1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Ciência da Computação
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/21860
Full metadata record
DC FieldValueLanguage
dc.creatorMorais, Bruno Well Dantas-
dc.date.accessioned2018-07-17T16:38:38Z-
dc.date.available2018-07-17T16:38:38Z-
dc.date.issued2017-12-19-
dc.identifier.citationMORAIS, Bruno Well Dantas. Modelos evolutivos aplicados ao escalonamento de tarefas em sistemas multiprocessados: algoritmo genético serial e multipopulação. 2017. 36 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2017.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/21860-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectalgoritmo genético multipopulaçãopt_BR
dc.subjectescalonamentopt_BR
dc.subjectparalelismopt_BR
dc.titleModelos evolutivos aplicados ao escalonamento de tarefas em sistemas multiprocessados: algoritmo genético serial e multipopulaçãopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor-co1Carvalho, Tiago Ismailer de-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0455892362154639pt_BR
dc.contributor.advisor1Oliveira, Gina Maira Barbosa de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7119433066704111pt_BR
dc.contributor.referee1Martins, Luiz Gustavo Almeida-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2546751023256424pt_BR
dc.contributor.referee2Gabriel, Paulo Henrique Ribeiro-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/3875967380289265pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoNeste trabalho foi desenvolvido um algoritmo genético multipopulação para o problema de escalonamento de tarefas com custos de comunicação, com objetivo de comparar seu desempenho com o algoritmo genético serial. Para isto, um conjunto de instâncias do problema foi montado e abordagens de operações genéticas foram comparadas. Experimentos foram conduzidos com variação de parâmetros de número de populações. Foram avaliados a qualidade das soluções produzidas e o tempo de execução, e concluiu-se que o AGMP bem parametrizado geralmente obtém soluções melhores e em menos tempo.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration36pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
ModelosEvolutivosAplicados.pdf3.76 MBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.