بهینه سازی زمان بندی الگوریتم های موازی با استفاده از الگوریتم ژنتیک

نویسندگان

  • نعمتی, خدیجه دانشگاه آزاد اسلامی، واحد لاهیجان، دانشکده علوم ریاضی، گروه علوم کامپیوتر، لاهیجان
  • کردرستمی, سهراب دانشگاه آزاد اسلامی، واحد لاهیجان، دانشکده علوم ریاضی، گروه علوم کامپیوتر، لاهیجان
چکیده مقاله:

In scheduling, a set of machines in parallel is a setting that is important, from both the theoretical and practical points of view. From the theoretical viewpoint, it is a generalization of the single machine scheduling problem. From the practical point of view the occurrence of resources in parallel is common in real-world. When machines are computers, a parallel program can be conceived as a set of parallel components (tasks) which can be executed according to some precedence relationship. This paper shows the problem of allocating a number of non-identical tasks in a multi-processor or multicomputer system. The model assumes that the system consists of a number of identical processors and only one task may execute on a processor at a time. All schedules and tasks are non-preemptive.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها در بین زنان است، مورد توجه می‌باشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحله‌ای انجام...

متن کامل

بهینه سازی ورقهای کامپوزیت با استفاده از الگوریتم ژنتیک

بهینه‌سازی سازه‌ها یعنی طراحی آنها به صورتی که هم مسائل فنی رعایت شوند و هم کمترین وزن و هزینه اجرایی را داشته باشد. در سالهای اخیر استفاده از مواد‌مرکب‌چندلایه در ساخت سازه‌های مکانیکی، فضایی، دریایی و خودروسازی افزایش یافته است. یکی از دلایل عمده استفاده از این مواد، مقاومت بسیار زیاد به همراه وزن کم آنها می باشد. از اهداف این تحقیق طراحی بهینه یک ورق مرکب چند‌لایه با کمترین وزن و هزینه ممکنه...

متن کامل

بهینه سازی درجه بندی کاشی با استفاده از پردازش تصویر فازی و الگوریتم ژنتیک

در خطوط کنترل کارخانجات کاشی برای اینکه بتوان کاشیها را درجه بندی کرد، نیاز به روشهایی برای تشخیص انواع عیوب مختلفی است که ممکن است در هنگام تولید بر روی کاشی‌ها به وجود آید. به گفته کارشناسان، یکی از بیشترین عیوبی که باعث پایین آمدن کیفیت کاشی‌ها می‌شوند، ترکها و خالها می‌باشند. به این نوع از عیب ها، عیوب تیز گفته می‌شود که در تصویر ساختارهایی با عرض کم و کنتراست بالا به وجود می‌آورند. یکی از ...

متن کامل

استفاده از الگوریتم ژنتیک در بهینه سازی گروه شمعها

چکیده در اکثر پروژه‌هایی که سازه تحت بار زیاد قائم و افقی قرار دارند و یا در زمین‌هایی هستند که دارای مقاومت کافی در برابر بار وارده نمی باشند، علی‌رغم مخارج بیشتر، نیاز به اجرای شمع می‌باشد. پی شمعی بسیار پر هزینه تر از پی‌های سطحی منفرد و گسترده است بنابراین باید در تعیین تعداد، ابعاد و فواصل شمع ها دقت زیادی شود تا این پارامترها بیش از حد مورد نیاز تعیین نشوند. به منظور طراحی بهینه گروه شمع...

متن کامل

بهینه سازی وزن قاب های فالادی با استفاده از الگوریتم ژنتیک

در طراحی‌های اخیر، بهینه‌سازی سازه‌ها برای کمترین وزن اهمیت زیادی پیدا کرده است. در این مطالعه از الگوریتم بهینه‌سازی ژنتیک که یک تکنیک بهینه‌سازی و جستجو براساس اصول ژنتیک و انتخاب طبیعی می‌باشد برای به حداقل رساندن وزن قاب‌های فولادی استفاده شده است. محدودیت‌های مربوط به مقاومت و خدمت‌پذیری از آیین‌نامه انجمن ساختمان‌های فولادی آمریکا (AISC) گرفته شده و در الگوریتم اعمال شده است. فرآیند طراحی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 13  شماره 2

صفحات  35- 52

تاریخ انتشار 2016-08

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023