ماشین ‌های خودكار سلولی موازی و ترتیبی بر اساس الگوریتم‌ های زمان بندی

ترجمه مقاله ماشین ‌های خودكار سلولی موازی

ترجمه مقاله Sequential and Parallel Cellular Automata-Based Scheduling Algorithms

در این پست ترجمه مقاله ماشین ‌های خودكار سلولی موازی و ترتیبی بر اساس الگوریتم‌ های زمان بندی را برای شما دوستان آماده کردیم که علاوه بر چکیده می توانید خود مقاله اصلی را نیز به طور رایگان دانلود نمایید.

چکیده مقاله :

در این بخش، ما روش جدیدی برای طراحی ماشین ‌های خودكار سلولی بر اساس الگوریتم ‌های زمان ‌بندی چند پردازنده ارائه دادیم كه استخراج دانش در مورد مراحل زمان‌ بندی اتفاق می افتد. این معلومات و دانش می‌تواند در مواقع حل نمونه‌ های جدید برنامه زمان‌ بندی، مورد استفاده قرار گیرد. ما راحترین راه را در نظر می‌گیریم، زمانی كه یک سیستم چند پردازنده به دو پردازنده دیگر محدود شود، اما به هیچ نوع محدودیتی در مورد پارامترهای برنامه های موازی، و اندازه اشاره نمی‌كنیم.

برای طرح ریزی سیستم های خودكار سلولی متناظر با گراف برنامه مورد نظر، ما تعریفی کامل از همسایگی گراف برنامه، را که دارای شکل ها و اندازه های مختلف هستند را در نظر می‌گیریم. این ماشین ‌های خودكار سلولی به دو روش كار می‌كنند. در روش یادگیری ما از یک الگوریتم ژنتیک برای كشف قوانین ماشین ‌های خودكار سلولی مناسب استفاده می‌كنیم.

در روش عملیاتی، قانون كشف شده ماشین ‌های خودكار سلولی به طور اتوماتیک می تواند بهترین راه حل را پیدا کند یا زیر بهینه مسائل زمان ‌بندی برای هر نوع تخصیص اولیه یک گراف برنامه در گراف سیستم دو پردازنده ‌ای، هستند. قانون كشف شده برای ماشین ‌های خودكار سلولی ترتیبی به عنوان زمان ‌بند، بسیار مناسب است، در صورتی كه جالب ‌ترین خصوصیات ماشین ‌های خودكار سلولی، موازات بزرگ آنهاست. برای غلبه بر مشکلات در مواجهه با قوانین ماشین ‌های خودكار موازی، ما استفاده از الگوریتم ژنتیک تكاملی را پیشنهاد می دهیم.

 با پیدا کردن این روش، قوانین ما را توانمند به طراحی زمان‌ بند های موازی موثر می‌سازد. ما تعدادی از نتایجات تجربی را برای الگوریتم‌ های زمان ‌بندی هم موازی و هم ترتیبی كه در زمینه ماشین خودكار سلولی که بر اساس سیستم زمان ‌بندی كشف شده‌اند، نمایش خواهیم داد.

توضیحات بیشتر در مورد ترجمه مقاله ماشین ‌های خودكار سلولی موازی و ترتیبی بر اساس الگوریتم‌ های زمان بندی و دانلود رایگان مقاله اصلی لطفا به ادامه مطلب مراجعه نمایید.

چکیده انگلیسی :

Abstract—In this paper, we present a novel approach to designing cellular automata-based multiprocessor scheduling algorithms in which extracting knowledge about the scheduling process occurs. This knowledge can potentially be used while solving new instances of the scheduling problem. We consider the simplest case when a multiprocessor system is limited to two-processors, but we do not imply any limitations on the size and parameters of parallel programs.To design cellular automata corresponding to a given program graph, we propose a generic definitio.

ofprogramgraphneighborhood,transparent to the various kinds, sizes, and shapes of program graphs. The cellular automata-based scheduler works in two modes. In learning mode we use a genetic algorithm to discover rules of cellular automata suitable for solving instances of a scheduling problem. In operation mode, discovered rules of cellular automata are able to automatically find an optimal or suboptimal solution of the scheduling problem for any initial allocation of a program graph in two-processor system graph. Discovered rules are typically suitable for sequential cellular automata workin.

as a scheduler, while the most interesting and promising feature of cellular automata are their massive parallelism. To overcome difficulties in evolving parallelcellular automata rules, we propose using coevolutionary genetic algorithm. Discovered this way, rules enable us to design effective parallel schedulers. We present a number of experimental results for both sequential and parallel scheduling algorithms discovered inthe context of a cellular automata-based scheduling system.

منبع : ieeexplore.ieee.org