آخرین مهلت ارسال مقالات برای دوره ۴ -شماره ۱۲ -آذر ماه ۱۴۰۳:
(۱۵ آذر ماه ۱۴۰۳)
یک الگوریتم جدید برنامهریزی مبتنی بر ژنتیک در سیستمهای پراکنده ناهمگن
دوره 4، شماره ۱۱، ۱۴۰۳، صفحات 67 - 87
1 موسسه آموزش عالی غیردولتی انتفاعی لامعی گرگانی،،گرگان،ایران
2 موسسه آموزش عالی غیردولتی انتفاعی لامعی گرگانی،،گرگان،ایران
چکیده :
سیستم های توزیع شده مانند Grid- و Cloud Computing خدمات وب را در سراسر جهان به کاربران خود ارائه میدهند. یکی از مهم ترین نگرانی هایی که ارائه دهندگان این خدمات با آن مواجه هستند، رسیدگی به هزینه کل مالکیت (TCO) است. بخش بزرگی از TCO مربوط به مصرف برق به دلیل مدیریت ناکارآمد منابع است. ماژول زمانبندی کار به عنوان یک جزء کلیدی میتواند تأثیر زیادی بر زمان پاسخ کاربر و استفاده از منابع اساسی داشته باشد. چنین سیستم های توزیع ناهمگنی، پردازنده های مختلف را با سرعت و معماری های متفاوت بکار برده اند. همچنین، برنامه کاربری که معمولاً به صورت گراف غیر چرخه ای جهت دار (DAG) ارائه می شود باید بر روی این نوع سیستم های پردازش موازی اجرا شود. از آنجایی که زمانبندی کار در چنین سیستمهای پیچیدهای جزء مسائل NP-hardاست رویکردهای اکتشافی موجود، دیگر کارآمد نیستند. بنابراین، روند کار استفاده از رویکردهای فراابتکاری ترکیبی است. در این مقاله، ما یک الگوریتم زمانبندی کار مبتنی بر ژنتیک به هم ریخته فراابتکاری را ارایه دادهایم تا زمان کل اجرا و طول زمان برنامههای کاربر را به حداقل برسانیم. در این راستا، ما از روشهای اکتشافی دیگری مانند سریعترین زمان پایان ناهمگن (HEFT) برای تولید جمعیت اولیه هوشمند با استفاده از یک عملگر ترکیبی جدید بهره میبریم که برای کاوش افراد امکانپذیر و امیدوارکننده در فضای جستجو، ثروت زیادی ایجاد میکند. ما همچنین سایر اپراتورهای ژنتیکی را به روش صحیح هدایت می کنیم تا راه حل نهایی نزدیک به بهینه را تولید کنیم. برای رسیدن به نتایج ملموس ما چندین سناریو را انجام داده ایم. الگوریتم پیشنهادی ما در مقایسه با سایر رویکردهای موجود مانند نسخههای HEFT و QGARAR از نظر میانگین طول زمان، عملکرد بهتری داشته است
سیستم های توزیع شده مانند Grid- و Cloud Computing خدمات وب را در سراسر جهان به کاربران خود ارائه میدهند. یکی از مهم ترین نگرانی هایی که ارائه دهندگان این خدمات با آن مواجه هستند، رسیدگی به هزینه کل مالکیت (TCO) است. بخش بزرگی از TCO مربوط به مصرف برق به دلیل مدیریت ناکارآمد منابع است. ماژول زمانبندی کار به عنوان یک جزء کلیدی میتواند تأثیر زیادی بر زمان پاسخ کاربر و استفاده از منابع اساسی داشته باشد. چنین سیستم های توزیع ناهمگنی، پردازنده های مختلف را با سرعت و معماری های متفاوت بکار برده اند. همچنین، برنامه کاربری که معمولاً به صورت گراف غیر چرخه ای جهت دار (DAG) ارائه می شود باید بر روی این نوع سیستم های پردازش موازی اجرا شود. از آنجایی که زمانبندی کار در چنین سیستمهای پیچیدهای جزء مسائل NP-hardاست رویکردهای اکتشافی موجود، دیگر کارآمد نیستند. بنابراین، روند کار استفاده از رویکردهای فراابتکاری ترکیبی است. در این مقاله، ما یک الگوریتم زمانبندی کار مبتنی بر ژنتیک به هم ریخته فراابتکاری را ارایه دادهایم تا زمان کل اجرا و طول زمان برنامههای کاربر را به حداقل برسانیم. در این راستا، ما از روشهای اکتشافی دیگری مانند سریعترین زمان پایان ناهمگن (HEFT) برای تولید جمعیت اولیه هوشمند با استفاده از یک عملگر ترکیبی جدید بهره میبریم که برای کاوش افراد امکانپذیر و امیدوارکننده در فضای جستجو، ثروت زیادی ایجاد میکند. ما همچنین سایر اپراتورهای ژنتیکی را به روش صحیح هدایت می کنیم تا راه حل نهایی نزدیک به بهینه را تولید کنیم. برای رسیدن به نتایج ملموس ما چندین سناریو را انجام داده ایم. الگوریتم پیشنهادی ما در مقایسه با سایر رویکردهای موجود مانند نسخههای HEFT و QGARAR از نظر میانگین طول زمان، عملکرد بهتری داشته است
کلمات کلیدی :
زمانبندی وظایف، محاسبات ابری، گراف غیر چرخه ای جهت دار (DAG)
زمانبندی وظایف، محاسبات ابری، گراف غیر چرخه ای جهت دار (DAG)
-
71
-
3
-
1403/06/18
-
1403/06/23
-
1403/06/29