no-img
دانلود پروژه،ترجمه مقاله، پایان نامه و گزارش کارآموزی

بهینه سازی زمانبندی پردازنده ها (کارها) در سیستم چند پردازنده ای با الگوریتم ژنتیک


دانلود پروژه،ترجمه مقاله، پایان نامه و گزارش کارآموزی
adsads

ادامه مطلب

DOC
بهینه سازی زمانبندی پردازنده ها (کارها) در سیستم چند پردازنده ای با الگوریتم ژنتیک
doc
دی ۳, ۱۳۹۳
20000 تومان
20000 تومان – خرید

بهینه سازی زمانبندی پردازنده ها (کارها) در سیستم چند پردازنده ای با الگوریتم ژنتیک


Want create site? Find Free WordPress Themes and plugins.

عنوان فارسی مقاله: بهینه سازی زمانبندی تسکها (پردازنده ها) در سیستم چند پردازنده ای با الگوریتمهای ژنتیک
فرمت فایل ترجمه شده: WORD (قابل ویرایش)

تعداد صفحات : ۸

چکیده

مسئله زمانبندی ایستای کارها در سیستم های چند پردازنده ای به دلایل استفاده بهینه از پردازنده ها و همچنین صرف زمان کمتر،دارای اهمیت ویژه ای است.این مسئله از رده مسائل سخت است و به دست آوردن جواب بهینه دارا ی پیچیده گی زمانی بالایی است.بنابر این برای حل این مسائل از روشهای ابتکاری استفاده میشود.الگوریتمهای ژنتیک،روش مناسبی جهت زمانبندی در سیستم های چند پردازنده ای است.در این مقاله الگوریتم ژنتیک جدیدی  برای زمانبندی در سیستم های چند پردازنده ای ارائه میشود که اولویت زمانبندی انجام کارها،بر اساس تعداد فرزندان و نوادگان(Offspring) آنها است.نتایج نشان میدهد الگوریتم پیشنهادی جدید در زمان قابل قبول جواب بهینه زمانبندی را نسبت به دیگر روشهای ژنتیک متداول به دست می آورد.

در این مقاله ابتدا به معرفی الگوریتم های ژنتیک می پردازیم بعد مراحل، حل یک مساله به وسیله الگوریتم های ژنتیک را بررسی می کنیم.بعد الگوریتم بهینه سازی مساله زمانبندی تسک ها در سیستم های چند پردازنده ای با استفاده از الگوریتم ژنتیک را بیان خواهیم کرد. در پایان نیز یک شبیه سازی از حل این مساله را ارائه می کنیم.

کلمات کلیدی

ژن،  فرم،کروموزوم،Evaluation،Encoding،Mutation،Crossover ، Fitness، NP-hard

۱٫مقدمه

الگوریتمهای ژنتیک ابزاری می باشند که توسط آن ماشین می تواندمکانیزم انتخاب طبیعی را شبیه سازی نماید. این عمل با جستجو درفضای مسئله جهت یافتن جواب برتر و نه الزاما بهینه صورت می پذیرد. الگوریتم های ژنتیک با استفاده از نظریه داروین در مورد تکامل،جان گرفتند. سپس نظریه محاسبات تکاملی، توسط ریچنبرگ در سال ۱۹۶۰معرفی شدند و این نظریه توسط محققان دیگر توسعه یافت تا در سال ۱۹۷۵ منجربه اختراع الگوریتم های ژنتیک توسطHollandو دانشجویانش شد.

الگوریتم های ژنتیک اغلب گزینه خوبی برای تکنیک های پیش بینی  بر مبنای رگرسیون هستند.

در هر نسل، بهترین های آن نسل انتخاب می شوند و پس از زاد و ولد، مجموعه جدیدی از فرزندان را تولید می کنند.

یک نمونه  دسته ای از مشکلات که نمی توانند از طریق روش قدیمی و سنتی حل شوند، مسائل NP است.

Did you find apk for android? You can find new Free Android Games and apps.


موضوعات :
پایان نامه
ads

درباره نویسنده

admin 732 نوشته در دانلود پروژه،ترجمه مقاله، پایان نامه و گزارش کارآموزی دارد . مشاهده تمام نوشته های

مطالب مرتبط


دیدگاه ها


پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*

code