بهینه سازی زمانبندی تسکها (کارها) در سیستمهای چند پردازنده ای با استفاده از الگوریتمهای ژنتیک، سمینار کارشناسی ارشد کامپیوتر
موضوع پروژه: بهینه سازی زمانبندی تسکها (کارها) در سیستمهای چند پردازنده ای با استفاده از الگوریتمهای ژنتیک، سمینار کارشناسی ارشد کامپیوتر
بهمراه فایل ورد،فایل پاورپوینت و فایل شبیه سازی شده در سی شارپ
فرمت فایل: WORD (قابل ویرایش)
فرمت فایل: PowerPoiant (قابل ویرایش)
فرمت فایل: #C (پیاده سازی شده در سی شارپ)
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.
دیدگاه ها