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 ۱۹

هر بعد از هر موقعیت بردار xv در الگوریتم swarm به صورت تصادفی یک عدد بین ۱-m و هر بعد از بردار xr افزایش ابعاد پیچیدگی محاسباتی را افزایش نمی دهد،که این مورد می تواند در نتایج تجربی مشاهده شود.
۴-۲-۳-۲ برخورد با محدودیت ها
ارتباط محدودیت ها بر اساس گراف از ترتیبی از گره ها که در جدول دو بعدی ذخیره می شود که به صورت زیر تعریف می شود.
وقتی تعدادی از userها در مقیاس بزرگ وجود دارند،این userها باید در موقعیت و مکانهای مناسبی زمانبندی شوند که ارتباط همگام و زمانبندیtaskها منابع تخصیص یافته با درخت با عمق maximum به صورت زیر است:
(a)
شکل(a)نشان دهنده زمان انتقال حل بهینه برای taskهای مستقل می باشد.
Taskهای مستقل می توانند برای منابع به صورت مستقل پردازش شوند.
الگوریتم بازگشتی زمانبندی taskها بعد از مرتب سازی و ذخیره در زیر درخت های مستقل را نشان می دهد.زیر درخت های مستقل می توانند برای taskهای مستقل مورد استفاده قرار گیرند.
۴-۲-۳-۳ تابع ارزیابی:
تابع ارزیابی برای taskها برای محاسبه هر بازخورد هر particle بکار می رود.فرض کنیمparticle به صورت می باشد و تابعارزیابی می باشد و شامل document ها با پارامترهای α=۲ و β=۳c=8 و p=0/7 پارامترهای این الگوریتم گروهی از گره های همسایه می باشد.
مقایسه نتایج از زمان مورد نیاز برای تکمیل توسط الگوریتم ها مختلف می تواند به چگونگی پیاده سازی الگوریتم بستگی دارد.زمانی که تعدادtask ها افزایش می یابد،الگوریتم کارآیی زیادی از خود نشان می دهد.
به منظور تصدیق نتایج تجربی به طور عمومی،چند مساله زمانبندی به صورت تصادفی تولیدمی شوند.استفاده از همان پارامترها و بدست آوردن نتایج تجربی مشابه باید ایجاد شود.
هر بعد از بردارVV یک عدد تصادفی بین (m-1) تا –(m-1) می باشد هر بعد از بردار Vr یک عدد تصادفی در بازه(n-1) تا –(n-1)اختیار می کند.
همه particle برای تابع ارزیابی مقدار دهی می شوند.ارزیابی اولیه یک حل و سپس حل بهینهمی باشد.زمانی که حل بهینهبرای زیر گروه جست و جو می شود و سپس حل بهینهتعیین می شود.
۴-۴ مدل های تطابقی زمانبندی jobها در گرید و الگوریتم های مربوط به آن[۹]
۱-مدل و الگوریتم در سطح سیستم زمانبندی
بیشتر taskها برای سیستم گرید ها مستقل هستند آنها مورد پذیرش قرار می گیرند در زمان های متفاوت و ارتباط بین سیستم های گرید توسط ADS برقرار می گردد.
۲-طبقه بندی سیاست های زمانبندی در گرید
سیاست های زمانبندی در سطوح مختلف متفاوت هستند ضرورتاً هیچ فرایند زمانبندی گرید به صورت گره فیزیکی پیاده سازی نمی شود،زمانی که یک job به صف آماده می رسدیک یا بیشتر گره ها به صورت موازی محاسبه می شوند و خوشه بندی محاسباتی در گرید زمابندی cpu را برای jobها در گرید به درستی انجام نمی دهد.سیستم عامل بعد از پذیرش jobها چگونگی اجرای هر job را مشخص می کند.زمانبندی در سطح سیستم عامل در حوزه بررسی این قسمت نیست.وقتی یک job می ر سد گرید زمان اجرایی و زمان load و نگهداری آن را برای هر گره و انتخاب هر گره برای اجرا را بررسی می کند.در این مرحله سیاست زمانبندی برای بهینه سازی کلی کارآیی انجام می شود.مخصوصاً اگر سیستم گرید منابع مختلف برای اجرا در گرید استفاده کند.سیستم به صورت توزیع شده و به صورت مجزا برای مسایل زمانبندی تصمیم می گیرد:۱-یک job تنها به گرید می رشد۲-jobهای چندگانه به صف گرید می رسند.در این بخش ما مدل الگوریتم زمانبندی برای اجرای بعدی را بررسی می کنیم.
به صورت تئوری یک زمان اجرایی برای هر job نمی تواند به آسانی تعیین شود زیرا زمان load پویا و بیشتر ویژگی های دیگر ناشناخته است.ما تنها می توانیم زمان اجرایی ممکن را پیشگویی کنیم.در سرویس گرید هر job مرتبط با سرویس خاص قبل از استفاده تعیین می شود.بخش دشوار این قسمت در load پویا و اثرات اجرایی برای زمان پذیرش هر job می باشد.
زمان اجرایی هر job برای هر گره با بهره گرفتن از تاریخچه استفاده از رابطه:
بدست می آید که زمان اجرایی قابل پیشگو برای jobهای جدید برای گره mمی باشد و t تعداد برش های زمانی برای هر job و سرویس اجرایی برای هر گره mمی باشد.زمان اجرایی هر گره می باشد.وسرعت learningمی باشد.زمانی که:
اگر n-1 نمونه (job)در همان سرویس برای m گره اجرا شوند.ما از مدل زیر برای پیشگویی زمان اجرایی nامین job استفاده می کنیم.
زمانی که زمان اجرایی قابل پیشگو برای nامین job و برای mامین گره باشد که n-1 نمونه (job)در همان سرویس اجرا می شوند.
زمانی که و از طرف دیگر آخرین مقادیر مورد انتظار زمان اجرایی می باشد.
زمان load پویا از نسبتبدست می آید.
استفاده از این نسبت،می توان برای پیشگویی nامین job برای m گره m به صورت زیر استفاده کرد:
زمانی که مقادیر ثابت هستند.
مدل پیشگویی زمان اجرایی و تنظیم فرایندها در شکل زیر نشان داده شده است.
زمانی که اولینjobبرای گره mمی رسد گرید زمان اجرایی ان را پیش گویی می کند که این زمان بر پایه می باشد.اگر دومین job برسد گرید زمان اجرایی را برای آنjob بر پایه می باشد.زمانی که n امین job برسد گرید زمان اجرایی را بر پایه پیشگویی می کند.
به صورت تئوری برای هر گره هر job که کوتاهترین زمان اجرایی را دارد بیشترین احتمال اجرایی را دارد.
۴-۴-۱ سطح زمانبندی الگوریتم:[۹]
Initialize , for=1,…,M;
R=1.1;
Do while(receiving a new job)
{
Compute every for=1,…,M;
Sort ;
Assign Li for the ith node according to R;
Generatioe randomly a probability Prob;
If (prob < and prob)

در پایین درج شده است

mop