تحقیق - پایان نامه - مقاله و پروژه

پژ.هش علمی :استفاده از الگوریتم ژنتیک و منطق فازی برای بهینه سازی منابع بازار براساس شبکه بندی- قسمت ۱۸

(۲,۴)
(۲,۳)
(۴,۲)
(۴,۳)
(۲,۳)
Virtual activity
Fig1.DAG of task[1]
مدت اجرایی و زمان مصرفی هر زیر وظیفه با آرایه دو بعدی به صورت(۳و۲)و(۲و۴)و(۴و۲)و(۲و۳)و(۳و۴) مشخص می شود.در این شکل فرض می کنیم منابع محاسباتی در ۵ واحد قابل دسترس هستند اگر زمانبندی task را در شکل زیر نشان دهیم.
۲
۳
۵
۴۶
Fig2.Gannt of scheduling[1]
منابع محاسباتی مورد نیاز تغییر یافته در زمان اجرا در شکل زیر نشان داده شده است،گراف زمانی منابع به صورت زیر است:
Fig 2.Resource time graph[1]
۱۰
۸
۶
۴
۲
۴-۳-۲ طراحی الگوریتم:
در فضای جستجوی Dبعدی هر جز با یک نقطه در فضا مشخص می شود.گروهی از particle به صورت در موقعیت D بعدی برای هر بردار هر جز(particle)،i دارای بازخورد بر طبق تابع بازخورد برای اندازه گیری مزایا و معایب هرparticle در موقعیت این بردار می باشد:
فواصل و منابع در روش particle به صورت:
که در موقعیت بهینه برای جستجو با particle کهموقعیت بهینه برای جستجوی گروهی به کار می رود.
طبق روابط زیر:
در روابط فوقwمربوط به inertiaweight
Kتعداد تکرارها
r 1و r2 یک عدد تصادفی در بازه]۱و۰[ است که برای نگهداری گروهی از diversity ها به کار می رود.
C1وc2 فاکتور learning برای توانایی self-learning چگونه می توانیم یک عبارت مناسب پیدا کنیم که بر اساس روابط فوق بر n وظیفه برای گره های گرید با M منبع کار کند. ترتیبی از (task)N برای محاسبه در گره های گریدOi از منبع که N! ترتیب از راه حل ها وجود دارد.محاسبات متوالی از N،task محاسباتی در گره های گرید از M منبع محاسباتی می توانند به صورت زیر نوشته شود:
ترتیب کلی از راه حل ها(N!)M نوع از ترکیبات وجود دارد.بنابراین Pso فقط نیاز به M قطعه از حل بهینه دارد.
گروههایی از m،particle تشکیل شده اند و دارای D بعد و مکان برای مقدار هدف دارند.fmaxوfmin مقادیر ماکزیمم و مینیمم برای هدف هستند روش تبدیل مقدار مورد نظر به بازخورد از رابطه:که در رابطه فوق€ عضو(۰,۱) می باشد.
از طرف دیگر انتخاب جزها به صورت تصادفی صورت می گیرد.در همان زمان،تابع ارزیابی برای پرداختن و حل مساله در زمان کارا با استفاده از رابطه زیر صورت می گیرد:
Wدر رابطه فوق وزنintertia
Kmax بزرگترین شماره جاری برای تکرارها
Wmin وزن نهایی
۴-۳-۲-۱ فرآیند الگوریتم:
اگرچه الگوریتم PSo دارای مزایای زیادی است و در تعدادی از تحقیقات بکار رفته بر روی موضوع های خاص نتایج خوبی ارایه کرده است هنوز دارای مشکل همگرایی و سرعت کم در همگرایی می باشد.
ضرورتاً الگوریتم swarm فضای پیوسته ارایه می کند زمانی که زمانبندی taskها در گرید در این قسمت بررسی می شود بنابراین فرآیند الگوریتم باید گام های زیر را طی کند:
۱-خواندن و نوشتن گراف taskها و پارامترهای مرتبط
که این عمل شامل همبندی گره ها محاسبه طول و کوتاهترین مسیر بین گره های منبع
۲-بکارگیری الگوریتم swarm(الگوریتم particle swarm)به دو زیر گروه همپوشانی تقسیم می شود.

در پایین درج شده است

mop