선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 식 (6)은 목적함수의 역수이다. 본 논문에서 제시하는 알고리즘의 목적은 목적함수 의 값을 최소화하는 것이다. 또한 룰렛 휠 방법에는 평가함수의 값이 큰 염색체가 좋은 평가를 받으므로 본 논문의 평가함수는 목적함수의 역수를 취함으로 인해 최소화의 형태에서 최대화의 형태로 바쑤었다.
- 본 논문에서는 유전 알고리즘을 기본으로 하는 새로운 스케쥴링 알고리즘을 제시한다. 해를 구하는 과정에서 시뮬레이티드 어닐링 (simulated anneal- mg)[8]의 확률을 이용하여 유전 알고리즘의 성능을 개선시킨다.
- 알고리즘들이 제시되고 있다. 본 논문에서는 유전알고리즘을 이용한 멀티 프로세서 스케쥴링 알고리즘을 제시하였다. 또한 해를 구하는 과정에서 시뮬레이티드 어닐링의 확률을 이용하여 유전 알고리즘의 성능을 보다 개선시켰다.
- 또한 해를 구하는 과정에서 시뮬레이티드 어닐링의 확률을 이용하여 유전 알고리즘의 성능을 보다 개선시켰다. 제시된 스케쥴링 알고리즘은 태스크들의 최종 수행 완료 시간(make span)을 최소화하는 것을 목표로 한다.
- 해를 구하는 과정에서 시뮬레이티드 어닐링 (simulated anneal- mg)[8]의 확률을 이용하여 유전 알고리즘의 성능을 개선시킨다. 제시된 알고리즘은 태스크들의 최종 수행 완료 시간 (makespan)을 최소화하는 것을 목표로 한다.
가설 설정
- 1. 모든 태스크들은 비선점이다.
- 3. 모든 태스크는 동시에 두 개 이상의 프로세서에서 수행될 수 없다.
- 4. 프로세서들의 성능은 모두 같다.
- 5. 프로세서간의 메시지 전송시간은 무시한다.
- 모델에서 모든 태스크들의 수행 시간은 미리 알려져 있음을 가정한다.
- 본 논문에서 제시하는 스케쥴링 알고리즘은 모든 태스크들의 최종 수행 완료 시간을 최소화하는 것을 목적으로 하고, 스케쥴링 문제를 보다 명확히 정의하기 위해 다음과 같은 몇 가지 사항들을 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.