادگیری تقویتی تلاش م یشود راه حلی بهینه برای هر یک از زیر مساله ها یافته شو د. جواب نهایی مساله به صورت مجموعه ای از زوج مرتب های وظایف و پردازنده ها ارائه خواهد شد . نتایج حاصل از شبیهسازی و ارزیابی سیستم بر روی موارد آزمایشی استاندارد نشان میدهد که این روش برای حل مساله ذکر شده به خوبی سایر روشها عمل کرده و از سرعت اجرای بالاتری برخوردار است.

یادگیری تقویتی، الگوریتم ژنتیک، زمان بندی وظایف سیستم های موازی