افزایش قابلیت اطمینان در زمانبندی وظایف گرید محاسباتی با استفاده از الگوریتم های تکاملی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 798

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM01_361

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

در سالهای اخیر، سیستم های گرید محاسباتی، به عنوان یک راه حل برای رسیدن به سیستم های توزیع شده پدید آمده اند.سیستم های گرید، مجموعه ای از منابع محاسباتی و کاربران هستند که در سراسر جهان یراکنده شده اند این سیستم ها با سرعت روز افزونی ییشرف می کنند و گسترده تر می شوند از این رو زمانبندی وظایف در گرید یک مسأله غیر قطعی است ، یس نمی توان از الگوریتم های قطعی برای بهبود زمانبندی استفاده کرد در این مقاله بمنظور زمانبندی وظایف، الگوریتم ترکیبی با هدف افزایش قابلیت اطمینان ارائه شده است که از ترکیب الگوریتم ژنتیک و جاذبه گرانشی برای زمانبندی وظایف مستقل در گرید محاسباتی استفاده می کند در این روش کاربر با استفاده از یک تابع هدف ییشنهادی می تواند، میزان قابلیت اطمینان راه حل های موجود درالگوریتم ژنتیک را محاسبه نموده و راه حلی را که دارای تعداد رخداد خرابی کمتری باشد را به عنوان راه حل برتر انتخاب نموده و ازآن برای اجرای زمانبندی وظایف استفاده نماید نتایج حاصل از آزمایش ها، نشان می دهد که الگوریتم پیشنهادی ما می تواند به عملکرد بالایی دست ییدا کند.

نویسندگان

وحید قائدرحمتی

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان، اهواز، ایران

سیدعنایت الله علوی

استادیار، گروه مهندسی کامپیوتر، دانشگاه شهید چمران اهواز، اهواز، ایران

ایمان عطارزاده

استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران

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 :
  • Foster, I. and C. Kesselman (1975). The Grid: Blueprint for ...
  • Holland, j. (1975). Adaptation in Natural and Artificial Systems. AnnArbor, ...
  • Bonabeau, E., Dorigo M. and Theraulaz G. (2000). Inspiration for ...
  • Kennedy, J., and Eberhart, C. (1995). Particle Swarm Optimization, Proc.IEEE ...
  • Kirkpatrick, S., Gelatt, _ Vecchi, P.(1983). Optimization by Simulated Annealing, ...
  • Abdulal, W., Jabas, A, Ram achandram, S., A1 Jadaan, O. ...
  • Entezari -Maleki, R. and Movaghar, _ (2011). A Genetic Algorithm ...
  • Kardani-M oghaddam, S., Khodadadi, F., Entezari -Maleki, R., and Movaghar, ...
  • Salimi, R., Bazrkar, N., and Nemati, M.(2013). Task Scheduling for ...
  • Gkoutioudi, K., and Karatza, H.(2012). Multi-criteria job scheduling in Grid ...
  • Pooranian, Z., Harounabadi, A, Shojafar, M., Hedayat, N.(2011). New hybrid ...
  • Yang, L, Zhu, R.(2009). A Hybrid Load balancing Strategy of ...
  • Barzegar, B., Rahmani, A, Zamani far, K. (2011). Advanced Reservation ...
  • Braun, T., D. Hensgen, R. Freund, H. Siegel, N. Beck, ...
  • نمایش کامل مراجع