ارائه الگوریتم ترکیبی فرا ابتکاری بر پایه ژنتیک و شبیهسازی تبرید در زمانبندی محاسبات گرید

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 874

فایل این مقاله در 7 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:

ICS12_160

تاریخ نمایه سازی: 11 مرداد 1393

چکیده مقاله:

امروزه مسائل علمی به دلیل پیچیدگی بالا نیاز به قدرت محاسباتی و فضای ذخیرهسازی بالایی دارند. یکی از اهداف شبکه محاسباتی گرید مدیریت منابع محاسباتی برای پردازش برنامه های کاربران یا مشتریان میباشد به طوری که منجر به کیفیت بالای سرویس ها،هزینه کمتر و انعطاف پذیری بیشتری شود. ازاین رو زمانبندی کارهای کاربران برای پردازش توسط منابع مناسب موجود در شبکه گرید، به عنوان یک مساله اساسی در رسیدن به کارایی بالا در سیستمهای محاسباتی شبکه گرید مطرح ش ده اس ت. این مساله دارای فضای حل بسیار بزرگی است و در رده مسائلNP-Hard قرار میگیرد. تا کنون روشهای زیادی برای حل این مساله با استفاده از الگوریتمهای ابتکاری ارائه شده است، که در این مقاله برای حل مساله زمانبندی سیستم گرید محاس باتی الگوریتم ی جدید با ترکیب ژنتیک و الگوریتم شبیهسازی تبرید بکار گرفته شده است. هدف از ارائه الگوریتم پیشنهادی ترکیب قابلیت های جستجوی عمومی و جستجوی محلی در جهت بهبود در سرعت همگرایی به همراه دقیقتر شدن جستجو برای محاسبه بهینه سراسری میباشد.الگوریتم پیشنهادی با الگوریتمهای ابتکاری دیگر مقایسه شده و نتایج تجربی نشان میدهد الگوریتم پیشنهادی از کارایی بالایی برای حل مساله زمانبندی کار در گرید محاسباتی برخوردار است.

نویسندگان

ایمان باقرپورخشکی

دانشجوی کارشناسی ارشد، گروه فناوری اطلاعات، دانشگاه صنعتی سهند، تبریز،

آتنا شاهکلایی

دانشجوی کارشناسی ارشد، گروه نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات آیت الله آملی، آمل

مرصاد شعبان پور

دانشجوی کارشناسی ارشد، گروه نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد،

فرهاد رمضان موزیرجی

دانشجوی دکترا، گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران،

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 :
  • Deng, Y., Wang, F., and Ciura, A., "Ant colony optimization ...
  • Foster, I. and C. Kesselman (Eds.), "The Grid: Blueprint for ...
  • Hu, L., Che, X. L., and Zheng, S. Q., "Online ...
  • Fernandez-B aca, D., "Allocating modules to processors in a distributed ...
  • Ibarra, O.H. and C.E. Kim, "Heuristic Algorithms for Nonidentical ...
  • Processors", Journal of the ACM (JACM), Vol. 24, No. 2, ...
  • Wang, L., et al., "Task Matching and Scheduling in Heterogeneous ...
  • Braun, T.D., et al., "A Comparison of Eleven Static Heuristics ...
  • Gharooni-fard, G., Moein-darbari, F., Deldari, H., and Morvaridi, A., "Scheduling ...
  • Science, Vol. 1, No. 1, pp. 1445-1454, 2010. ...
  • Fidanova, S., "Simulated Annealing for Grid Scheduling Problem. in Modern ...
  • Kazem, A., A.M. Rahmani, and H.H. Aghdam. "A Modified Simulated ...
  • Zhihong, X., H. Xiangdan, and S. Jizhou, "Ant algorithm- based ...
  • Subrata, R., A.Y. Zomaya, and B. Landfeldt, "Artificial life techniques ...
  • Bu, Y .-P., W. Zhou, and J.-s. Yu, "An Improved ...
  • Izakian, H., A. Abraham, and V. Snasel, "Metaheuristic Distributed ...
  • Heterogeneous Computing Systems", Sensors, Vol. 9, No. 7, pp. 5339-5350, ...
  • Salman, A., I. Ahmad, and S. Al-Madani, "Particle SWarm optimization ...
  • Shenassa, M. H., and Mahmoodi, M., "A novel intelligent method ...
  • Kazem, A.. Rahmani, A. M., and Aghdam, H. _ "A ...
  • Benedict, S., and Vasudevan, V., "Improving scheduling of scientific workflows ...
  • Journal, Vol. 7, No. 1, pp. 91-97, 2008. ...
  • Lorpunmanee, S., Sap, M. N., Abdullah, A. H., and Chompoo ...
  • Beasley, D., Martin, R. R., and Bull, D. R., "An ...
  • Xhafa, F., Alba, E., Dorronsoro, B., Duran, B., and Abraham, ...
  • نمایش کامل مراجع