امروزه سیستم های گرید به علت توانایی در حل مسائل بزرگ در عرصه ی تجارت و علم محبوبیت پیدا کرده اند. خرابی کار ها که در بسیاری از محیط های محاسباتی امری ذاتی است، در گرید ها به واسطه ی طبیعت پیچیده و پویای آن ها بیشتر به چشم می خورد. بعلاوه، متد های مرسوم برای ترمیم خرابی کار ها بسیار پر هزینه بوده و لذا نیاز به حرکت به سمت استراتژی های مدیریت پیشگیرانه مبتنی بر متد های داده کاوی، یک امر ضروری در این سیستم ها به نظر می رسد. در این کار، یک تلاش بدیع جهت پیش بینی آینده ی کار ها در یک گرید معتبر انجام شده است. ابتدا، رابطه ی بین مشخصه های بار کاری و خرابی کار ها با آنالیز پرونده های ثبت وقایع مربوط به آورگرید، مورد بررسی قرار گرفته اند. پس از تشخیص الگو های خرابی، وضعیت موفقیت یا شکست کار ها در طول 6 ماه از فعالیت آورگرید با دقتی حدود 96% پیش بینی شد. تاثیر طبیعت پویای گرید بر کارایی مدل حاصل، با بررسی مفاهیمی همانند پنجره های تعلیم و تست نشان داده شده است. کیفیت سرویس ها در گرید می تواند با اثر دادن نتایج این کار در عملکرد سرویس های مدیریتی، همچون زمانبندی و دیده بانی، رشد داده شود.

امروزه آتوماتای سلولی در زمینه های متعددی از جمله تولید الگوهای تصادفی، نظریه محاسبات، مدلسازی سیستمهای فیزیکی و بیولوژیکی و محاسبات کاربردی مورد استفاده قرار گرفته است. طبق تعریف، می توان به آتوماتای سلولی به عنوان یک مدل محاسباتی عمومی نگریست که عملیات بر روی این مدل محاسباتی طبق قوانین سلولی صورت می پذیرد. از طرفی گرایشی در جامعه علمی برای نمونه سازی و حل مسائل پیچیده بهینه سازی بوسیله به کار بردن استعاره های طبیعی وجود دارد. این مسئله اصولاً به عدم بهره وری الگوریتم های بهینه سازی معمول در حل مسائل دارای مقیاس ترکیبی بزرگتر و یا مسائل به شدت غیرخطی، ارتباط دارد. یکی از شاخصه های معمول بهینه سازی عدم انعطاف آنها در جهت تطبیق دادن الگوریتم حل با یک مسئله ارائه شده است. اساساً یک مسئله داده شده در چنین روشی بنحوی نمونه سازی می شود که یک الگوریتم ساده معمول می تواند از عهده آن برآید. این مسئله در کل نیازمند گرفتن چندین فرض می باشد که ممکن است تأیید آنها در خیلی از موقعیت ها آسان به نظر نرسد. با توجه به هدف غلبه کردن بر این محدودیت ها، الگوریتم های کلی هدفمند انعطاف پذیر و قابل تطبیق لازم هستند. در این پایان نامه نوع جدیدی از آتوماتای سلولی یادگیر را ارائه کرده و بر اساس آن، رهیافت جدیدی را برای جستجوی مکاشفه ای در فضای مساله ارائه می دهیم که نسبت به تمامی مدلهای مکاشفه ای موجود دارای کارایی بمراتب بالاتری می باشد. در مدل ارائه شده در این پایان نامه از ترکیب آتوماتاهای یادگیر سلولی و قوانین یک روش مکاشفه ای، تحت عنوان کلونی زنبور برای رسیدن به بهینه سراسری استفاده شده است.

هدف از به وجود آمدن گرید استفاده موثر از انرژی محاسباتی توزیع شده در سراسر دنیاست که برای رسیدن به این هدف منابع باید به اشتراک گذاشته شوند. مباحث اقتصادی بهترین انگیزه صاحبان منابع برای به اشتراک گذاشتن آنهاست. این بدان معنی است که کاربران باید بر اساس میزان دسترسی به منابع و سطح کیفیت سرویس مورد نیاز خود پول پرداخت کنند. در نتیجه هزینه کلی اجرای یک کاربرد تبدیل به یکی از مهمترین پارامترهای یک الگوریتم زمان بندی شده است که مطمئنا کاربران تمایل به حد اقل کردن آن دارند . از آنجایی که بسیاری از برنامه های کاربردی در قالب وظایف وابسته تعریف می شوند، زمان بندی جریان های کاری تبدیل به یکی از مهمترین چالش های موجود در گرید شده است. در این پایان نامه از ترکیب الگوریتم های ژنتیک و تئوری کیاس برای زمان بندی جریان های کاری با در نظر گرفتن پارامترهای زمان و هزینه استفاده شده است. با توجه به طبیعت متغیر های کیاتیک از قبیل شبه تصادفی بودن و پراکندگی، روال تکاملی الگوریتم کیاس ژنتیک به گونه ایست که پاسخ ها در تمام فضای نمومه توزیع شده و از گیر افتادن در نقاط بهینه محلی - که از مهمترین مشکلات الگوریتم های ژنتیک سنتی است- پیشگیری می کند. نتایج به کارگیری الگوریتم زمان بندی کیاس-ژنتیک روی هر دو نوع جریان کاری متوازن و غیرمتوازن در مقایسه با الگوریتم های سنتی ژنتیک عملکرد بهتری را نشان می دهد.

امروزه پردازنده های چند هسته ای که دارای واحدهای پردازشی متعددی بر روی یک تراشه ی سخت افزاری می باشند، به طور گسترده ای به عنوان راهی برای رسیدن به افزایش کارایی و موازی سازی درون پردازنده مورد استفاده قرار می گیرند. استفاده ی مناسب از منابع پردازشی در این پردازنده های می تواند در افزایش کارایی برنامه ها بسیار موثر باشد و در نقطه ی مقابل، عدم استفاده ی بهینه و شایسته از آنها نه تنها باعث عدم افزایش کارایی بلکه در مواردی باعث افت شدید کارایی در برنامه ها خواهد شد. در این پردازنده ها برخی منابع به صورت اشتراکی بین هسته های مختلف مورد استفاده قرار می گیرند. مسئله ی رقابت بر سر منابع اشتراکی در پردازنده های چند هسته ای به عنوان یک چالش بزرگ اخیرا مورد توجه بسیاری از محققین در این زمینه قرار گرفته است. زمانبند سیستم عامل می تواند به عنوان یکی از ابزارهای بسیار مهم و کارا به منظور رفع این مشکل مورد استفاده قرار گیرد. در بسیاری از کارهای انجام شده در این زمینه، زمانبند صرفا به یک معیار در تصمیم گیری توجه می نماید: معیار میزان رقابت بر سر حافظه ی نهان. حال اینکه در یک محیط واقعی عوامل تأثیرگذاری دیگری نیز در تصمیم گیری زمانبند دخیل خواهند بود از جمله اولویت نخ ها. چرا که اولویت یکی از ابزار اعمال سیاست های مختلف محیطی بر روی پردازش ها می باشد. در این پایان نامه با معرفی یک روش زمانبندی نخ ها بر روی یک پردازنده ی چند هسته ای میزان کاهش کارایی ناشی از رقابت نخ ها بر سر حافظه ی نهان بسیار کاهش یافته است. در این مکانیزم زمانبندی علاوه بر معیار رقابت، به اولویت نخ ها و نیز این مطلب که اجرای همزمان نخ های همکار تأثیر بسیار مثبتی در افزایش کارایی آنها خواهد داشت توجه شده است. نتایج شبیه سازی روش پیشنهادی نشان دهنده ی میانگین افزایش 4.93 برابر در کارایی سیستم بوده است.

امروزه نرم افزارهای مدیریت ماشین مجازی از فزونی تعهد ماشین فیزیکی پشتیبانی می کنند. فزونی تعهد یک ماشین فیزیکی به این معنا می باشد که بیش از ظرفیت موجود بر روی آن ماشین مجازی قرار گیرد. همچنین، نرم افزارهای مدیریت ماشین مجازی امکان مهاجرت ماشین های مجازی را از یک ماشین فیزیکی به ماشین فیزیکی دیگر فراهم می آورند. با استفاده از این قابلیت ها فراهم آورندگان ابر می توانند برای رسیدن به نرخ فشرده سازی بیشتر، اقدام به قرار دادن تعداد هر چه بیشتر ماشین های مجازی بر روی هر یک از ماشین های فیزیکی موجود نمایند. این کار برای فراهم آورنده ی ابر بسیار سود آور خواهد بود زیرا می تواند بیش از مقدار ظرفیت فیزیکی فراهم آورده شده، ماشین مجازی اختصاص دهد. در مقابل، قرارداد سطح سرویس میان فراهم آورنده ی ابر و کاربر ماشین های مجازی قرار دارد که مفاد آن باید رعایت شوند. بنابراین، فراهم آورنده ی ابر سعی می کند در حالی که نرخ نقض قرارداد را به اندازه ی قابل قبولی پایین نگاه می دارد از قابلیت فزونی تعهد حداکثر بهره ی ممکن را ببرد. هنگامی که بر روی یک ماشین فیزیکی بیش از ظرفیت آن ماشین مجازی قرار داده شود، وضعیت ماشین فیزیکی باید به طور پیوسته مورد نظارت قرار گیرد. به عبارت دیگر، باید نظارت های بیشتری در طول زمان مدیریت بر روی ماشین های فیزیکی انجام پذیرد. در این پایان نامه، مدیریت ماشین های مجازی در محیطی که صریحا از فزونی تعهد منابع فیزیکی پشتیبانی می کند، مورد بررسی قرار گرفته است. تعداد روش های مدیریتی سازگار با محیط های ابری در حال حاضر بسیار کم می باشد. سعی شده است که معماری روش پیشنهادی هرچه بیشتر با معماری استاندارد محیط های ابری سازگاری داشته باشد. همچنین روش پیشنهادی عمومی بوده و قابل ادغام با بسیاری از روش های مدیریتی دیگر می باشد. در روش پیشنهادی سعی شده است با پایین نگاه داشتن نرخ نقض قرارداد ماشین های مجازی به بیشترین مقدار فزونی تعهد ممکن دست یافت. به کمک معیارهای متوسط نرخ بهره وری ماشین های فیزیکی، زمان اجرای الگوریتم نگاشت، مدت زمان غیرفعال بودن ماشین های مجازی به دلیل مهاجرت، تعداد نقض های قرارداد رخ داده، نرخ فزونی تعهد بدست آمده و تعداد مهاجرت ها در کل دوره ی مدیریت روش پیشنهادی مورد بررسی و تحلیل قرار می گیرد.

در سالیان اخیر محیط های پردازشی توزیع شده مانند گریدهای محاسباتی، به یکی از مهمترین بسترها برای رفع نیازهای پردازشی کاربران مبدل شده اند. این محیط ها دارای توان بالقوه ای برای پاسخگویی به نیازهای کاربران می باشند اما مشکلات خاص خود را نیز بهمراه دارند. یکی از پدیده هایی که در این محیط ها قابل مشاهده است، بالا بودن درصد کارهایی است که علیرغم دریافت منابع درخواستی، به صورت ناموفقی به پایان رسیده و سبب تحمیل صدمات قابل توجهی می شوند. تلاش های متعددی برای چیره شدن بر مسئله ی اجرای ناموفق کارها انجام شده است که تا حدی نیز موثر بوده اند اما یکی از ضعف های عمده ی آنها، توجه به بعضی عوامل اجرای ناموفق کارها (عوامل سمت منابع) و در نظر نگرفتن عوامل دیگر (عوامل سمت کار) می باشد. بدین منظور، در این تحقیق، هدف ما ارائه ی راهکاری برای کاهش صدمات ناشی از اجراهای ناموفق کارها بوسیله ی در نظر گرفتن عواملی است که از سمت کارها ناشی می شوند تا از این طریق نشان دهیم که می توان با توجه به این عوامل نیز صدمات اجراهای ناموفق را کاهش داد. راهکار پیشنهادی، افزودن یک مولفه ی جدید است که وظیفه ی آن پذیرش نکردن کارهایی است که مستعد خرابی می باشند. رفتار این مولفه با استفاده از دو روش مبتنی بر آستانه و مدلی مبتنی بر تئوری بازی به نام قمار ریسکی پیاده سازی شده است. نتایج آزمایشات نشان داد که بکارگیری این مولفه ی جدید می تواند در کاهش صدمات ناشی از اجراهای ناموفق کارها نقش قابل توجهی را ایفا نماید.

امنیت بزرگ ترین چالش بر سر راه استقرار و کاربرد رایانش ابری در مقیاس وسیع می باشدومکانیزم های سنتی امنیت قابل استفاده در رایانش ابری نمی باشند. اعتماد نقش مهمی در برقراری تعاملات امن و سودمند در محیط رایانش ابری دارد و می تواند جایگزین مناسبی برای مکانیزم های سنتی امنیت باشد. به دلیل رشد تراکنش های بر خط و فعالیت های تجارت الکترونیک در سال های اخیر، طراحی چارچوب شهرت و اعتماد برای سرویس های الکترونیکی، زمینه ای است که توجه بسیاری را به خود جلب کرده است. یکی از پارامترهای مهم در سیستم های سنجش اعتماد، قابلیت تشخیص زمینه فعالیت است. برای وارد کردن پارامتر زمینه فعالیت در محاسبات اعتماد، از روش تشخیص شباهت بین زمینه ها استفاده می شود. این روش می تواند بین زمینه های مختلف، بر حسب میزان اختلاف آن ها، تفاوت قائل شود و زمینه های مشابه یکدیگر را شناسایی کند. تحقیق پیش رو به مدل سازی ارتباط بین زمینه های مختلف بر اساس ساختارهای آنتولوژی و سلسله مراتبی پرداخته است. مدل پیشنهادی با توجه به داده های واقعی موجود در سیستم های تجارت الکترونیک که در عمل در حال بکار گیری هستند، مورد بررسی قرار گرفته است و نتایج نشانگر این است که زمینه می تواند 70 درصد عملکرد سیستم های فعلی اعتماد را بهبود بخشد. در این پژوهش پس از ارزیابی صحت عملکرد مدل در سیستم های تجارت الکترونیک، مدل را وارد حوزه رایانش ابری کرده ایم و نشان داده ایم که از این مدل می توان در حوزه رایانش ابری نیز استفاده نمود.

سیستم های مشبک داوطلبانه از سیکل های محاسباتی آزاد منابع داوطلب موجود در اینترنت برای اجرای پروژه های پیچیده علمی استفاده می کنند. بدلیل ناهمگونی منابع در این سیستم ها، ارائه یک معماری شناسایی منابع کارا یکی از فاکتورهای کلیدی در زمینه کارایی آنها محسوب می شود. در این رساله، معماری شناسایی منابع آگاه از مجاورت cycloidgrid در سیستم های مشبک داوطلبانه نظیر به نظیر پیشنهاد شده است. جستجوی منابع در این معماری با توجه به پارامترهای کیفیت خدمت کاربر، موازنه بار و آگاهی از مجاورت انجام می شود. در این معماری زمانبندی برنامه های موازی در قالب کیسه وظایف و برنامه های جریان کاری بررسی شده است. در معماری پیشنهادی انتخاب منبع جهت اجرای یک برنامه کیسه وظایف طی دو مرحله انجام می شود. در اولین مرحله زیر مجموعه ای ازمنابع بر اساس پارامترهای کیفیت خدمت کاربر و موازنه باردر سیستم انتخاب می شوند. سپس در مرحله دوم از میان منابع انتخابی در اولین مرحله، منبع نهایی با اولویت بالاتر نسبت به حداقل سربارارتباطی انتخاب می شود. برای محاسبه سربار ارتباطات میان دو ماشین نظیر، یک مدل شبکه ای مبتنی بر تئوری صف پیشنهاد شده است که در آن ترافیک پس زمینه اینترنت در محاسبه سربار ارتباطات در نظر گرفته می شود. دو روش جهت پیاده سازی موازنه باردراین معماری پیشنهاد شده است. روش اول یک روش مبتنی بر دانش است که از اطلاعات ماشینهای نظیر مانند طول صف برای پیاده سازی موازنه بار استفاده می کند. درحالیکه روش دوم یک روش تحلیلی مبتنی بر تئوری صف می باشد که مبتنی بر مسیریابی درصف های موازی توزیع شده است. زمانبندی برنامه های جریان کاری در این معماری با تکیه بر کاهش سربار ارتباطات انجام می شود. در این زمانبندی ابتدا یک برنامه جریان کاری به تعدادی برنامه زیر جریان کاری تقسیم می شود بطوریکه میزان وابستگی داده میان برنامه های زیر جریان کاری حداقل شود، سپس مجموعه ای از منابع نزدیک بهم با حداقل بار محاسباتی جهت اجرای نهایی برنامه های زیر جریان کاری انتخاب می شوند.

در چندین سال اخیر، تحقیقات گسترده ای به سمت شبکه های حسگر بی سیم و کاربردهای این شبکه ها معطوف شده است. برای به دست آوردن قابلیت مقیاس پذیری در این شبکه ها اغلب گره ها به صورت گروه هایی مجزا که خوشه نامیده می شوند دسته بندی می شوند و گره ای که به عنوان سرخوشه یا گره تجمیع کننده داده انتخاب می شود عملیات جمع آوری داده از سایر گره های خوشه و تجمیع و ارسال آن به بقیه شبکه را انجام می دهد. خوشه بندی و تجمیع داده مقیاس پذیری شبکه را افزایش می دهد و باعث می شود که از منابع محدود شبکه بهترین استفاده برده شود. درعین حال این مکانیزم ها چندین رخنه امنیتی در شبکه نیز ایجاد میکنند، به طور مثال در شبکه های خوشه بندی شده، گره های سرخوشه هدفهای مطلوب و جذابی برای مهاجمان به حساب می آیند چون با دست یافتن به اطلاعات آنها چه از طریق حمله فیزیکی و تسخیر گره ، چه از طریق سایرحملات، مهاجم می تواند اطلاعات کل خوشه متناظر با آن را به دست آورد. در این تحقیق خوشه بندی امن گره ها با توجه به میزان مصرف انرژی گره ها درنظر گرفته شده است و پروتکلی ارائه شده که علاوه بر برآورده کردن نیازهای امنیتی پیشرفته شبکه های حسگر بی سیم، میزان انرژی مصرفی گره ها را نیز موردتوجه قرار می دهد. به دلیل خوشه بندی شبکه، قابلیت مقیاس پذیری در چنین شبکه ای وجود دارد و با توجه به تغییر متناوب گره های سرخوشه توزیع بار در خوشه انجام شده و گره ها به صورت یکنواخت کاهش انرژی خواهند داشت.

با محدودیت های پیش آمده در توسعه معماری های موازی همچون میزان مصرف انرژی، میزان گرما و مشکلات عدم همراهی سرعت حافظه با پردازنده ها، معماری چندهسته ای طرح گردید. این معماری به سرعت در کامپیوتر های تجاری و خانگی جای گرفته است. گرچه پردازنده های چندهسته ای گونه ای از معماریهای حافظه اشتراکی هستند ولی بعلت بکارگیری حافظه سلسله مراتبی در سطح یک پردازنده، نیاز به یک بازنگری مجدد در مورد نرم افزارها، سیستم عامل و حتی مدلهای مهندسی نرم افزار و نیز مدل های محاسباتی برای آنها احساس می شود. یکی ازمهمترین نیازها، داشتن محیطی مناسب برای برنامه نویسی برای این معماریهاست. اگر این نیاز به صورتی مناسب ارضا نشود عملا حیات این معماری ها در خطرست زیرا برنامه نویسی موجود برای این معماریها مشکل است و عده کمی از پس انجام این گونه برنامه نویسی بر می آیند. این خود به خود نشان می دهد که این معماری جذابیتی برای برنامه نویسان و استفاده کنندگان نخواهد داشت. پس به ناچار اگر این معماریها بخواهند جایی خود را در عرصه سیستم های موازی تثبیت کنند می بایست با محیط ها و ابزارهای برنامه نویسی و مناسب همراه شوند. این رساله در این راستا سعی در ارائه یک مدل برنامه نویسی آسان برای کاربران این معماری ها دارد. برای نیل به این هدف، برنامه نویسی با سطح بسیار بالای اسکلتی مدنظر قرار گرفت. به جهت داشتن یک زیر ساخت تئوریک و قدرتمند، کار بر اساس مدل محاسباتی انجام پذیرفت تا بتوان به مزایایی استفاده از این گونه زیرساخت هایی همچون امکان پیشگویی هزینه ها و امکان تنظیم زمانبندی ها در زمان اجرا دست یافت. با ایجاد مدل های اشتقاقی از این مدل پایه، کار فراگیری این مدل پایه بر روی الگوریتم های پر کاربرد دنیای موازی همچون تقسیم-و-حل و انشعاب-و-تحدید قابل انجام شد. همچنین برای قابل استفاده کردن این مدل های محاسباتی، بحث محک زنی این مدل محاسباتی از طریق اندازه گیری پارامترهایشان، به عنوان آخرین کار اساسی این پژوهش، انجام یافت. نتیجه این پژوهش، دستیابی به یک مدل برنامه نویسی آسان، کارآ، فراگیر و با پشتوانه یک مدل محاسباتی قدرتمند برای معماری های نوظهور چند هسته ای بوده است.

با توجه به مسائل گفته شده، مسئله ی پیش بینی زمان، به این صورت فرمول بندی می شود، برای به دست آوردن مدلی که بتواند میزان تغییرات زمان اجرای برنامه ها را در ازاء رفتن از یک فرکانس به فرکانس دیگر پیش بینی کند می بایست ابتدا داده های لازم برای آموزش مدل را جمع آوری کنیم. به دلیل آنکه زمان اجرای یک برنامه به مشخصات ماشینی که این برنامه را اجرا می کند، وابستگی زیادی دارد، ما باید با ابزاری کار کنیم تا بتوان با استفاده از آن برنامه ها را تحلیل کرده و مشخصه های مستقل از معماری مربوط به آنها را به عنوان داده های آموزشی و ورودی مدل جمع آوری کنیم و در نتیجه مدل تحلیل زمان اجرایی را ارائه دهیم که روی هر سیستمی جواب دهد. در نتیجه لازم است تا ابتدا با استفاده از روش نرم افزاری pin بتوان برنامه های محک را مورد تحلیل قرار داد. همان طور که در بخش های قبل بیان شد، آن چه باعث می شود که برنامه ها در قبال تغییر فرکانس واکنش های متفاوتی داشته باشند، ماهیت آن ها به لحاظ کار با حافظه و داده ها است. به عبارتی برنامه هایی که کمتر با داده ها سروکار داشته و بیشتر زمان آن ها صرف پردازش توسط پردازنده می شوند بسیار حساس به تغییرات فرکانس می باشند و زمان اجرای آن ها با شدت بیشتری با کاهش فرکانس، افزایش می یابد. تاکنون در کارهای گذشته معیارهای متفاوتی بیان شده تا به نوعی گویای این ماهیت برنامه ها باشد مثل تعداد عدم اصابت های حافظه نهان و یا تعداد سیکل های کار با حافظه به کل سیکل های پردازشی برنامه که البته این معیارها در زمان اجرای برنامه ها مشخص و قابل محاسبه هستند. از آنجایی که در این تحقیق می خواهیم مدلی داشته باشیم که تغییرات در زمان اجرای برنامه ها را قبل از شروع به کار آن ها در فرکانس های متفاوت پیش بینی کند لذا در اولین و مهم ترین گام می بایست پارامترهایی را تعریف کنیم تا هم به خوبی گویای تنگنای محاسباتی و یا تنگنای حافظه برنامه ها باشند و هم قبل از شروع به اجرای برنامه ها بتوان آنها را محاسبه و تعیین نمود (و یا به عبارت دیگر در دسترس باشند). حال با استفاده از ابزار نوشته شده، برنامه های معیار مختلف را مورد بررسی قرار می دهیم و ویژگی های هر برنامه را جهت محاسبه پارامترهای تعریف شده که مورد نیاز هستند، به طور جداگانه ضبط می کنیم. سپس از آن جایی که می بایست برخی از ویژگی های ماشین را نیز در نظر بگیریم، برنامه های معیار را بر روی ماشینی که به لحاظ تعداد هسته های پردازنده، حجم حافظه نهان و میزان حافظه اصلی، مشخص می باشد، اجرا می کنیم و زمان اجرای آن ها را اندازه گیری و ثبت می نماییم. این فرایند را برای تک تک فرکانس های ماشین مورد نظرمان تکرار کرده و اطلاعات را به دست می آوریم. به این ترتیب پایگاه داده ای داریم شامل ویژگی های ماهیتی برنامه های مختلف معیار (مانند چگالی نوع دستورات برنامه ها و یا میزان محلیت دسترسی به حافظه و ...)، زمان اجرای آن ها بر روی ماشین مورد نظر در فرکانس های مختلف و غیره. با استفاده از این پایگاه داده و یک روش یادگیری می توان به مدلی دست یافت که بتواند از این پس برای هر برنامه ورودی میزان تغییرات زمان اجرای آن را در ازاء سوئیچ بین فرکانس های متفاوت به دست آورد. تنها کافی است تا با یک پیش پردازش اولیه مقدار پارامتر های ورودی مدل برای آن برنامه محاسبه و ویژگی های ماشین میزبان نیز مورد توجه قرار گیرد. جمع بندی و نتیجه گیری در این تحقیق، معیارهای مختلفی در راستای پیش بینی تغییرات زمان اجرا بررسی شده اند. برای ادامه، از این قسمت هم فراتر رفته و یک مدل تحلیل زمان اجرای جدیدی مبتنی بر مشخصه های off-line و مستقل از معماری پیشنهاد شده است که میزان تنگنای محاسباتی یک برنامه را قبل از اجرای آن تشخیص می دهد و در نتیجه می تواند تغییرات زمان اجرای برنامه را در فرکانس دیگری پیشبینی کند. این مدل جدید کنترل سخت و fine-grainای را بر روی دسته بندی برنامه ها ارائه می دهد و برای پیاده سازی ساده است. انجام این تحقیق از چند جنبه دارای نوآوری می باشد. ابتدا خود این مدل که می تواند قبل از اجرای برنامه ها در مورد تاثیر پذیری آنها از تغییر فرکانس حرف بزند. در کارهای گذشته روشی وجود نداشت که بتواند قبل از شروع به اجرای برنامه در مورد تغییر زمان اجرای آنها در ازای تغییر فرکانس قضاوت و پیش بینی کند. وجود این قابلیت می تواند برای افزایش کارایی سیستمهای بزرگ و توزیع شده که از ماشین های مختلفی بهره برده و برنامه های متنوعی را اجرا می کنند بسیار مفید باشد. جنبه دیگری از نوآوری روش، تعریف پارامتری است که گویای میزان وابستگی به حافظه و یا میزان وابستگی به cpu مربوط به برنامه، می باشد و به کمک ابزار تجهیز کد pin قابل محاسبه خواهد بود. در کارهای قبلی از آنجایی که در زمان اجرای برنامه ها (on-line) عمل می کردند محاسبه مقدار هر معیاری ممکن بوده است اما در این کار به دلیل آنکه هدف کار تحلیل قبل از شروع اجرا می باشد، تعریف این معیار و قابل محاسبه بودن آن از اهمیت بالایی برخوردار است. این نکته قابل ذکر هست که با توجه به تعریف پارامترهای مستقل از معماری مربوط به برنامه ها توسط ابزار تجهیز کد pin که رفتار یک برنامه را در یک رفتار سیستمی، مشخص می کنند، این مدل تحلیل روی هر ماشینی جواب می دهد و در نتیجه این مدل می تواند برای بقیه بارهایکاری و ماشین ها استفاده شود. این برنامه جدید تنها یکبار پیش پردازش شده و بعد از آن می توان آن را چندین بار بر روی سیستم های مختلف اجرا کرد. در این تحقیق همچنین روش دیگری نیز با این مدل بدست آمده، مقایسه شده است. بر این اساس، با ابزار جاری و بکار گیری آن ، نتایج خوبی در مقایسه با روش دیگر در دسته بندی برنامه ها بدست آمده است. این روش جدید بر اساس پیش بینی معیار دسته بندی قبل از اجرای برنامه ها می باشد، در صورتیکه روش دیگر بدست آوردن این معیار را در زمان اجرای برنامه ها انجام می دهد و با مشاهده نزدیک بودن نتایج بدست آمده از روش جدید با نتایج این روش، به این نتیجه می رسیم که کار تخمین انجام شده با این که روشی مبتنی بر اندازه گیری off-line است، برآورد خوبی را از این معیار دسته بندی داراست.

وابستگی روزافزون زندگی بشر به سامانه های محاسباتی منجر به اختصاص سهم بزرگی از مصرف انرژی الکتریکی دنیا به این سامانه ها شده است. عدم مهار مصرف توان در این محیط ها می تواند اثرات منفی متعددی از جمله تحمیل هزینه های سرسام آور، تهدید دسترسی پذیری خدمات، و تخریب محیط زیست را به بار آورد. از این رو تلاش تحقیقاتی بسیاری بر بهینه سازی مصرف این سامانه ها تمرکز یافته است. یکی از گام های مهم و پایه در تکاپوی تحقیقاتی وسیع در راستای این هدف، دارا بودن درک مناسبی از رفتار مصرف انرژی در این محیط هاست که موجب تمرکز محققان مختلفی بر مسأله مدل سازی (بویژه مدل سازی برخط) جهت تخمین مصرف توان محاسباتی گشته است. اگر چه مدل های برخط می توانند برای مدیریت محلی توان موثر واقع شوند، در سامانه های بزرگ مقیاس نظیر گریدهای محاسباتی، مدل هایی که بتوانند توان مصرفی بار کاری را قبل از اجرای آن پیش بینی کنند می توانند در مدیریت پیشدست این سامانه ها بسیار سودمند واقع شوند. پیش بینی مصرف قبل از اجرا به لحاظ ذاتی مسأله پیچیده تری از تخمین توان در طول اجرا می باشد. چرا که مدل های برخط برای پیش بینی مصرف توان از ورودی هایی نظیر تعداد فقدان دسترسی به حافظه که دارای همبستگی با توان هستند استفاده می کنند؛ اما این ورودی های به خاطر وابستگی به ماشین قابل کاربرد در مدل های پیش بینی قبل از اجرا نیستند. تحقیق حاضر به مدل سازی مصرف توان بارهای کاری چند ریسمانی، جهت پیش بینی قبل از اجرای مصرف توان با توجه به خصوصیات بار کاری و منبع اختصاص دارد. برای رسیدن به این هدف، اقدام به تحلیل و شناخت بارهای کاری و تببین خصوصیات موثر بر توان مصرفی آن ها شده است. برای مهار فضای بزرگ ناشی از پیچیدگی سامانه های مدرن امروز، چارچوب پیشنهادی، پیش بینی توان را در دو گام متوالی توسط دو زیرمدل انجام می دهد. در گام اول، مدلی بر اساس رابطه فیزیکی مصرف توان مدارات سی ماس برای پیش بینی میزان مصرف توان یک ریسمان بار کاری در یک فرکانس مرجع به کار گرفته می شود. این زیرمدل با کمک یادگیری ماشین و بر اساس خصوصیات بار کاری و منبع پردازشی ایجاد می شود. خروجی به دست آمده از گام نخست، توسط زیرمدل دوم که بر پایه تئوری amdahl بنا شده است به تعداد مورد نظر ریسمان اجرایی در فرکانس دلخواه مقیاس می یابد تا خروجی نهایی مدل به دست آید. آزمایشات عملی بر روی بارهای کاری مختلف و ماشین های متفاوت بیان گر دقت بالای این رویکرد با میانگین خطای 3.7% بوده که قابل مقایسه با سایر روش ها (حتی روش های تخمین برخط نظیر روش های مبتنی بر شمارنده های بازدهی) می باشد.

نیاز به انجام محاسبات سنگین در دهه های اخیر تمایل به سیستم های محاسباتی با کارایی بالا همانند سیستم های مشبک را افزایش داده است. افزایش مقیاس در این سیستم ها اگرچه توان محاسباتی را افزایش می دهد، ولی باعث بالا رفتن نرخ مصرف انرژی نیز می شود؛ تا جایی که امروزه سیستم های مشبک محاسباتی تبدیل به مصرف کننده های جدی انرژی الکتریکی شده اند. از این رو امروزه مدیریت مصرف انرژی به عنوان یک ضرورت برای محاسبات با کارایی بالا مطرح می باشد. یکی از روش های نرم افزاری کارآمد برای کاهش مصرف انرژی، استفاده از زمان بندها می باشد. در این رساله، زمان بندی آگاه به توان پیشنهاد می شود، که دارای ایده هایی جدید در گام های پذیرش برنامه ها، تنظیم فرکانس، مرتب سازی و نگاشت آن ها است. یکنواخت سازی سرعت پردازشی سیستم به عنوان یک فلسفه که حرکت به سمت آن می تواند باعث کاهش مصرف انرژی شود، پیشنهاد و به صورت تئوری بررسی شده است. برای تحقق این هدف، مفاهیم و روش هایی مثل مفهوم موعد مقرر مجازی و یا روش هاف برای مرتب سازی برنامه ها در صف انتظار پیشنهاد شده است. نوآوری دیگر روش پیشنهادی در دیدگاه آن نسبت به مصرف انرژی است، که آن را تابعی از خصوصیات هر دو بخش منبع و برنامه می داند. برای اعمال این دیدگاه علاوه بر بررسی رابطه بین مصرف انرژی و خصوصیات برنامه و منبع، ویژگی هایی ترکیبی همانند mps تعریف شده اند، که زمان بند را در یافتن منبع مناسب کمک می کنند. زمان بند پیشنهادی همچنین به کمک مولفه تازه تعریف شده jsm و با توجه به پارامترهای مختلفی از سیستم و برنامه همانند میزان بهره برداری از منابع، احتمال خرابی برنامه ها و یا حجم پردازشی مورد نیاز آن ها، سعی در پذیرش آگاه به توان برنامه ها دارد. نتایج ارزیابی در سناریوها و شرایط حقیقی و با استفاده از شبیه سازی نشان می دهد که زمان بند پیشنهادی در مقایسه با سایر روش های مرتبط عملکرد بهتری در کاهش مصرف انرژی سیستم و تضمین کارایی مورد نیاز برنامه ها دارد

چکیده ندارد.

فرایند سیال سازی یک عملیات واحد است که در آن بستر پر شده از ذرات جامد که به وسیله یک صفحه پخش کننده حمایت شده است، در اثر عبور یک سیال که می تواند گاز، مایع و یا گاز - مایع باشد، با یک سرعتی بالاتر از سرعت حداقل سیالیت رفتار سیال گونه پیدا می کند. ویژگیهای مناسب سیستم بستر سیال شامل امکان کنترل دقیق دما، انتقال خوب حرارت، ایمنی بالا و عدم محدودیت در اندازه باعث شده است که این تکنیک به طور وسیعی در صنایع مختلف مورد استفاده قرار گیرد که از آن جمله می توان به استفاده از این تکنیک در راکتورهای کاتالیستی اشاره کرد. یکی از کاربردهای صنعتی راکتورهای کاتالیستی بستر سیال تولید انیدرید مالئیک از طریق اکسیداسیون هیدروکربنهای ‏‎c4‎‏ در مجاورت کاتالیزور ‏‎vpo‎‏ است. انیدرید مالئیک یکی از مواد مهم میانی صنایع شیمیایی بوده که به طور وسیعی در ساخت آلکید رزینها، فایبر گلاس، پلاستیکهای تقویت شده و ... کاربرد دارد. در ساخت پایلوت راکتور بستر سیال به علت جلوگیری از ایجاد نواحی مرده توسط ذرات کاتالیزور و پخش خوب گاز از پخش کننده های منفذدار و جهت جداسازی ذرات کاتالیزور از جریان گاز خروجی از راکتور از سیکلونهای با راندمان جداسازی بالا استفاده شده است. سنتز انیدرید مالئیک از خوراک شامل 1% حجمی گاز 1- بوتن در راکتور بستر سیال در دماهای مختلف بستر کاتالیستی و در سرعتهای مختلف جریان خوراک ورودی به بستر بررسی شده است. بیشترین میزان گزینش پذیری و بهره واکنش نسبت به تولید انیدرید مالئیک در دمای بستر حدود 390 درجه سانتیگراد و در سرعت خوراک ورودی حدود ‏‎u=3umf‎‏ ملاحظه گردید. در بهترین شرایط عملیاتی مقدار گزینش پذیری در حدود 30% برای تولید انیدرید مالئیک به دست آمد.مقایسه مقادیر اندازه گیری شده میزان تبدیل 1- بوتن و گزینش پذیرش واکنش نسبت به تولید انیدرید مالئیک با مقادیر پیش بینی شده توسط مدلهای استفاده شده در مدلسازی راکتور بستر سیال نشان داد که مدل ‏‎grace, k& l‎‏ نسبت به سایر مدلها پیش بینی بهتری از عملکرد راکتور بستر سیال کاتالیستی دارند که این امر به علت استفاده از فرضیاتی است که چندان دور از واقعیت نبوده و تصویر درستی از فرایندهای فیزیکی و شیمیایی روی داده در راکتور بستر سیال کاتالیستی از خود نشان می دهند.