1 / 14

INTELIGÊNCIA COMPUTACIONAL PARA OTIMIZAÇÃO

INTELIGÊNCIA COMPUTACIONAL PARA OTIMIZAÇÃO. O Problema de Sequenciamento em Processadores Paralelos. O PROBLEMA. Técnica utilizada; Modelagem;. MODELAGEM. Leitura dos dados; Montagem do modelo de solução; Submissão da solução a uma heurística VND. ALGORITMO.

inge
Download Presentation

INTELIGÊNCIA COMPUTACIONAL PARA OTIMIZAÇÃO

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. INTELIGÊNCIA COMPUTACIONAL PARA OTIMIZAÇÃO • O Problema de Sequenciamento em Processadores Paralelos

  2. O PROBLEMA • Técnica utilizada; • Modelagem;

  3. MODELAGEM • Leitura dos dados; • Montagem do modelo de solução; • Submissão da solução a uma heurística VND

  4. ALGORITMO • Solução inicial usando 3-FASES; • Refinamentousando VND;

  5. 3-FASES • Fase 1-Alocação inicial • - Dividir o intervalo [pmim, pmax] em r intervalos • aproximadamente iguais; • - Os intervalos são mais úteis nas fases 2 e 3; • -Dividir as tarefas entre os processadores seguindo • um critério;

  6. 3-FASES • Fase 2-Balanceamento • - Melhora a solução encontrada pela FASE 1; • - Troca tarefas do processador mais carregado para • o menos carregado; • - A escolha da tarefa a ser trocada é • orientada pelo tempo médio de finalização;

  7. 3-FASES • Fase 3-Duplas Trocas • - Incorporar novas soluções ao espaço de busca; • - Melhor troca envolvendo uma tarefa do • processador mais carregado e uma de outro • processador; • - Volta para a FASE 2; • - A escolha das tarefas a serem trocadas é • orientada pela diferença dos tempos de • processamento entre elas;

  8. 3-FASES • Escolha do Parâmetro r • Valores Recomendados de r • n/m r* • (1,10) 2 • [10,50) 5 • [50,100) 10 • [100,200) 15 • [200,100) 20

  9. VND Refinar a solução; Vizinhanças; N(1)(s) N(2)(s)

  10. VND • procedimento VND • 1. Seja s0 uma solução inicial e r o número de estruturas diferentes de vizinhança; • 2. s s0; {Solução corrente} • 3. k 1; {Tipo de estrutura de vizinhança} • 4. enquanto (k  r) faça • 5. Encontre o melhor vizinho s’ N (k) (s); • 6. se f(s’) < f(s) • 7. então s s’; • k 1; • 8. senão k k + 1; • 9. fim-se ; • 10. fim-enquanto ; • 11. Retorne s; • fim VND;

  11. FUNÇÃO OBJETIVO • fo = max {Ci} , 0 ≤ i < m;

  12. CONCLUSÃO • Tempo exponencial • Heurísticas

  13. BIBLIOGRAFIA • Tese de Doutorado. Algoritmos Heurísticos e Exatos para Resolução do Problema de Sequenciamento em Processadores Paralelos. Felipe Martins Müller. • Notas de aula de Inteligência Computacional. Prof° Marcone Jamilson Freitas Souza. Acesso em 20/11/2003.

  14. COMPONENTE Daniel Magalhães Nobre

More Related