ارائه الگوریتم ژنتیک وفقی بهبود یافته برای مسئله زمان بندی کارها بر روی ربات های موازی
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,111
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIC02_071
تاریخ نمایه سازی: 4 آذر 1387
چکیده مقاله:
یکی از مسائل مهم زمان بندی ، زمان بندی کارها بر روی ربات های موازی است به گونه ای که میانگین تاخیر کارها می نیمم شود. در این مسئله ، مجموعه ای از n کار مستقل که در زمان صفر، آماده زمان بندی هستند. .وجود دارد. متناظر با هر کار ، یک زمان پردازش و یک زمان انقضاء تعیین شده است. هدف این مسئله پیدا کردن ترتیبی از کارها بر روی ربات ها می باشد به نحوی که میانگین تاخیر کارها می نیمم شود. این مسئله ، یکی از مسائل ترکیبی NP-Hard است. الگوریتم ژنتیک یک ابزار مناسب برای حل مسائل بهینه سازی ترکیبی می باشد. در این مقاله ، یک الگوریتم ژنتیک وفقی غیر خطی به همراه دو عملگر ادغام و جهش جدید اکتشافی ، بکار گرفته شده است . در این الگوریتم، تابع برازندگی برحسب میانگین تاخیر کارها در نظر گرفته شده است که با تنظیم احتمال جهش و ادغام ، به صورت وفقی و غیر خطی با میانگین تاخیر ، از مشکلاتی از قبیل همگرایی نابهنگام، همگرایی کند و همگرایی با پایداری کم جلوگیری می شود. نتایج آزمایشات نشان می دهند که الگوریتم ژنتیک پیشنهادی به آسانی در بهینه های محلی قرار نمی گیرد و از سرعت خوبی در همگرایی به جواب جامع برخوردار می باشد. علاوه بر این ، پیاده سازی الگوریتم پیشنهادی ، از پیچیدگی برخوردار نمی باشد.
کلیدواژه ها:
نویسندگان
گوهر وحدتی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد مشهد
مریم حبیبی پور
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد مشهد
سعید طوسی زاده
عضو هیات علمی و استادیار گروه برق دانشگاه آزاد اسلامی واحد مشهد
مهدی یعقوبی
عضو هیئت علمی و استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :