مقاله زمان بندی بار محاسباتی تقسیم پذیر با در نظرگرفتن زمان بازگشت نتایج در سیستم های ناهمگن با استفاده از الگوریتم های تپه نوردی و شبیه سازی حرارتی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله زمان بندی بار محاسباتی تقسیم پذیر با در نظرگرفتن زمان بازگشت نتایج در سیستم های ناهمگن با استفاده از الگوریتم های تپه نوردی و شبیه سازی حرارتی دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله زمان بندی بار محاسباتی تقسیم پذیر با در نظرگرفتن زمان بازگشت نتایج در سیستم های ناهمگن با استفاده از الگوریتم های تپه نوردی و شبیه سازی حرارتی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله زمان بندی بار محاسباتی تقسیم پذیر با در نظرگرفتن زمان بازگشت نتایج در سیستم های ناهمگن با استفاده از الگوریتم های تپه نوردی و شبیه سازی حرارتی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله زمان بندی بار محاسباتی تقسیم پذیر با در نظرگرفتن زمان بازگشت نتایج در سیستم های ناهمگن با استفاده از الگوریتم های تپه نوردی و شبیه سازی حرارتی :

تعداد صفحات:۱۰

چکیده:

امروزه مسئله زمان بندی کارها در سیستمهای ناهمگن به دلیل لزوم استفاده بهینه از ماشین های محاسباتی موجود و همچنین صرف زمان کمتر برای اجرای الگوریتم های زمان بندی، از اهمیت خاصی برخوردار است. در این مقاله زمان بندی بار محاسباتی تقسی م پذیر با درنظرگرفتن زمان بازگشت نتایج در یک سیستم ناهمگن دارای شبکه ارتباطی ستاره ای بررس ی شده ا ست . یکی از اهداف زما ن بندی دراین گونه سیستم ها، کمین ه سازی زمان کل پاسخ است . تاکنون الگوریتمی معین با پیچیدگی زمانی چند جمله ای که بتواند در تمام حالت ها جواب بهینه را تولید کند، برای این منظور ارائه نشده است. این مسئله مانند مسائل ترکیباتی، پیچیده به نظر م ی رس د و راه حل های موجود برای آن، راه حل های ابتکاری است. در این مقاله الگوریتم ها ی تپه نوردی و شبیه سازی حرارتی و ترکیب آنها با الگوریتم ژنتیک به عنوان راه حل های مسئله پیشنهاد شده است. با انجام شبیه سازی ومقایسه نتایج مشاهده میشود که این راه حل ها، در مقایسه با سایرروش های موجود جواب های بهتری تولید م یکنند. در میان روش های موجود، الگوریتم های پیشنهادی از میانگین کل درصد خطای نسبی کمتری برخوردار هستند.