$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

2차원 토러스 기반 다중 디스크 데이터 배치 병렬 유전자 알고리즘
A 2-Dimension Torus-based Genetic Algorithm for Multi-disk Data Allocation 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. CI, 컴퓨터, v.41 no.2 = no.296, 2004년, pp.9 - 22  

안대영 (서원대학교 컴퓨터교육과) ,  이상화 (서원대학교 컴퓨터정보·통신공학) ,  송해상 (서원대학교 컴퓨터정보·통신공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 NP-Complete 부류에 속하는 다중 디스크 데이터 배치 문제를 해결하기 위한 병렬 유전자 알고리즘을 제안한다. 이 문제는 디스크 입출력 처리의 병렬성이 극대화되도록 Binary Cartesian Product File의 데이터 블록들을 디스크어레이에 배치하는 방식을 찾는 것이다. 이 문제를 해결하기 위하여 제안되었던 DAGA 방식은 순차 유전자 알고리즘(Genetic Algorithm)으로서, 이전에 제안되었던 다른 방식에 비해 디스크 수에 대한 제약을 없애면서도 우수한 결과를 제공함을 보여 주었으나 시뮬레이션 시간이 너무 커서 큰 용량의 데이터 구성에 대한 시뮬레이션을 어렵게 하는 문제점이 있었다. 본 논문에서는 DAGA의 시뮬레이션 시간 단축을 위한 방식으로서, 2차원 토러스(2-Dimension Torus) 기반 병렬 유전자 알고리즘(ParaDAGA)을 제안한다. ParaDAGA는 분산 객체 모형을 기반으로 설계되었으며, 단일 프로세서 시스템에서 구현된 병렬처리 컴퓨터 시뮬레이터에서 수행되도록 구현하였다. 시뮬레이션 연구를 통하여, ParaDAGA의 시뮬레이션 변수 값이 결과에 주는 영향을 분석하였고, ParaDAGA 방식이 DAGA 방식에 비해 우수한 결과를 제공할 수 있는지를 실험하였다. 실험 결과는 ParaDAGA 방식이 순차 알고리즘인 DAGA보다 알고리즘 수행 시간 뿐 아니라, 찾아낸 결과도 우수함을 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents a parallel genetic algorithm for the Multi-disk data allocation problem an NP-complete problem. This problem is to find a method to distribute a Binary Cartesian Product File on disk-arrays to maximize parallel disk I/O accesses. A Sequential Genetic Algorithm(SGA), DAGA, has bee...

주제어

#disk allocation   #genetic algorithm   #parallel I/O  

참고문헌 (11)

  1. 안대영, 박규호, 임기욱, '유전자 알고리즘을 이용한 다중 디스크 데이터 배치 방식', 전자공학회논문지, 제35권 C편, 46-58쪽, 1998 

  2. D.E. Goldberg, Genetic Algorithms in Search, Optimization, and machine Learning, Addison-Wesley, 1989 

  3. Y. Y. Sung, 'Parallel searching for binary Cartesian product files,' Proc. ACM Communication CSC 1985 Conf., pp. 163-172, March 1985 

    crossref

  4. M. Srinivas and L.M. Patnaik, 'Genetic Algorithms: A survey,' IEEE Computer, pp. 17-26, June 1994 

    상세보기 crossref

  5. H.Muhlenbein, M.Schmisch, and J.Born, 'Parallel genetic algorithm as function optimizer,' Proc. Int. Conf. Genetic Algorithms, pp. 271-275, July 1991 

  6. J. Lienig, 'A Parallel Genetic Algorithm for Performance-Driven VLSI Routing,' IEEE Trans. on Evolutionary Computation, Vol. 1, No.1, pp, 29-49, April 1997 

    상세보기 crossref

  7. B. B. Prahlada Rao and R Cc. Hansdah, 'Extended distributed genetic algorithm for channel routing,' Proc. IEEE Symp, Parallel and Distributed Proc., pp. 726-733, 1993 

  8. V.S. Ggordon and D. Whitley, 'Serial and Parallel Genetic Algorithms as Function Optimizer,' Proc. 5th Int. Conf. Genetic Algorithms, pp, 177-183, 1993 

  9. Shumeet Baluja, 'Structure and Performance of Fine-Grain Parallelism in Genetic Search,' Proc. 5th Int. Conf. Genetic Algorithms, pp. 155-162, 1993 

  10. K. Park, O. Frieder, and A. Sood, 'A Parallel solution for the multiprocessor document allocation problem,', Proc. Int. Conf. Parallel Processing, Vol. III, pp, 119-122, August 1994 

    crossref

  11. J. P. Cohoon, W. N. Martin and D.S. Richards, 'A multi-population genetic algorithm for solving the K-Partition problem on hypercubes,' Proc. Int Conf. Genetic Algorithms, pp.13-16, July 1991 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로