• ترکیب آتاماتای مهاجرت اشیا و الگوریتم ژنتیک برای زمانبندی گراف وظایف در معماری چند پردازنده ای

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1386/01/01
    • تاریخ انتشار در تی پی بین: 1386/01/01
    • تعداد بازدید: 710
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    امروزه سیستمهای چندپردازنده ای کاربرد وسیعی در محاسبات موازی دارند. در این سیستمها زمانبندی مؤثر برای اجرای یک برنامه موازی جهت نائل شدن به کارآیی بالا امری حیاتی است. این زمانبندی باید به گونه ای انجام گیرد که بتواند زمان اجرای کل برنامه را با توجه به زمان وظایف و ارتباط بین پردازنده ها، کمینه نماید. با توجه به np-hard بودن مسئله زمانبندی گراف وظایف، رویکرد های مبتنی بر روشهای قطعی در این زمینه کارا نخواهند بود؛ بنابر این استفاده از پردازش تکاملی و به طور عمده الگوریتمهای ژنتیک و الگوریتم های ترکیبی برای حل این مسئله موثر می باشد. با ترکیب الگوریتم ژنتیکی و آتاماتای یادگیر و تلفیق مفاهیم ژن، کروموزوم، اقدام و عمق، می توان به یک روش جستجوی کارا برای حل مساله گراف وظایف دست یافت، بطوریکه با استفاده هم زمان از آتاماتای یادگیر و الگوریتم ژنتیک در فرآیند جستجو، سرعت رسیدن به جواب، افزایش چشم گیری پیدا می کند و از بدام افتادن الگوریتم در حداقل های محلی جلوگیری می شود. الگوریتم پیشنهادی در این مقاله کوششی است در جهت خودترمیمی، تولید مثل، جریمه و پاداش (هدایت) که از ویژگی های مهم الگوریتم ترکیبی است. رویکرد جدید در این الگوریتم علاوه بر ترکیبی بودن الگوریتم، بر پایه کوتاهتر کردن طول مسیر بحرانی و کاهش هزینه ارتباطات بین پردازنده ای است. در نهایت نتایج عملی حاصل از پیاده سازی روش ارایه شده نشان می دهد که می توان یک زمانبندی مناسب در زمان بسیار کمتری نسبت به الگوریتمهای مشابه پیدا کرد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها