發(fā)布時間：2018-07-07 21:50

  本文選題：遺傳算法 + 硬實時系統(tǒng)��； 參考：《計算機應用研究》2016年09期

【摘要】：傳統(tǒng)的硬實時容錯調度算法獲得了較好的容錯性能,但其任務拒絕率、處理器分配偏差比例以及最早完成時間等性能參數不佳,對此提出了一種基于雜交遺傳算法的優(yōu)化方案,并對傳統(tǒng)的硬實時容錯算法進行優(yōu)化。采用了中心型調度模型,并采用了任務備份方案來實現容錯能力。將任務拒絕率、處理器分配偏差比例以及最早完成時間三個優(yōu)化參數作為遺傳算法適應度目標函數的三個帶權分量,對其進行優(yōu)化,通過遺傳算法的雜交與迭代計算獲得了優(yōu)化的結果。最終使用不同的任務數量與處理器數量的組合對本算法與傳統(tǒng)算法進行對比實驗,結果可看出本算法的三個優(yōu)化參數明顯優(yōu)于傳統(tǒng)算法,且總適應度值亦比傳統(tǒng)算法有明顯改進。
[Abstract]:The traditional hard real-time fault-tolerant scheduling algorithm has better fault-tolerant performance, but its performance parameters such as task rejection rate, processor allocation deviation ratio and earliest completion time are not good. Therefore, an optimization scheme based on hybrid genetic algorithm is proposed. And the traditional hard real-time fault-tolerant algorithm is optimized. The central scheduling model is adopted, and the task backup scheme is adopted to realize the fault-tolerant ability. Three optimization parameters, task rejection rate, processor allocation deviation ratio and earliest completion time, are considered as three weighted components of the fitness objective function of genetic algorithm. The optimization results are obtained by hybrid and iterative calculation of genetic algorithm. Finally, the comparison experiment between this algorithm and the traditional algorithm is carried out using the combination of different task number and processor number. The results show that the three optimization parameters of this algorithm are obviously superior to the traditional algorithm. And the total fitness value is obviously improved compared with the traditional algorithm.
【作者單位】： 順德職業(yè)技術學院電子與信息工程學院;華南理工大學計算機科學與技術學院;
【基金】：國家自然科學基金資助項目(51175183) 佛山市產學研專項資金項目及順德職業(yè)技術學院資助項目(2012HC100303) 廣東省教育科研“十二五”規(guī)劃研究項目(2012JK305)
【分類號】：TP332

【相似文獻】

相關期刊論文 前10條

1 張玉才,沈元隆;遺傳算法在計算機系統(tǒng)優(yōu)化問題中的應用[J];西安郵電學院學報;2005年01期

2 李鵬;楊曉非;;基于遺傳算法的磁光盤膜厚匹配的優(yōu)化設計[J];磁性材料及器件;2007年02期

3 朱建;高方偉;劉貴喜;;基于遺傳算法的筆記本電腦熱布局的優(yōu)化設計[J];電子質量;2006年12期

4 馬秀娟;牛進鵬;趙國良;;基于遺傳算法的星載計算機可靠性冗余優(yōu)化研究[J];計算機應用;2007年S2期

5 岑巍;使用遺傳算法對時序電路進行可測性預報[J];上海大學學報(自然科學版);1999年S1期

6 李晶;馬建敏;;遺傳算法在計算機基礎考試系統(tǒng)中的應用研究[J];微型機與應用;2014年01期

7 高家全;何桂霞;趙端陽;王雨順;;一種新的遺傳算法在并行機調度問題中的應用[J];計算機應用與軟件;2008年08期

8 李建鋒;彭艦;;云計算環(huán)境下基于改進遺傳算法的任務調度算法[J];計算機應用;2011年01期

9 喬雙;進化型硬件及其基本構成[J];小型微型計算機系統(tǒng);2001年06期

10 李進超;陳靜怡;吳杰;梁瑾;;基于改進分組遺傳算法的虛擬機放置研究[J];計算機工程與設計;2012年05期

相關會議論文 前1條

1 周斌;崔葛瑾;;采用遺傳算法對AVR片內RC校頻處理[A];第三屆中國智能計算大會論文集[C];2009年

相關碩士學位論文 前6條

1 諸洪瑩;應用遺傳算法研究用于高密度信息存儲的多元環(huán)形濾光片[D];浙江工業(yè)大學;2007年

2 丁孟為;遺傳算法在多核系統(tǒng)上的性能分析和優(yōu)化[D];上海交通大學;2012年

3 倪云竹;用遺傳算法解決基于分條技術的磁盤負載均衡問題[D];四川大學;2004年

4 劉麗景;多Agent遺傳算法在云計算資源調度中的應用研究[D];西安石油大學;2011年

5 張艷璐;一種基于遺傳算法的低能耗云計算數據中心資源調度策略[D];杭州電子科技大學;2015年

6 張偉;基于進化算法的硬件演化基礎研究[D];南京理工大學;2008年

，

本文編號：2106387