ارائه یک الگوریتم زمانبندی برای انتخاب منابع دسته ای لوله ای با استفاده از الگوریتم ژنتیک
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده فنی
- author آیدین هلاکویی
- adviser آرش قربان نیا دلاور واحد آغازاریان
- Number of pages: First 15 pages
- publication year 1391
abstract
در این پروژه یک الگوریتم زمان بندی برای انتخاب منابع دسته ای لوله ای با استفاده از الگوریتم ژنتیک ارائه خواهیم داد. این الگوریتم در تخصیص منابع برای توان پردازشی متغیر در انتخاب کارها ارائه می گردد. در الگوریتم های قبلی، منبع در یک زمان تنها قادر به انتخاب و اجرای یک کار بوده است. با روش تکنیکی جدید توانسته ایم کارها را به صورت دسته ای ادغام کرده تا بتوانند به صورت موازی بلافاصله پس از اتمام کار اول، کار دوم را به صورت همزمان شروع نماید. با توجه به این وضعیت ما می توانیم سیستمی را ارائه نماییم تا به کمک این سیستم اولویت بندی کارها با الگوریتم پیشنهادی جدید قابلیت اطمینان بیشتری نسبت به الگوریتمهای مشابه خود داشته باشد. با توجه به الگوریتم جدید اتلاف زمان رفت و برگشت در بین کارها را کاهش داده و با روش انتخاب صحیح توانسته ایم از منابع موجود استفاده بهینه ای داشته باشیم. الگوریتم پیشنهادی نسبت به الگوریتم مورد مشابه، با انتخاب دسته ای لوله ای کارها، قادر خواهد بود آنها را به صورت موازی انجام داده و با استفاده از روش های پیشنهادی بتوانیم پارامترهای لحاظ شده را در الگوریتم جدید مورد مقایسه و شبیه سازی قرار دهیم. و در نهایت زمان رفت و برگشت کارها و همچنین زمان نهایی آن کاهش یابد. عمل درخواست و تاییدیه کار بعدی را همزمان با اتمام کار قبلی بر روی منابع پردازشی صورت می پذیرد.
similar resources
ارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها
Clustering is one of the main techniques in data mining. Clustering is a process that classifies data set into groups. In clustering, the data in a cluster are the closest to each other and the data in two different clusters have the most difference. Clustering algorithms are divided into two categories according to the type of data: Clustering algorithms for numerical data and clustering algor...
full textارائه یک الگوریتم جدید برای زمانبندی کارها در محاسبات ابری با استفاده از الگوریتم ژنتیک ترکیبی
محاسبات ابری به دلیل توانایی ارائه یک زیرساخت انعطاف پذیر و پویا در بستر تکنولوژی اطلاعات و تضمین پارامترهای کیفیت سرویس، به یکی از موضوعات مهم دنیای کامپیوتر تبدیل شده است. یکی از مسائل مهم در محاسبات ابری، زمانبندی کارها است. زمانبندی کارها برای پردازش توسط منابع مناسب موجود در شبکه ابر، به عنوان یک مساله اساسی در رسیدن به کارایی بالا در سیستم محاسبات ابری مطرح شده است. این مساله به دلیل دارا...
طراحی جدول زمانبندی خودکار برای دروس دانشگاهی با استفاده از الگوریتم های ژنتیک
طراحی جدول زمانبندی، اساساً از وظایف پیچیده و وقت گیر برای پرسنل مسئول میباشد که از طرفی انجام خودکار آن گامی در جهت کاهش بار کاری پرسنل و از سوی دیگر یک نمونه مطلوب برای امتحان روشهای برنامهریزی و ارضای محدودیتها در هوش مصنوعی است. در این پژوهش، ابتدا الگوریتمهای ژنتیک مطالعه و بررسی شده، سپس در مسأله بهینه سازی جدول زمانی دروس برای یک دانشکده فرضی مورد استفاده قرار گرفته است. د...
full textارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها
خوشه بندی یکی از تکنیک های اصلی داده کاوی است. خوشه بندی فرایندی است که مجموعه داده ها را داخل گروه هایی طبقه بندی می کند. در خوشه بندی داده های موجود در یک خوشه بیشترین شباهت را به هم دارند و داده های موجود در دو خوشه متفاوت بیشترین تفاوت را با هم دارند. الگوریتم های خوشه بندی با توجه به نوع داده ها به دو دسته تقسیم می شوند: الگوریتم های خوشه بندی داده های عددی و الگوریتم های خوشه بندی داده ها...
full textزمانبندی چندهدفه شبکه های تولید چندکارخانه ای با استفاده از الگوریتم ژنتیک زیرجمعیت و روش ارتجاعی
روند جهانی سازی موجود سبب پیدایش رقابتی شدید برای کسب هر چه بیشتر منافع در بین تولیدکنندگان شده است. برای حفظ شرایط رقابت پذیری در چنین بازارهایی، کارخانه ها تصمیم به ایجاد شبکه تولیدی متشکل از چندین کارخانه می نمایند. پراکندگی اعضاء در نقاط مختلف جغرافیایی در ساختارهای توزیع شده سبب در دسترس بودن منابع ارزانتر، توانایی تولید بالاتر و مواجهه سریع تر با تغییرات و قدرت رقابتی بالاتر شده است. به ...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده فنی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023