دانلود پروژه روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی

اختصاصی از یارا فایل دانلود پروژه روشی جدید برای الگوریتم زمانبندی CPU :با گردش بنوبت ژنتیکی دانلود با لینک مستقیم و پرسرعت .

پروژه روشی جدید برای الگوریتم زمانبندی CPU :شک نکنید که یک پروژه جامع و کال هست و بسیار عالی و کاربردی نویسنده به این موضوع پرداخته و تیک داکیومنت۹۸  این پروژه خاص و جالب رو به رایگان در اختیار شما میگذارد با ما همراه باشید….یک موضوع جالب در سیستم عامل, زمانبندی CPU است.این زمانبندی به تخصیص CPU مربوط است که فراینده ها را در سیستمی کامپیوتری اجرا میکند.زمانبندی CPU وظیفه ی اصلی سیستم عامل است[۱].زمانبندی باید بدرستی برای نگه داشتن بیطرفی و جلوگیری از فرایندهایی که هرگز CPU را تخصیص نمیدهد انجام شود(فرایند گرسنگی).زمانبندی CPU ضروری است , بخصوص در سیستم شبکه ی کامپیوتری که از گروهی از ایستگاههای کاری و سرویس دهندهها تشکیل میشود.سپس,در این سیستم عامل جدید ,کامپیوتر چند وظیفه ای ,یک هدف است و این به الگوریتم برای زمانبندی CPU متکی است.بهمین دلیل CPU بخش موثر یا مهم یک کامپیوتر است.[۱].علاوه بر این ,در این عصر به کمک VLSL (در مقیاس بسیار بزرگ مدار مجتمع)ممکن است پردازنده هایی با قدرت بالا تولید کنند.این قدرت شگفت انگیز بایداستفاده شود تا بی فایده نباشد.همزمان با قدرت محاسبه ی پردازنده, در برنامه های کاربردی افزایش وجود دارد که آن قدرت را استفاده میکند. یک معیار که باید بوسیله ی برنامه انجام شود ,به حداقل رساندن میانگین زمان انتظار برای همه ی فرایندها در بدست آوردن تخصیص CPU است.الگوریتمهای مختلفی برای زمانبندی CPU وجود دارد:یکی از آنها گردش بنوبت(RR) است.مفهوم اساسی در RR استفاده از اشتراک گذاری زمان است[۳].هر فرایند همان زمان CPU را بدست می آورد یعنی زمان کوانتومی, که بعنوان محدودیت در زمان پردازش ,بطور کلی در محدوده ی ۱-۱۰۰ میلی ثانیه عمل میکند.بعد از اینکه زمان کوانتومی برای فرایندی بپایان رسید,فرایند از اجرای آن متوقف میشود و در صف آماده گذارده میشوند.سپس ,فرایند بعدی انتخاب میشودتا اجرا شود.این مراحل چندین بار اجرا خواهند شد تا زمانیکه همه ی فرایندها بطور کامل بوسیله ی CPU بکار روند.اگر چه محدوده ی مقدار برای زمان کوانتومی وجود دارد,هنوز هیچ استانداردی وجود ندارد. ضمنا اگر زمان کوانتومی بسیار زیاد باشد,زمان مورد نیاز برای پاسخ / انتظار (چقدر زمان مورد نیاز است که آن بکار گرفته شود) کاملا زیاد است.علاوه براین, اگر خیلی کم باشد برای CPU مخارج کلی بوجود می آورد.جستجو برای بهترین زمان کوانتومی هدف دارد که به حداقل رساندن میانگین زمان انتظار برای گروهی از فرایندهاست.امیدواریم که هر فرایند بتواند کارش را در زمان معقول انجام دهد.تسریع کننده یک فرایند اثرات کارش را در بسیاری از فرایندها بپایان میرساند که میتواند بوسیله ی CPU بکار گرفته شود.این کار به توان عملیاتی بهتری از CPU میرسد برای اینکه همیشه مشغول است و هرگز غیرفعال نیست.براساس مقدمه ی بالا فکر میکنیم برای پیدا کردن بهترین کوانتوم برای بدست آوردن میانگین بهتری از زمان انتظار,مدت زمان صرف شده و حداقل تعویض بستر لازم است.الگوریتم ژنتیکی را پیشنهاد میکنیم که با گردش بنوبت سنتی ترکیب میشود.

به زبان ساده تر
محدوده کاری الگوریتم ژنتیک بسیار وسیع می باشد و هر روز با پیشرفت روزافزون علوم و تکنولوژی استفاده از این روش در بهینه سازی و حل مسائل بسیار گسترش یافته است. الگوریتم ژنتیک یکی از زیر مجموعه های محاسبات تکامل یافته می باشد که رابطه مستقیمی با مبحث هوش مصنوعی دارد در واقع الگوریتم ژنتیک یکی از زیر مجموعه های هوش مصنوعی می باشد. الگوریتم ژنتیک را می¬توان یک روش جستجوی کلی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید می¬کند .الگوریتم ژنتیک برروی یکسری از جواب¬های مساله به امید بدست آوردن جوابهای بهتر قانون بقای بهترین را اعمال می کند. درهر نسل به کمک فرآیند انتخابی متناسب با ارزش جواب¬ها و تولید مثل جواب-های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شده¬اند ,تقریب¬های بهتری از جواب نهایی بدست می¬آید. این فرایند باعث می¬شود که نسلهای جدید با شرایط مساله سازگارتر باشد.

فهرست مطالب
مقدمه
فصل اول
چکیده
تاریخچه الگوریتم ژنتیک
اهداف
ساختار الگوریتم‏های ژنتیکی

عملگرهای الگوریتم ژنتیک
روند کلی الگوریتم‏های ژنتیکی
روند کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک
شرط پایان الگوریتم
فصل دوم
توضیح الگوریتم ژنتیک در ۱۲ قدم
قدم اول : بدست آوردن تابع هدف (Cost Function) با n متغیر

قدم دوم : تعیین طول کروموزوم

قدم سوم : تولید جمعیت اولیه
قدم چهارم: تبدیل هر ژن از کروموزوم به اعدادی در بازه دامنه همان متغیر
قدم پنجم
قدم ششم :
قدم هفتم : تعیین تعداد کروموزوم شرکت کننده در عمل پیوند
قدم هشتم : انتخاب کروموزومهایی که در عمل پیوند شرکت می کنند
قدم نهم : پیوند (crossover)
قدم دهم : جهش (mutation)
قدم یازدهم : حفظ بهترین کروموزوم
قدم دوازدهم

فصل سوم
روش پژوهش
نتایج و بحث
نتیجه گیری و کارهای آینده
نتیجه گیری‌ کلی
قدر دانی

منابع

روش زمانبندی کسب شده و پیش بینی زمان و هزینه نهایی پروژه

اختصاصی از یارا فایل روش زمانبندی کسب شده و پیش بینی زمان و هزینه نهایی پروژه دانلود با لینک مستقیم و پرسرعت .

• مقاله با عنوان: روش زمانبندی کسب شده و پیش بینی زمان و هزینه نهایی پروژه 

• نویسندگان: زهرا میارنعیمی ، مهدی حبیبی ، ناصر نوروزی ، عبدا... امیدوار اشکلک 

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

تکنیک مدیریت ارزش کسب شده (EVMS) یکی از پرکاربردترین روش هایی است که در طی چهار دهه‌ی اخیر در زمینه کنترل پروژه مورد استفاده قرار می‌گیرد. با استفاده از این تکنیک مدیر پروژه قادر خواهد بود عملکرد پروژه را تا یک مقطع زمانی خاص سنجیده، مشکلات پروژه را شناسایی کند و برای بهبود روند پروژه تصمیمات مناسب را اتخاذ کند، همچنین با استفاده از پارامترها و شاخص‌های عملکردی این تکنیک زمان و هزینه نهایی پروژه را پیش بینی کند. سیستم ارزش کسب شده زمان و هزینه نهایی پروژه را بر اساس شاخص‌هایی که مبنای هزینه‌ای دارند پیش بینی می‌کند بنابراین در زمینه پیش بینی زمان نهایی پروژه نتایج نزدیک به واقعیت را ارائه نمی‌دهد. در سال‌های اخیر تحقیقات زیادی در این زمینه صورت گرفت و محققان روش‌های گوناگونی برای تخمین زمان پایانی پروژه با استفاده از شاخص‌هایی که مبنای زمانی دارند ارائه نمودند. یکی از این روش‌ها روش زمانبندی کسب شده (ES) است که بر خلاف شاخصه‌ای مبتنی بر هزینه که توسط تکنیک EVM برای عملکرد زمانی پیشنهاد شده است، بر اساس شاخص‌های مبتنی بر زمان اقدام به پیش بینی و تحلیل زمان پروژه می‌نماید. پژوهش حاضر ضمن معرفی تکنیک ارزش کسب شده و روش زمانبندی کسب شده، چگونگی پیش بینی زمان و هزینه نهایی پروژه را با استفاده از روش زمانبندی کسب شده بیان می‌کند.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

پایان نامه زمانبندی کارهای بلادرنگ با فازی

اختصاصی از یارا فایل پایان نامه زمانبندی کارهای بلادرنگ با فازی دانلود با لینک مستقیم و پرسرعت .

پایان نامه زمانبندی کارهای بلادرنگ با فازی

 

چکیده

زمانبندی کارهای بلادرنگ با فازی در زمان پردازش و ضرب العجل ها

در سیستم های بلادرنگ الگوریتم های زمانبندی نقش حیاتی را برای یک زمانبند عملی از کارها ایفا می کند. طراح الگوریتم زمانبندی در مواجه با اقدامات وابسته به اضطرار زمانی در کارهای بلادرنگ قرار دارد. این تحقیق محدودیت های زمانی فازی را با نمونه سازی کارهای بلادرنگ به وسیله ضرب العجل فازی و پردازش فازی با توابع عضویت متفاوت بررسی می کند. در این تحقیق  مقایسه مطالعات و بعضی از یافته های جالب توجه مبنی بر آزمایشات شبیه سازی شده گزارش داده شده اند. 

واژه های کلیدی 

زمانبندی ،کارهای بلادرنگ ، فازی ،ضرب العجل .

 

 

فهرست مطالب 

مقدمه 

فصل اول : زمان بندی بی درنگ 

محاسبات بی درنگ 

1-1- ویژگی سیستم های عامل بی درنگ 

1-2- زمانبندی بی درنگ  

1-3- زمانبندی مهلت زمانی 

1-4- نمونه هایی از سیستم های بی درنگ بد نام شده 

فصل دوم : فازی چیست؟

2-1- فازی و تاریخ ان

2-2- اعمال فازی به سیستم ها 

2-3- انتخاب نام فازی 

2-4- کاربردهای مهندسی و طراحی فازی 

2-5- برخی محصولات فازی 

2-6- انواع سیستم های فازی 

2-7- متغیر های زبان شناختی 2-8- قوانین فازی 

2-9- عملیات بر روی مجموعه های فازی 

2-10- زمینه های تحقیق عمده در تئوری فازی 

فصل سوم: زمانبندی کارهای بلادرنگ با فازی در زمان پردازش و ضرب العجل ها

3-1- فرمول بندی در زمینه فازی 

3-2- تحلیل و مثال هایی برای ضرب العجل و زمان تکمیل

    3-2-1  -   مطلوب و نقاط   برای ضرب العجل فازی نوع مثلثی 

   3-2- 2 -   مطلوب و نقاط   برای ضرب العجل فازی نوع ذوزنقه ای 

   3-2-3 -   مطلوب و نقاط   برای ضرب العجل فازی نوع هزلولوی

3-3- نتایج شبیه سازی 

فصل چهارم : پیاده سازی به وسیله نرم افزارمطلب جعبه ابزار فازی 

4-1- متغیر های ورودی 

4-2- متغیر خروجی 

4-3- قوانین فازی 

4-4-  نمودار 

4-5- کد تولید شده 

نتیجه گیری 

منابع 

پروژه روشی جدید برای الگوریتم زمانبندی CPU با گردش بنوبت ژنتیکی (با قابلیت ویرایش )

اختصاصی از یارا فایل پروژه روشی جدید برای الگوریتم زمانبندی CPU با گردش بنوبت ژنتیکی (با قابلیت ویرایش ) دانلود با لینک مستقیم و پرسرعت .

پروژه روشی جدید برای الگوریتم زمانبندی CPU :شک نکنید که یک پروژه جامع و کال هست و بسیار عالی و کاربردی نویسنده به این موضوع پرداخته و تیک  این پروژه خاص و جالب رو به رایگان در اختیار شما میگذارد با ما همراه باشید….یک موضوع جالب در سیستم عامل, زمانبندی CPU است.این زمانبندی به تخصیص CPU مربوط است که فراینده ها را در سیستمی کامپیوتری اجرا میکند.زمانبندی CPU وظیفه ی اصلی سیستم عامل است[۱].زمانبندی باید بدرستی برای نگه داشتن بیطرفی و جلوگیری از فرایندهایی که هرگز CPU را تخصیص نمیدهد انجام شود(فرایند گرسنگی).زمانبندی CPU ضروری است , بخصوص در سیستم شبکه ی کامپیوتری که از گروهی از ایستگاههای کاری و سرویس دهندهها تشکیل میشود.سپس,در این سیستم عامل جدید ,کامپیوتر چند وظیفه ای ,یک هدف است و این به الگوریتم برای زمانبندی CPU متکی است.بهمین دلیل CPU بخش موثر یا مهم یک کامپیوتر است.[۱].علاوه بر این ,در این عصر به کمک VLSL (در مقیاس بسیار بزرگ مدار مجتمع)ممکن است پردازنده هایی با قدرت بالا تولید کنند.این قدرت شگفت انگیز بایداستفاده شود تا بی فایده نباشد.همزمان با قدرت محاسبه ی پردازنده, در برنامه های کاربردی افزایش وجود دارد که آن قدرت را استفاده میکند. یک معیار که باید بوسیله ی برنامه انجام شود ,به حداقل رساندن میانگین زمان انتظار برای همه ی فرایندها در بدست آوردن تخصیص CPU است.الگوریتمهای مختلفی برای زمانبندی CPU وجود دارد:یکی از آنها گردش بنوبت(RR) است.مفهوم اساسی در RR استفاده از اشتراک گذاری زمان است[۳].هر فرایند همان زمان CPU را بدست می آورد یعنی زمان کوانتومی, که بعنوان محدودیت در زمان پردازش ,بطور کلی در محدوده ی ۱-۱۰۰ میلی ثانیه عمل میکند.بعد از اینکه زمان کوانتومی برای فرایندی بپایان رسید,فرایند از اجرای آن متوقف میشود و در صف آماده گذارده میشوند.سپس ,فرایند بعدی انتخاب میشودتا اجرا شود.این مراحل چندین بار اجرا خواهند شد تا زمانیکه همه ی فرایندها بطور کامل بوسیله ی CPU بکار روند.اگر چه محدوده ی مقدار برای زمان کوانتومی وجود دارد,هنوز هیچ استانداردی وجود ندارد. ضمنا اگر زمان کوانتومی بسیار زیاد باشد,زمان مورد نیاز برای پاسخ / انتظار (چقدر زمان مورد نیاز است که آن بکار گرفته شود) کاملا زیاد است.علاوه براین, اگر خیلی کم باشد برای CPU مخارج کلی بوجود می آورد.جستجو برای بهترین زمان کوانتومی هدف دارد که به حداقل رساندن میانگین زمان انتظار برای گروهی از فرایندهاست.امیدواریم که هر فرایند بتواند کارش را در زمان معقول انجام دهد.تسریع کننده یک فرایند اثرات کارش را در بسیاری از فرایندها بپایان میرساند که میتواند بوسیله ی CPU بکار گرفته شود.این کار به توان عملیاتی بهتری از CPU میرسد برای اینکه همیشه مشغول است و هرگز غیرفعال نیست.براساس مقدمه ی بالا فکر میکنیم برای پیدا کردن بهترین کوانتوم برای بدست آوردن میانگین بهتری از زمان انتظار,مدت زمان صرف شده و حداقل تعویض بستر لازم است.الگوریتم ژنتیکی را پیشنهاد میکنیم که با گردش بنوبت سنتی ترکیب میشود.

به زبان ساده تر
محدوده کاری الگوریتم ژنتیک بسیار وسیع می باشد و هر روز با پیشرفت روزافزون علوم و تکنولوژی استفاده از این روش در بهینه سازی و حل مسائل بسیار گسترش یافته است. الگوریتم ژنتیک یکی از زیر مجموعه های محاسبات تکامل یافته می باشد که رابطه مستقیمی با مبحث هوش مصنوعی دارد در واقع الگوریتم ژنتیک یکی از زیر مجموعه های هوش مصنوعی می باشد. الگوریتم ژنتیک را می¬توان یک روش جستجوی کلی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید می¬کند .الگوریتم ژنتیک برروی یکسری از جواب¬های مساله به امید بدست آوردن جوابهای بهتر قانون بقای بهترین را اعمال می کند. درهر نسل به کمک فرآیند انتخابی متناسب با ارزش جواب¬ها و تولید مثل جواب-های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شده¬اند ,تقریب¬های بهتری از جواب نهایی بدست می¬آید. این فرایند باعث می¬شود که نسلهای جدید با شرایط مساله سازگارتر باشد.

فهرست مطالب
مقدمه
فصل اول
چکیده
تاریخچه الگوریتم ژنتیک
اهداف
ساختار الگوریتم‏های ژنتیکی

عملگرهای الگوریتم ژنتیک
روند کلی الگوریتم‏های ژنتیکی
روند کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک
شرط پایان الگوریتم
فصل دوم
توضیح الگوریتم ژنتیک در ۱۲ قدم
قدم اول : بدست آوردن تابع هدف (Cost Function) با n متغیر

قدم دوم : تعیین طول کروموزوم

قدم سوم : تولید جمعیت اولیه
قدم چهارم: تبدیل هر ژن از کروموزوم به اعدادی در بازه دامنه همان متغیر
قدم پنجم
قدم ششم :
قدم هفتم : تعیین تعداد کروموزوم شرکت کننده در عمل پیوند
قدم هشتم : انتخاب کروموزومهایی که در عمل پیوند شرکت می کنند
قدم نهم : پیوند (crossover)
قدم دهم : جهش (mutation)
قدم یازدهم : حفظ بهترین کروموزوم
قدم دوازدهم

فصل سوم
روش پژوهش
نتایج و بحث
نتیجه گیری و کارهای آینده
نتیجه گیری‌ کلی
قدر دانی

منابع

دانلود مقاله مسئله زمانبندی پروژه با در نظر گرفتن محدودیت منابع تک هدفه با الگوریتم مبتنی بر ممتیک ترکیبی قورباغه

اختصاصی از یارا فایل دانلود مقاله مسئله زمانبندی پروژه با در نظر گرفتن محدودیت منابع تک هدفه با الگوریتم مبتنی بر ممتیک ترکیبی قورباغه دانلود با لینک مستقیم و پرسرعت .

عنوان مقاله : 

مسئله زمانبندی پروژه با در نظر گرفتن محدودیت منابع تک هدفه با الگوریتم مبتنی بر ممتیک ترکیبی قورباغه

قالب بندی:  ورد

( 27 صفحه )

شرح مختصر : 

  الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سال‌های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه‌ی جستجوی  غذای گروه‌های قورباغه سرچشمه می‌گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه‌های قورباغه از روش نمو ممتیک استفاده می‌کند. SFLA از استراتژی ترکیب استفاده می‌کند و امکان مبادله پیام در جستجوی محلی را فراهم می‌سازد. الگوریتم جهش ترکیبی قورباغه مزایای الگوریتم نمو ممتیک و بهینه‌سازی گروه ذرات  را ترکیب می‌کند. یکی از مسائل مشهور در زمینه کنترل پروژه، زمانبندی پروژه با محدودیت منابع و سایر محدودیتها می باشد که زمان‌بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل دارای پیشینه تحقیقاتی غنی است.   مساله زمان‌بندی پروژه با منابع محدود در واقع کلی­ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. زمان‌بندی پروژه یکی از وظایف اصلی و فعالیت‌های اصلی در مدیریت پروژه است . . .

توجه : مقاله با فرمت ورد ارایه شده و قابل ویرایش است.