زمان بندی کارها در سیستم های چند پردازنده ای با استفاده از یک الگوریتم جدید اولویت بر اساس تعداد فرزندان

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 6,160

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_054

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله:

مساله زمانبندی ایستای کارها در سیستم های چندپردازنده ای به دلایل استفاده بهینه ازپردازنده 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 زمان بالایی است، بنابراین برای حل این مسائل از روش های ابتکاری استفاده می شود. الگوریتم های ژنتیک، روش مناسبی جهت زمانبندی در سیستم های چند پردازنده ای است. د راین مقاله الگوریتم ژنتیک جدیدی برای زمانبندی در سیستم های چند پردازنده ای ارایه میشود که اولویت زمان بندی انجام کارها، بر اساس تعداد فرزندان و نوادگان (Offspring) آنهاست. نتایج نشان می دهد الگوریتم پیشنهادی جدید در زمان قابل قبول جواب بهینه زمانبندی را نسبت به دیگر روش های ژنتیک متداول به دست می آورد.

کلیدواژه ها:

الگوریتم ژنتیک ، زمانبندی کارها ، سیستم های چندپردازنده ای ، نوادگان

نویسندگان

مرجان عبدیزدان

دانشگاه آزاد اسلامی واحد ماهشهر

امیرمسعود رحمانی

استاد راهنما دانشگاه واحد علوم و تحقیقات تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • . R. F. Freund, M. Gherrity, S. Ambrosius, M. Campbell, ...
  • . _ Armstrong, D. Hersgen, and T. Kidd, The relative ...
  • . Carnegie- Mellon University, Pittsburgh, PA, Genetic Algorithms and Their ...
  • . MIT, Cambridge, MA, Genetic Algorithms and Their applications, Proc. ...
  • . George Mason Univ. Washington, DS, Genetic Algorithms, Proc. 3rd ...
  • . D. E. Goldberg, Genetic Algorithms in Search, Optimization, and ...
  • D. Fernandez- Baca, Allocating nodules to processors in _ distributed ...
  • _ F. Freund and H. J. Siegel, He terogeneous processing, ...
  • . F. Glover and M. Laguna, Tabu Search, Kluwver Academic, ...
  • D. E. Goldberg, Genetic Algorithms in Search, Optimization and Machine ...
  • R. L. Haupt, S. E. Haupt, Parallel genetic algorithms, John ...
  • 3]. o. H. Ibarra and C. E. Kim, Heuristic algorithms ...
  • environment, in " 4th IEEE Heterogeneo _ Computing Workshop (HCW' ...
  • 5]. M. Kafil and I. Ahmad, Optimal task assignment in ...
  • 6]. S. Kirkpatrick, C. D. Gelatt, Jr., and M. P. ...
  • 7]. Lee, Y. H., Chen, C. A Modified Genetic Algorithm ...
  • . B. Naharai, A. Youssef, and H. A. Choi, Matching ...
  • . S. J. Russell and P. Norvig, Artificial Intelligence: A ...
  • . C.-C. Shen and W.-H. Tsai, A graph matching approach ...
  • . r. h. Shenassa, m. mahmoodi, _ _ intelligent method ...
  • 2]. r. h. shenassa, r. mahmoodi, _ novel intelligent method ...
  • . P. Shroff, D. Watson, N. Flann, and R. Freund, ...
  • 4]. G.C. Sih and E.A. Lee, A compile- time scheduling ...
  • 5]. H. Singh and A. Youssef, Mapping and scheduling heterogeneous ...
  • 6]. Y. G. Tirat- Gefen and A. C. Parker, MEGA: ...
  • . L. Wang, H. J. Siegel, V. P. Roycho wdhury, ...
  • . A. Y. Zomaya and R. Kazman, Simulated annealing techniques, ...
  • . Hou E. S. H, Ansari N. and H. Ren, ...
  • نمایش کامل مراجع