Select the ith node for this job;
When the job finishes,update the predicted completion time;
Update R and a;
}
۴-۴-۲ مدل های سرویس چندگانه:
در مدل سرویس ساده،فرض می کنیم که تنها نوع سرویس ها را تعیین می کند.برای اطمینان سیستم گرید انواع سرویس ها را تامین می کند در این بخش ما یک سرویس ساده را برای مدل های چندگانه گسترش می دهیم.
مینیمم تابع بازخورد برای Mگره به صورت:
فرض کنیمزمان اجرایی پیشگویی شده برای nامین jobباشد.برای سرویس S بر روی mگره با n-1،jobباشد که بر روی سرویس های متفاوت اجرا می شود.درمدل سرویس های چندگانه می تواند به صورت زیر محاسبه شود:
SUBJECT TO:
تعریف می شود که:
که S’ سرویسی بر ای همانS’می باشد.
هنگامی که در زمانبندی jobها سیستم گرید ابتدا درخواستی را برای همه گره ارسال می کند،در دامنه پذیرش فرآیند ممکن است این درخواست این درخواست پذیرفته شود یا پذیرفته نشود به همین منظور تابع بازخورد به صورت زیر تعریف می شود:
زمانی که i=1,2,…,m-1باشد وj=1,2,…,|p| اندازه تعداد job و جمعیت باشد pj بیان کننده jامین جمعیت مستقل و F(ni) تابع بازخورد را تعریف می کند.
الگوریتم کلی زمانبندی jobها در الگوریتم های تطبیقی به صورت زیر است:[۹]
Compute for m=1,…,M and n=0,…,N;
Do while (receiving a task framing N){
T=0;initialize p(t);evaluate p(t);
While not finished do{
T=t+1;
Select p(t) from p(t-1);
Reroduct pairs in p(t);
Evaluate p(t);
} }
هر گره حالت load هر job را بررسی می کند و اطلاعات مربوط به ان jobرا ذخیره می کند که شامل شماره job فعلی در حال اجرا و میانگین زمان تکمیل job ها که با نشان داده می شود.کاربر الگوریتم ژنتیک در سطح زمانبندی برای تولید جمعیت اولیه از jobها و ارزیابی بازخورد هر گره می باشد و عملکرد عملگرهای ژنی برای بازخورد بالا و جهش ژنی برای تولید جمعیت جدید باید بالا باشد.فرآیند ژنتیک پیوسته با جمعیت جدید نتیجه ای نزدیک به بهینه برای jobها بدست می آورد.میانگین زمانی اجرا برای n تا job با M گره از رابطه زیر بدست می آید:
۴-۵ الگوریتم ژنتیک برای زمانبندی منابع گرید در گریدهای محاسباتی[۱۰]
یک زمانبند مولفه ای برای مدیریت منابع در سیستم های بر پایه گرید می باشد.faster برای سیستم های گرید و مدیریت این سیستم ها برای کاربرد و نگاشت منابع با کارآیی بالا و سیاست های زمانبندی و load کردن منابع با بهترین زمانبندی تعریفی را ارایه نمود.یک سیستم زمانبند واسطی بین user و منابع گرید می باشد.زمانبندی jobها در گرید یا خوشه بندی task ها برای گره های محاسباتی یک مساله از مرتبه NPسخت(hard-NP) می باشد.مساله زمانبندی شامل سه مولفه اصلی می باشد:Coustomersl(مشتریان)،منابع و سیاست های زمانبندی،سیاست ممکن است که یک سیستم زمانبندی را در سطح کاربردی و روش های نگاشت jobها برای منابع بکار گیرد.سیاست انتخاب شده برای پیاده سازی زمانبندی تحت تاثیر userها و منابع می باشد.
در این قسمت می خواهیم یک الگوریتم ژنتیک بر پایه زمانبند گرید ارایه کنیم این الگوریتم باید از برخورد متقابل userها و منابع جلوگیری کند.الگوریتم برای jobهای مستقل با محدودیت های مربوطه به taskهای job و فرآیند درجه بندی با زمان محاسباتی مناسب که شامل محدودیت های مربوط به سلسله مراتبی می تواند برای پایین ترین و بالاترین سیستم مدیریتی استفاده شود.
۴-۵-۱ زمانبندی های موجود و مورد استفاده در گرید:
در سال های اخیر سیستم های زمانبند توسعه یافته اند معمولاً با الگوریتم های تعبیه شده برای کشف منابع و تخصیص سیستم که پذیرش و توصیف jobها را برای واسط user تامین می کند.در معماری هر سیستم طراحی شده برای استفاده های متفاوت برای متمرکز سازی و غیر متمرکزسازی،jobها با ویژگی ها و ارتباط و وابستگی و زمان اجرایی مورد انتظار،نقاط بررسی،نظارت بر فرآیندها و بازخوردuserها و سایر موضوعات بررسی می گردد.
۴-۵-۱-۱زمانبند جدید توسط الگوریتم ژنتیک:
هر زمانبند گرید طراحی شده برای مدیریت منابع دارای قابلیت حمل با ابزارهای گوناگون توسعه یافته برای تحقیقات گروهی گرید و بخشی برای تخصیص گروهی از منابع سیستم می باشد.این بخش حاضر طراحی شده و پیاده سازی شده از الگوریتم زمانبند ما می باشد.زمانبند برای بهینه سازی زمان بیکاری و زمان محاسباتی در دسترس منابع تلاش می کند و بن بست هایی از userهای خاص ایجاد می شود.
حل فضا برای نگاشت jobها به cluster هایی،نیاز به اعداد کوچکتر از اعداد تخصیص داده شده به گره های محاسباتی دارد،بنابراین ممکن است زمانبندهایclusterها توسعه یافته تنها بر پایه الگوریتم های آگاهانه صورت گیرد.زمانبند گرید نیاز به نگاشت پویا در دسترس و منابع غیر تخصیص یافته برای taskهای مربوط به jobهایی دارد.گره های محاسباتی ممکن است به صورت جغرافیایی توزیع یافته و نیاز به برخورد با انواع jobها داشته باشند.بنابراین حل فضای حالت برای زمانبند گرید در مقیاس بزرگ نیاز زمانبندهای طولانی مدت دارد.
در محیط گرید،اهداف userها و منابع تامین شده می تواند برخورد داشته باشد،اهداف و تلاش ها برای بهبود کارآیی به روابط زیر منجر شده است:
دلالتTst برای زمان پایانی برای آخرین taskزمانبندی می باشد،بدین منظور زمان تاخیر به صورت زیر تعریف می شود:
فرض کنیم Tc(i) زمان بحرانی برای iامینjob باشد.Tc ماکزیمم زمان(Tc(i))برای همه jobهایی که باید زمانبندی شوند باشد و Tst زمان پایانی برای آخرین taskباشد.wدلالت برmakespanدارد:
زمان بیکاری برای هر گره به دلیل غیر استفاده بودن شکاف ها(gap) باید محدودیت های tas

یک مطلب دیگر:
مقاله علمی با منبع :شناسایی و رتبه بندی عوامل موثر هوشمندی کسب و کار جهت موفقیت فرآیند ...

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

kها و job برای رویه ها فرآهم کند.
فرض کنید m تعداد task در jامین گره و فرض کنید n تعداد گره های محاسباتی باشد.فرض کنیدTgs(j,k) زمان شروع kامین task و jامین گره و Tge(j,k)زمان پایان kامین task باشد بنابراین:
Tgen نرمال شده زمان بیکاری برای همه گره ها باشد.
چهار مورد می تواند با وزن های αوβووبرای تابع بازخورد F به صورت زیر باشد:
چهار پارامتر استفاده شده برای jobها برای تامین منابع در این سیستم نیاز به تطابق با userها دارند.
بعد از تابع بازخورد برای هر job جمعیت اولیه محاسبه می شود میانگین تابع بازخورد و استاندارد deviation(SD) محاسبه می شود.اگرSD کمتر از مقدار آستانه باشد برای حل قابل قبول است.الگوریتم ژنتیک همگرایی آن را بیان می کند.همگرایی الگوریتم برای حل تولید جمعیت جدید از نیازها به صورت تصادفی تولید می شود.البته این حل بدون برای تولید جمعیت جدید روش elitismمورد استفاده قرار می گیرد.