Wielokryterialny algorytm ewolucyjny do optymalizacji niezawodności rozproszonego systemu informatycznego

• Autorzy: Balicki J.

Warianty tytułu

EN

Multi-criterion evolutionary algorithm for optimization of reliability of distributed computer system

• Języki publikacji: PL

Abstrakty

PL

W pracy sformułowano problem przydziału i szeregowania zadań realizowanych w zintegrowanym systemie radarowym w postaci zagadnienia optymalizacji dwukryterialnej. Maksymalizuje się prawdopodobieństwo ukończenia procesów w założonych terminach oraz prawdopodobieństwo, że komputery nie ulegną awarii podczas wykonywania procesów. Nałożono ograniczenia na obciążenie newralgicznego komputera, koszt komputerów oraz wydajność systemu. Do wyznaczania reprezentacji rozwiązań optymalnych w sensie Pareto zastosowano adaptacyjny algorytm ewolucyjny, w którym wykorzystuje się procedurę przeszukiwania tabu.

EN

In this paper, multi-criterion optimization problem of task assignment and scheduling for an integrated radar system has been formulated. Both anprobability of process completion and reliability of computers are maximized. There are constraints on the workload of the bottleneck computer, cost of computers as well as the performance of system. An adaptive evolutionary algorithm with tabu mutation has been proposed for finding Pareto-optimal solutions.

Słowa kluczowe

PL

niezawodność systemu komputerowego; obciążenie newralgicznego elementu; wielokryterialny algorytm ewolucyjny

EN

reliability of computer system; workload of the bottleneck element; multi-criterion evolutionary algorithm

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2005
• Tom: R. 51, nr 9 bis
• Strony: 127--130
• Opis fizyczny: Bibliogr. 12 poz., rys., schem., wzory

Twórcy

autor

Balicki J.

• Akademia Marynarki Wojennej, Instytut Morskich Systemów Radioelektronicznych

Bibliografia

• [1] Balicki J.: Multi-criterion evolutionary algorithm with model of the immune system to handle constraints for task assignments, Lecture Notes in Computer Science. Subserie: Lecture Notes in Artificial Intelligence, 3070, (2004), 394-399.
• [2] Balicki J.: Algorytmy ewolucyjne oraz algorytmy przeszukiwania tabu do optymalizacji przydziałów modułów programów w rozproszonych systemach komputerowych. Wyd. AM W, Gdynia (2000).
• [3] Coello Coello C. A., Van Veldhuizen D. A., Lamont, G. B.: Evolutionary Algorithms for Solving Multi-Objective Problems. Kluwer Academic Publishers, New York (2002).
• [4] Coulouris G., Dollimore J., Kindberg T.: Systemy rozproszone. Podstawy i projektowanie. WNT, Warszawa (1998).
• [5] Deb, K.: Multi-Objective Optimization using Evolutionary Algorithms. Jolin Wiley & Sons, Chichester (2001).
• [6] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Sieci neuronowe, AOW Exit, Warszawa (2000).
• [7] Glover F., Laguna M.: Tabu search. Kluwer Academic Publishers, Boston (1997).
• [8] Hou C. J., Shin K. G.: Allocation of Periodic Task Modules with Precedence and Deadline Constraints in Distributed Real - Time Systems. IEEE Transactions on Computers Vol. 45, No. 12 (1997), 1338-1356.
• [9] Kafil M. Ahmad I.: Optimal Task Assignment in Heterogeneous Distributed Computing Syslems. IEEE Concurrency, Vol. 6, No. 3 (1998) s. 42 -51.
• [10] Osyczka A., Krenich SEvolutionary algorithms for multicriteria optimization with selecting a representative subset of Pareto optimal solutions. Lecture Notes in Computer Science; Vol. 1993, (2001) 141-153.
• [11] Węglarz J. (ed.): Recent Advances in Project Scheduling. Kluwer Academic Publishers, Dordrecht (1998).
• [12] Zitzler E., Deb K., Thiele L.: Comparison of Multiobjective Evolutionary Algorithms: Empirical Results. Evolutionary Computation, Vol. 8, No. 2 (2000), 173-195.