HSGA: یک روش جدید برای زمانبندی سیستم های گرید با ترکیب الگوریتم ژنتیک و جستجوی هارمونی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,294

فایل این مقاله در 14 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:

AISST01_225

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

امروزه مسائل علمی، به دلیل پیچیدگی بالا نیاز به قدرت محاسباتی و فضای ذخیره سازی بالایی دارند. تکنیکهای قدیمی همچون محاسبات توزیعی و موازی برای اینگونه مسائل مناسب نیستند. یکی از اهداف گرید کامپیوتینگ مدیریت منابع محاسباتی برای پردازش برنامه های کاربران یا مشتریان می باشد به طوری که منجر به کیفیت بالای سرویس ها، هزینه کمتر و انعطاف پذیری بیشتری شود. با افزایش منابع محاسباتی در گرید نیاز به یک سیستم گریدی احساس می شود، که بتواند به مدیریت این نوع از منابع پرداخته تا سریعتر به درخواست های مختلف پاسخ دهد. از این روزمانبندی کارهای کاربران برای پردازش توسط منابع مناسب موجود در شبکه گرید، به عنوان یک مساله اساسی در رسیدن به کارایی بالا در سیستم های محاسباتی شبکه گرید مطرح شده است. این مساله از رده مسائل NP بوده و تاکنون روش های زیادی برای حل آن با استفاده از الگوریتم های ابتکاری ارائه شده است. در این مقاله برای حل مساله زمانبندی سیستم گرید محاسباتی از ترکیب الگوریتم ژنتیک و الگوریتم جستجوی هارمونی بکار گرفته شده و برای نشان داد کارایی این الگوریتم، با الگوریتم ژنتیک مقایسه شده است. نتایج تجربی نشان میدهد الگوریتم پیشنهادی از کارایی بالاتری نسبت به الگوریتم ژنتیک برخوردار است.

نویسندگان

سید محمد صادق نبوی چاشمی

دانشجوی ارشد نرم افزار کامپیوتر دانشگاه آزاد اسلامی واحد علوم تحقیقا

ملیحه باحکمت

دانشجوی دکتری نرم افزار کامپیوتر، دانشگاه فردوسی 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 :
  • Braun, T. D., et al., et al, A comparison of ...
  • Reed, D. A., Grids : The teragrid and beyond , ...
  • Chang, R.S. , Chang, mJ.S., Lin, S.Y., Job scheduling and ...
  • Choi, S., Baik, M., Gil, J. , Park, C..Hwang, C. ...
  • Foster, I., Kesselman, C., The Grid : Blueprint for new ...
  • Berstis, V., Fundamentas of grid computing , IBM Redbooks , ...
  • Carretero, J., Xhafa, F. and Abraham, A. s.1., Genetic algorithm ...
  • Yuan, J. B., Luo, J. M. and Su, Z. Y. ...
  • Fidanova, S. Sofia, B. , Simulated annealing for grid scheduling ...
  • Kazem, A. A. P., et al., et al, A Modified ...
  • Zheng, S. J., Shu, W. N. and Gao, L., Shanghai ...
  • Xu, Z., Hou, X. and Sun, J. Montreal, Ant algorithm-bas ...
  • Ritchie, G. and Levine, J., A hybrid ant algorithm for ...
  • Lorpunmanee, S., et al., et al., An ant colony optimization ...
  • Liu, A. H. and Wang, Z. Y. Nanchang, Grid task ...
  • Bu, Y. P., Zhou, W. and Yu, J. S. Shanghai ...
  • Izakian, H., Abraham, A. and Snasel, V., Metaheuristic based scheduling ...
  • نمایش کامل مراجع