Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos

Detalhes bibliográficos
Autor(a) principal: Rios, Eyder Franco Sousa
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/34138
Resumo: A exploração dos recursos existentes em sistemas computacionais distribuídos através da alocação adequada dos componentes de aplicações paralelas não é um processo elementar. Tal procedimento constitui o Problema de Escalonamento de Tarefas que é, em sua forma geral, um problema NP-Completo e tem sido bastante explorado pela literatura especializada. A alta complexidade deste problema tem incentivado a pesquisa de métodos heurísticos para sua resolução, onde algoritmos da classe list scheduling constituem mecanismos comumente empregados. Todavia, a característica inerentemente gulosa destas heurísticas pode, em muitos casos, contribuir negativamente para o desempenho destes algoritmos. Este trabalho investiga a aplicabilidade da integração de heurísticas da classe list scheduling com mecanismos de busca baseados em metaheurísticas. O ob jetivo é combinar o poder de busca das metaheurísticas com a baixa complexidade de heurísticas list scheduling para a geração de escalonamentos e cientes em sistemas computacionais distribuídos, cujos recursos são geralmente heterogêneos. Para tanto, são propostas duas heurísticas denominadas HTSGA e HTSG baseadas, respectivamente, em Algoritmo Genético e GRASP. O mecanismo de busca implementado por estas heurísticas procura eliminar o comportamento guloso dos algoritmos list scheduling fornecendo novas possibilidades de escalonamento através da determinação de diferentes seqüências de vi atribuição de tarefas durante a construção de soluções. Além disso, foi investigada a possibilidade de adaptação das heurísticas propostas a diferentes classes de aplicações paralelas. Como forma de validação deste trabalho, o desempenho das heurísticas propostas foi comparado com algoritmos de construção tradicionais existente na literatura e com uma metaheurística que serviu de base para este trabalho. Os resultados mostraram que os algoritmos propostos são robustos tanto em relação à adaptabilidade às características das instâncias submetidas quanto na rápida convergência para soluções sub-ótimas
id UFF-2_a6432db3d2bc1c959fb5a85623dc9345
oai_identifier_str oai:app.uff.br:1/34138
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneosEscalonamento estático de tarefasMetaheurísticasAlgoritmo genéticoGRASPAlgoritmo genéticoMetaheurísticaMetaheurística GRASPEscalonamento de tarefaProcessador de palavras (Programas de computador)Static task schedulingMetaheuristicsGenetic algorithmA exploração dos recursos existentes em sistemas computacionais distribuídos através da alocação adequada dos componentes de aplicações paralelas não é um processo elementar. Tal procedimento constitui o Problema de Escalonamento de Tarefas que é, em sua forma geral, um problema NP-Completo e tem sido bastante explorado pela literatura especializada. A alta complexidade deste problema tem incentivado a pesquisa de métodos heurísticos para sua resolução, onde algoritmos da classe list scheduling constituem mecanismos comumente empregados. Todavia, a característica inerentemente gulosa destas heurísticas pode, em muitos casos, contribuir negativamente para o desempenho destes algoritmos. Este trabalho investiga a aplicabilidade da integração de heurísticas da classe list scheduling com mecanismos de busca baseados em metaheurísticas. O ob jetivo é combinar o poder de busca das metaheurísticas com a baixa complexidade de heurísticas list scheduling para a geração de escalonamentos e cientes em sistemas computacionais distribuídos, cujos recursos são geralmente heterogêneos. Para tanto, são propostas duas heurísticas denominadas HTSGA e HTSG baseadas, respectivamente, em Algoritmo Genético e GRASP. O mecanismo de busca implementado por estas heurísticas procura eliminar o comportamento guloso dos algoritmos list scheduling fornecendo novas possibilidades de escalonamento através da determinação de diferentes seqüências de vi atribuição de tarefas durante a construção de soluções. Além disso, foi investigada a possibilidade de adaptação das heurísticas propostas a diferentes classes de aplicações paralelas. Como forma de validação deste trabalho, o desempenho das heurísticas propostas foi comparado com algoritmos de construção tradicionais existente na literatura e com uma metaheurística que serviu de base para este trabalho. Os resultados mostraram que os algoritmos propostos são robustos tanto em relação à adaptabilidade às características das instâncias submetidas quanto na rápida convergência para soluções sub-ótimasThe utilization of existing resources in distributed computing systems with adequate allocation of parallel application's components is not an elementary issue. Such process constitutes the Task Scheduling Problem which is in general a NP-complete problem, and it has been explored in specialized literature. The complexity of this problem has motivated the development of heuristic methods to solve it, in which algorithms within the list scheduling class constitute commonly used mechanisms. However, the greedy characteristic of such heuristics can, in many cases, contribute negatively on the achievmento of the best solution. This work investigates the applicability of the integration of List Scheduling class heuristics with search mechanisms based on meta-heuristics. The goal is to combine meta-heuristics search power with low-complexity of List Scheduling heuristics for generating e cient schedules on distributed computing systems, in which resources are heterogeneous, in general. For this, two heuristics are proposed: HTSGA and HTSG, which are based on Genetic Algorithm and GRASP, respectively. The search mechanisms implemented in such heuristics aims to eliminate the greedy behaviour of List Scheduling algorithm, providing new scheduling possibilities by determinating di erent task allocation sequences during the solution construction. Moreover, it was investigated the possibility of adapting proposed heuristics to di erent parallel application classes. To validate this work, the solutions generated by the proposed heuristics were viii compared with traditional construction algorithms presented in the literature and to a meta-heuristic which was the basis of this work. The results showed that the proposed algorithms are robust both related to adaptability to characteristics of the submitted instances and to quick convergency to sub-optimal solutions169 f.Ochi, Luiz SatoruBoeres, Maria Cristina SilvaRebello, Eugene Francis VinodProtti, FábioBoeres, Maria Cláudia SilvaRios, Eyder Franco Sousa2024-08-14T12:05:18Z2024-08-14T12:05:18Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfRIOS, Eyder Franco Sousa. Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos. Niterói, 2004. 169 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2004.https://app.uff.br/riuff/handle/1/34138CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-08-14T12:05:23Zoai:app.uff.br:1/34138Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:59:06.020075Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
title Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
spellingShingle Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
Rios, Eyder Franco Sousa
Escalonamento estático de tarefas
Metaheurísticas
Algoritmo genético
GRASP
Algoritmo genético
Metaheurística
Metaheurística GRASP
Escalonamento de tarefa
Processador de palavras (Programas de computador)
Static task scheduling
Metaheuristics
Genetic algorithm
title_short Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
title_full Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
title_fullStr Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
title_full_unstemmed Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
title_sort Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos
author Rios, Eyder Franco Sousa
author_facet Rios, Eyder Franco Sousa
author_role author
dc.contributor.none.fl_str_mv Ochi, Luiz Satoru
Boeres, Maria Cristina Silva
Rebello, Eugene Francis Vinod
Protti, Fábio
Boeres, Maria Cláudia Silva
dc.contributor.author.fl_str_mv Rios, Eyder Franco Sousa
dc.subject.por.fl_str_mv Escalonamento estático de tarefas
Metaheurísticas
Algoritmo genético
GRASP
Algoritmo genético
Metaheurística
Metaheurística GRASP
Escalonamento de tarefa
Processador de palavras (Programas de computador)
Static task scheduling
Metaheuristics
Genetic algorithm
topic Escalonamento estático de tarefas
Metaheurísticas
Algoritmo genético
GRASP
Algoritmo genético
Metaheurística
Metaheurística GRASP
Escalonamento de tarefa
Processador de palavras (Programas de computador)
Static task scheduling
Metaheuristics
Genetic algorithm
description A exploração dos recursos existentes em sistemas computacionais distribuídos através da alocação adequada dos componentes de aplicações paralelas não é um processo elementar. Tal procedimento constitui o Problema de Escalonamento de Tarefas que é, em sua forma geral, um problema NP-Completo e tem sido bastante explorado pela literatura especializada. A alta complexidade deste problema tem incentivado a pesquisa de métodos heurísticos para sua resolução, onde algoritmos da classe list scheduling constituem mecanismos comumente empregados. Todavia, a característica inerentemente gulosa destas heurísticas pode, em muitos casos, contribuir negativamente para o desempenho destes algoritmos. Este trabalho investiga a aplicabilidade da integração de heurísticas da classe list scheduling com mecanismos de busca baseados em metaheurísticas. O ob jetivo é combinar o poder de busca das metaheurísticas com a baixa complexidade de heurísticas list scheduling para a geração de escalonamentos e cientes em sistemas computacionais distribuídos, cujos recursos são geralmente heterogêneos. Para tanto, são propostas duas heurísticas denominadas HTSGA e HTSG baseadas, respectivamente, em Algoritmo Genético e GRASP. O mecanismo de busca implementado por estas heurísticas procura eliminar o comportamento guloso dos algoritmos list scheduling fornecendo novas possibilidades de escalonamento através da determinação de diferentes seqüências de vi atribuição de tarefas durante a construção de soluções. Além disso, foi investigada a possibilidade de adaptação das heurísticas propostas a diferentes classes de aplicações paralelas. Como forma de validação deste trabalho, o desempenho das heurísticas propostas foi comparado com algoritmos de construção tradicionais existente na literatura e com uma metaheurística que serviu de base para este trabalho. Os resultados mostraram que os algoritmos propostos são robustos tanto em relação à adaptabilidade às características das instâncias submetidas quanto na rápida convergência para soluções sub-ótimas
publishDate 2024
dc.date.none.fl_str_mv 2024-08-14T12:05:18Z
2024-08-14T12:05:18Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv RIOS, Eyder Franco Sousa. Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos. Niterói, 2004. 169 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2004.
https://app.uff.br/riuff/handle/1/34138
identifier_str_mv RIOS, Eyder Franco Sousa. Heurísticas híbridas para escalonamento estático de tarefas em sistemas com processadores heterogêneos. Niterói, 2004. 169 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2004.
url https://app.uff.br/riuff/handle/1/34138
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823627621892096

Registros relacionados