Scheduling algorithm for real-time tasks using multiobjective hybrid genetic algorithm in heterogeneous multiprocessors system

AbstractThe cloud computing systems are sorts of shared collateral structure which has been in demand from its inception. In these systems, clients are able to access existing services based on their needs and without knowing where the service is located and how it is delivered, and only pay for the service used. Like other systems, there are challenges in the cloud computing system. Because of a wide array of clients and the variety of services available in this system, it can be said that the issue of scheduling and, of course, energy consumption is essential challenge of this system. Therefore, it should be properly provided to users, which minimizes both the cost of the provider and consumer and the energy consumption, and this requires the use of an optimal scheduling algorithm. In this paper, we present a two-step hybrid method for scheduling tasks aware of energy and time called Genetic Algorithm and Energy-Conscious Scheduling Heuristic based on the Genetic Algorithm. The first step involves prioritizing tasks, and the second step consists of assigning tasks to the processor. We prioritized tasks and generated primary chromosomes, and used the Energy-Conscious Scheduling Heuristic model, which is an energy-conscious model, to assign tasks to the processor. As the simulation results show, these results demonstrate that the proposed algorithm has been able to outperform other methods.

Download Full-text

Penerapan Parallel Hybrid Genetic Algorithm pada Sistem Kontrol Trafik Daerah Perkotaan

Sainstech: Jurnal Penelitian dan Pengkajian Sains dan Teknologi ◽

10.37277/stch.v23i1.559 ◽

2020 ◽

Vol 23 (1) ◽

Author(s):

Agus Priyono

Keyword(s):

Artificial Intelligence ◽

Genetic Algorithm ◽

Real Time ◽

Hybrid Genetic Algorithm ◽

Parallel Hybrid

Seiring dengan kemajuan teknologi komputer, aplikasi kecerdasan buatan telah dikembangkan dandigunakan dalam sistem kontrol transportasi. Dalam aplikasinya, kecerdasan buatan digunakan untukmenemukan pola dan kondisi lalu lintas, untuk menentukan panjang antrian dan volume kendaraan,mengoptimalkan kontrol cahaya sinyal lalu lintas dan melakukan sistem kontrol untuk memecahkan masalahmanajemen lalu lintas yang sulit seperti yang terjadi dalam sistem lalu lintas perkotaan dengan berbagai macamdan bentuk persimpangan. Metode Artificial Intelligence secara luas telah digunakan dalam sistem kontrol lalulintas yang canggih. Metode jaringan saraf digunakan untuk menentukan pola tertentu , dan kemudian dalamsistem kontrol lalu lintas, metode jaringan saraf juga digunakan untuk menentukan pola lalu lintas yangsesuai. Sementara itu logika fuzzy digunakan untuk menentukan fraksi hijau dan waktu siklus terutama dalamsimulasi kontrol dan untuk mengontrol secara real time. Demikian juga, penggunaan yang tepat dari algoritmagenetika untuk menemukan solusi optimal untuk masalah yang memiliki sejumlah dimensi, serta mengoptimalkanbagian dari waktu hijau, waktu siklus atau offset. Dalam sebuah studi yang dilakukan untuk mengoptimalkaninferensi pada logika fuzzy, menggunakan algoritma genetika hibrida paralel. Pemilihan algoritma genetikaparalel dalam penelitian ini adalah untuk memastikan bahwa pencarian nilai optimum dari inferensiperekiayasaan dapat dilakukan secara simultan dan diperluas untuk mempersingkat waktu pencarian. Algoritmagenetik paralel dipersiapkankan oleh hybrid yang diatur untuk memanfaatkan kemampuan algoritma genetikadalam pencarian, dan digabung algoritma klonal dengan kemampuan (sistem kekebalan) untuk menghindariketerjebakan dalam pencarian pada optimum lokal.

Download Full-text

An Integrated Scheduling Algorithm for Precedence Constrained Hard and Soft Real-Time Tasks on Heterogeneous Multiprocessors

Embedded and Ubiquitous Computing - Lecture Notes in Computer Science ◽

10.1007/978-3-540-30121-9_19 ◽

2004 ◽

pp. 196-206 ◽

Cited By ~ 2

Author(s):

Nitin Auluck ◽

Dharma P. Agrawal

Keyword(s):

Real Time ◽

Scheduling Algorithm ◽

Heterogeneous Multiprocessors ◽

Integrated Scheduling

Download Full-text