Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos
- Autores
- Ferretti, Edgardo; Esquivel, Susana Cecilia; Gallard, Raúl Hector
- Año de publicación
- 2004
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La planificación en un ambiente de máquinas idénticas en paralelo (Pm) implica efectuar un cierto número de tareas (jobs) que utilizan varios recursos (un banco de máquinas en paralelo) por un cierto periodo de tiempo. Un modelo sencillo que consiste de m máquinas y n tareas independientes es la base de modelos más complejos. En este modelo, las tareas son asignadas de acuerdo con la disponibilidad de los recursos existentes siguiendo alguna regla de despacho determinada. El tiempo de finalización de la última tarea que abandona el sistema, conocido como makespan (Cmax), es uno de los objetivos más importantes a ser minimizado debido a que usualmente implica una alta utilización de los recursos; sin embargo, deben ser considerados otros objetivos tratados comúnmente en la literatura [9, 11], los cuales además de tener importancia teórica son de relevancia práctica. Muchos de estos problemas son NP-Hard para 2 ≤ m ≤ n y por ende, se han desarrollado heurísticas convencionales, Algoritmos Evolutivos (AEs) y otras heurísticas poblacionales para proveer planes o planificaciones aceptables como soluciones. Este trabajo, expone las conclusiones obtenidas en la resolución de problemas de planificación de tareas sin restricciones de precedencia, en ambientes de planificación de 2 y 5 máquinas idénticas en paralelo, mediante el uso de AEs que implementan distintas técnicas de recombinación y utilizan distintas representaciones indirectas de cromosoma. La performance lograda por los distintos AEs implementados, se compara con los resultados obtenidos por un conjunto de heurísticas convencionales que se aplican usualmente a diferentes problemas de planificación de máquinas idénticas en paralelo.
Eje: Sistemas de información y Metaheurística
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
problemas de planificación de tareas
información
Algorithms
Parallel
máquinas paralelas
algoritmos evolutivos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/21348
Ver los metadatos del registro completo
id |
SEDICI_a42dcb93b3e9f3f19395cd3512fc796f |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/21348 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivosFerretti, EdgardoEsquivel, Susana CeciliaGallard, Raúl HectorCiencias Informáticasproblemas de planificación de tareasinformaciónAlgorithmsParallelmáquinas paralelasalgoritmos evolutivosLa planificación en un ambiente de máquinas idénticas en paralelo (Pm) implica efectuar un cierto número de tareas (jobs) que utilizan varios recursos (un banco de máquinas en paralelo) por un cierto periodo de tiempo. Un modelo sencillo que consiste de m máquinas y n tareas independientes es la base de modelos más complejos. En este modelo, las tareas son asignadas de acuerdo con la disponibilidad de los recursos existentes siguiendo alguna regla de despacho determinada. El tiempo de finalización de la última tarea que abandona el sistema, conocido como makespan (Cmax), es uno de los objetivos más importantes a ser minimizado debido a que usualmente implica una alta utilización de los recursos; sin embargo, deben ser considerados otros objetivos tratados comúnmente en la literatura [9, 11], los cuales además de tener importancia teórica son de relevancia práctica. Muchos de estos problemas son NP-Hard para 2 ≤ m ≤ n y por ende, se han desarrollado heurísticas convencionales, Algoritmos Evolutivos (AEs) y otras heurísticas poblacionales para proveer planes o planificaciones aceptables como soluciones. Este trabajo, expone las conclusiones obtenidas en la resolución de problemas de planificación de tareas sin restricciones de precedencia, en ambientes de planificación de 2 y 5 máquinas idénticas en paralelo, mediante el uso de AEs que implementan distintas técnicas de recombinación y utilizan distintas representaciones indirectas de cromosoma. La performance lograda por los distintos AEs implementados, se compara con los resultados obtenidos por un conjunto de heurísticas convencionales que se aplican usualmente a diferentes problemas de planificación de máquinas idénticas en paralelo.Eje: Sistemas de información y MetaheurísticaRed de Universidades con Carreras en Informática (RedUNCI)2004-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf624-629http://sedici.unlp.edu.ar/handle/10915/21348spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:37Zoai:sedici.unlp.edu.ar:10915/21348Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:37.458SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos |
title |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos |
spellingShingle |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos Ferretti, Edgardo Ciencias Informáticas problemas de planificación de tareas información Algorithms Parallel máquinas paralelas algoritmos evolutivos |
title_short |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos |
title_full |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos |
title_fullStr |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos |
title_full_unstemmed |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos |
title_sort |
Resolución de problemas de planificación de tareas en ambientes de máquinas paralelas usando algoritmos evolutivos |
dc.creator.none.fl_str_mv |
Ferretti, Edgardo Esquivel, Susana Cecilia Gallard, Raúl Hector |
author |
Ferretti, Edgardo |
author_facet |
Ferretti, Edgardo Esquivel, Susana Cecilia Gallard, Raúl Hector |
author_role |
author |
author2 |
Esquivel, Susana Cecilia Gallard, Raúl Hector |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas problemas de planificación de tareas información Algorithms Parallel máquinas paralelas algoritmos evolutivos |
topic |
Ciencias Informáticas problemas de planificación de tareas información Algorithms Parallel máquinas paralelas algoritmos evolutivos |
dc.description.none.fl_txt_mv |
La planificación en un ambiente de máquinas idénticas en paralelo (Pm) implica efectuar un cierto número de tareas (jobs) que utilizan varios recursos (un banco de máquinas en paralelo) por un cierto periodo de tiempo. Un modelo sencillo que consiste de m máquinas y n tareas independientes es la base de modelos más complejos. En este modelo, las tareas son asignadas de acuerdo con la disponibilidad de los recursos existentes siguiendo alguna regla de despacho determinada. El tiempo de finalización de la última tarea que abandona el sistema, conocido como makespan (Cmax), es uno de los objetivos más importantes a ser minimizado debido a que usualmente implica una alta utilización de los recursos; sin embargo, deben ser considerados otros objetivos tratados comúnmente en la literatura [9, 11], los cuales además de tener importancia teórica son de relevancia práctica. Muchos de estos problemas son NP-Hard para 2 ≤ m ≤ n y por ende, se han desarrollado heurísticas convencionales, Algoritmos Evolutivos (AEs) y otras heurísticas poblacionales para proveer planes o planificaciones aceptables como soluciones. Este trabajo, expone las conclusiones obtenidas en la resolución de problemas de planificación de tareas sin restricciones de precedencia, en ambientes de planificación de 2 y 5 máquinas idénticas en paralelo, mediante el uso de AEs que implementan distintas técnicas de recombinación y utilizan distintas representaciones indirectas de cromosoma. La performance lograda por los distintos AEs implementados, se compara con los resultados obtenidos por un conjunto de heurísticas convencionales que se aplican usualmente a diferentes problemas de planificación de máquinas idénticas en paralelo. Eje: Sistemas de información y Metaheurística Red de Universidades con Carreras en Informática (RedUNCI) |
description |
La planificación en un ambiente de máquinas idénticas en paralelo (Pm) implica efectuar un cierto número de tareas (jobs) que utilizan varios recursos (un banco de máquinas en paralelo) por un cierto periodo de tiempo. Un modelo sencillo que consiste de m máquinas y n tareas independientes es la base de modelos más complejos. En este modelo, las tareas son asignadas de acuerdo con la disponibilidad de los recursos existentes siguiendo alguna regla de despacho determinada. El tiempo de finalización de la última tarea que abandona el sistema, conocido como makespan (Cmax), es uno de los objetivos más importantes a ser minimizado debido a que usualmente implica una alta utilización de los recursos; sin embargo, deben ser considerados otros objetivos tratados comúnmente en la literatura [9, 11], los cuales además de tener importancia teórica son de relevancia práctica. Muchos de estos problemas son NP-Hard para 2 ≤ m ≤ n y por ende, se han desarrollado heurísticas convencionales, Algoritmos Evolutivos (AEs) y otras heurísticas poblacionales para proveer planes o planificaciones aceptables como soluciones. Este trabajo, expone las conclusiones obtenidas en la resolución de problemas de planificación de tareas sin restricciones de precedencia, en ambientes de planificación de 2 y 5 máquinas idénticas en paralelo, mediante el uso de AEs que implementan distintas técnicas de recombinación y utilizan distintas representaciones indirectas de cromosoma. La performance lograda por los distintos AEs implementados, se compara con los resultados obtenidos por un conjunto de heurísticas convencionales que se aplican usualmente a diferentes problemas de planificación de máquinas idénticas en paralelo. |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004-05 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/21348 |
url |
http://sedici.unlp.edu.ar/handle/10915/21348 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf 624-629 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615803732754432 |
score |
13.070432 |