Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/37700
ORCID: | http://orcid.org/0000-0002-1668-5118 |
Document type: | Dissertação |
Access type: | Acesso Aberto |
Title: | Algoritmos evolutivos multiobjetivo baseados em tabelas para escalonamento de tarefas em ambientes multiprocessados |
Alternate title (s): | Table-based multiobjective evolutionary algorithms for task scheduling in multiprocessor environments |
Author: | Santos, Johnata Ferreira |
First Advisor: | Gabriel, Paulo Henrique Ribeiro |
First coorientator: | Carneiro, Murillo Guimarães |
First member of the Committee: | Martins, Luiz Gustavo Almeida |
Second member of the Committee: | Sanches, Danilo Sipoli |
Summary: | O escalonamento de tarefas é uma atividade crucial para assegurar a eficiência dos sistemas computacionais. Este problema é definido como uma série de tarefas que são executadas por vários processadores, sujeitos a diversos critérios de otimização. Alguns problemas envolvem múltiplos critérios, que podem ser conflitantes, tornando a resolução mais complexa. Existem várias soluções baseadas em heurísticas e meta-heurísticas, com algoritmos evolutivos sendo uma das ferramentas mais comuns. Neste trabalho, foram implementados três algoritmos evolutivos multiobjetivo: o NSGA-II (Non-Dominated Sorting Genetic Algorithm II), o AEMMT (Algoritmo Evolutivo Multiobjetivo com Muitas Tabelas) e o AEMMD (Algoritmo Evolutivo Multiobjetivo com Múltiplas Dominâncias), sendo estes dois últimos representantes da nova classe de algoritmos proposta para resolver problemas com muitos objetivos. Todos os algoritmos foram adaptados para o problema apresentado e tiveram seus desempenhos avaliados comparativamente sobre um conjunto de problemas com diferentes números de tarefas, processadores e objetivos. Com base nos resultados experimentais, é possível constatar que o AEMMT produziu os melhores resultados, seguido pelo AEMMD e, por fim, pelo NSGA-II. |
Abstract: | Task scheduling is an important activity to ensure the efficiency of computer systems. This problem is defined as a series of tasks executed by several processors, subject to different optimization criteria. Some problems involve multiple measures, which may conflict, making resolution more complex. There are several solutions based on heuristics and meta-heuristics, with evolutionary algorithms being one of the most common tools. In this work, we implemented three multiobjective evolutionary algorithms: NSGA-II (Non-Dominated Sorting Genetic Algorithm II), MEAMT (Multiobjective Evolutionary Algorithm with Many Tables), and MEAMD (Multiobjective Evolutionary Algorithm with Multiple Dominances), these last two being representatives of the new class of algorithms proposed to solve problems with many objectives. We adjust all these algorithms for the presented problem and had their performance evaluated comparatively on a set of problems with different numbers of tasks, processors and objectives. Based on the experimental results, it is possible to verify that MEAMT produced the best results, followed by MEAMD and, finally, by NSGA-II. |
Keywords: | Escalonamento de tarefas Sistemas multiprocessados Algoritmos evolutivos Otimização multiobjetivo Problemas com múltiplos objetivos Computação |
Area (s) of CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Program: | Programa de Pós-graduação em Ciência da Computação |
Quote: | SANTOS, Johnata Ferreira. Algoritmos evolutivos multiobjetivo baseados em tabelas para escalonamento de tarefas em ambientes multiprocessados. 2023. 111 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.di.2023.163. |
Document identifier: | http://doi.org/10.14393/ufu.di.2023.163 |
URI: | https://repositorio.ufu.br/handle/123456789/37700 |
Date of defense: | 28-Feb-2023 |
Appears in Collections: | DISSERTAÇÃO - Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
AlgoritmosEvolutivosMultiobjetivo.pdf | Dissertação | 19.9 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.