هر کس چهل روز برای خدا اخلاص ورزد، حلال خورد و روزش را روزه بدارد و شبش را به عبادت بایستد، خداوند چشمه های حکمت را از دلش بر زبانش جاریکند . [امام علی علیه السلام]
 
شنبه 95 آبان 1 , ساعت 3:44 صبح

 

برای دریافت پروژه اینجا کلیک کنید

مقاله ترکیب الگوریتم ژنتیک و جاذبه گرانشی برای زمان بندی وظایف مستقل در گرید محاسباتی: GAدرGELS تحت فایل ورد (word) دارای 7 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ترکیب الگوریتم ژنتیک و جاذبه گرانشی برای زمان بندی وظایف مستقل در گرید محاسباتی: GAدرGELS تحت فایل ورد (word) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

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 ترکیب الگوریتم ژنتیک و جاذبه گرانشی برای زمان بندی وظایف مستقل در گرید محاسباتی: GAدرGELS تحت فایل ورد (word) ،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله ترکیب الگوریتم ژنتیک و جاذبه گرانشی برای زمان بندی وظایف مستقل در گرید محاسباتی: GAدرGELS تحت فایل ورد (word) :

سال انتشار: 1390

محل انتشار: سومین کنفرانس مهندسی برق و الکترونیک ایران

تعداد صفحات: 7

نویسنده(ها):

زهرا پورانیان – کارشناسی ارشد مهندسی کامپیوتر گرایش معماری
محمد شجاع فر – کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار دانشگاه آزاد قزوین
علی هارون آبادی – دکتری مهندسی کامپیوتر گرایش نرم افزار

چکیده:

گرید محاسباتی موضوعی است که درسالهای اخیر بسیار مورد توجه محققین قرارگرفته است هدف از آن بکارگیری قدرت محاسباتی منابع بیکاری می باشد که د رمکانهای مختلف تحت سیاستهای متفاوت توزیع شده اند ا زآنجایی که زمان بندی وظایف جزو مسائل بسیار سخت بحساب می آیند بنابراین الگوریتمهای قطعی کارایی لازم را برای حل این مسئلهنخواهد داشت بهمین خاطر تحقیقات زیادی برروی الگوریتم های ابتکاری صورت گرفتها ست از جمله این الگوریتمها ژنتیک می باشد سادگی ژنتیک باعث شده که برای حل بسیاری از مسائل بهینه سازی مورد استفاده قرارگیرد ولی از آنجایی که ذاتا الگوریتمی است که فضای مسئله را بصورت سراسری جستجو می کند و در جستجوی محلی کارایی چندان خوبی ندارند با ترکیب آن با الگوریتمهای جستجوی محلی سعی می شود که این نقطه ضعف را بهبود بخشید.

 

برای دریافت پروژه اینجا کلیک کنید

لیست کل یادداشت های این وبلاگ