ترجمه کامپیوتر- 19 صفحه
سال 2008
A Linear Programming Driven Genetic Algorithm for Meta-Scheduling on Utility Grids
الگوریتم ژنتیکی برپایه ی برنامه نویسی خطی برای زمانبندی متا در شبکه سودمند
Saurabh Garg, Pramod Konugurthi and Rajkumar Buyya
http://ieeexplore.ieee.org/document/4760422
دانلود رایگان مقاله انگلیسی - الگوریتم ژنتیکی برپایه ی برنامه نویسی خطی
چکیده:
کارگزاران سطح مصرف کننده در شبکه ها تنها به کاربردهای شخصی نیازمندیهای QoS توجه کرده و هزینه های خود را پایین می آورند بدون در نظر گرفتن تقاضای دیگر مصرف کنندگان. که این باعث رقابت میان منابع و برنامه های نه چندان بهینه می گردد. هدف برنامه ریزی متا در شبکه ها یافتن مشکلات این نوع برنامه ریزی است که به دلیل طبیعت ترکیبی آن بسیار سخت است. از این رو راه حل های ابتکاری و ذهنی بسیاری که بر پایه ی الگوریتم ژنتیک است جدا از الگوریتمهای قدیمی مانند Geedy -FCFs ارائه داده شده است .
ما در این مقاله مدلی با برنامه ریزی عدد صحیح و برنامه ریزی خطی ارائه کرده تا این کاربردها را برای منابع متعدد برنامه ریزی کنیم. در اینجا الگوریتم جدیدی بنام LPGA را معرفی می کنیم که ترکیبی ا ز امکانات برنامه نویسی خطی و الگوریتم ژنتیک می باشد. هدف این الگوریتم دستیابی به یک فوق برنامه در utility grids است که به کاهش هزینه ها برای مصرف کننده های متفاوت بصورت هماهنگ می انجامد . نتایج شبیه سازی نشان می دهد که این الگوریتم جامع بهترین زمانبندی را با کمترین هزینه در بردارد .
Abstract:
The user-level brokers in grids consider individual application QoS requirements and minimize their cost without considering demands from other users. This results in contention for resources and sub-optimal schedules. Meta-scheduling in grids aims to address this scheduling problem, which is NP hard due to its combinatorial nature. Thus, many heuristic-based solutions using Genetic Algorithm (GA) have been proposed, apart from traditional algorithms such as Greedy and FCFS. We propose a Linear Programming/Integer Programming model (LP/IP) for scheduling these applications to multiple resources. We also propose a novel algorithm LPGA (Linear programming driven Genetic Algorithm) which combines the capabilities of LP and GA. The aim of this algorithm is to obtain the best meta-schedule for utility grids which minimize combined cost of all users in a coordinated manner. Simulation results show that our proposed integrated algorithm offers the best schedule having the minimum processing cost with negligible time
Keywords
