زمانبندی گراف وظایف در سیستم های محاسباتی ناهمگن با استفاده از استنتاج مبتنی بر مورد و آتوماتای یادگیر

یکی از روشهای بدست آوردن کارایی بالا در سیستم های محاسباتی ناهمگن، زمانبندی بهینه گراف وظایف بوده و ثابت شده است که در حالت کلی مسئله زمانبندی گراف وظایف یک مسئله NP-Complete است. به خاطر اهمیت مسئله زمانبندی گراف وظایف، این موضوع به طور گسترده ای مطالعه و الگوریتم های مختلفی برای آن در مقالات ارائه شده است. در این مقاله یک الگوریتم ترکیبی با استفاده از استنتاج مبتنی بر مورد و آتوماتای یادگیر برای مسئله زمانبندی گراف وظایف ارائه شده است. برای نشان دادن توانمندی الگوریتم پیشنهادی ابزاری بنام Task Graph Generator توسعه داده شده که وظیفه آن تولید انواع مختلف گراف وظایف بوده و از گراف های تولیدی برای ارزیابی الگوریتم پیشنهادی و الگوریتم های موجود استفاده شده است. نتایج شبیه سازی های انجام شده نشان می دهند که الگوریتم پیشنهادی بهترین الگوریتم های موجود را برای محیط هایی با ناهمگنی بالا بهبود می دهند.

کلیدواژه ها:

آتوماتای یادیگر ، استنتاج مبتنی بر مورد ، سیستم های محاسباتی ناهمگن ، زمانبندی ، گراف وظایف