- -

Algoritmo genético permutacional para el despliegue y la planificación de sistemas de tiempo real distribuidos

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Algoritmo genético permutacional para el despliegue y la planificación de sistemas de tiempo real distribuidos

Mostrar el registro completo del ítem

Azketa, E.; Gutiérrez, JJ.; Di Natale, M.; Almeida, L.; Marcos, M. (2013). Algoritmo genético permutacional para el despliegue y la planificación de sistemas de tiempo real distribuidos. Revista Iberoamericana de Automática e Informática industrial. 10(3):344-355. https://doi.org/10.1016/j.riai.2013.05.006

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/143960

Ficheros en el ítem

Thumbnail
Nombre: Azketa;Gutiérrez;Di ...
Tamaño: 305.5Kb
Formato: PDF
Descripción: Versión editorial
Abrir/Preview

Metadatos del ítem

Título: Algoritmo genético permutacional para el despliegue y la planificación de sistemas de tiempo real distribuidos
Otro titulo: Permutational genetic algorithm for the deployment and scheduling of distributed real time systems
Autor: Azketa, Ekain Gutiérrez, J. Javier Di Natale, Marco Almeida, Luís Marcos, Marga
Fecha difusión:
Resumen:
[ES] El despliegue y la planificación de tareas y mensajes en sistemas de tiempo real distribuidos son problemas NP-difíciles (NP- hard), por lo que no existen métodos óptimos para solucionarlos en tiempo polinómico. En ...[+]


[EN] The deployment and scheduling of tasks and messages in distributed real-time systems are NP-hard problems, so there are no optimal methods to solve them in polynomial time. Consequently, these problems are suitable ...[+]
Palabras clave: Real-time systems , Scheduling algorithms , Genetic algorithms , Multiobjective optimisations , Sistemas de tiempo real , Algoritmos de planificación , Algoritmos genéticos , Optimizaciones multiobjetivo
Derechos de uso: Reconocimiento - No comercial - Sin obra derivada (by-nc-nd)
Fuente:
Revista Iberoamericana de Automática e Informática industrial. (issn: 1697-7912 ) (eissn: 1697-7920 )
DOI: 10.1016/j.riai.2013.05.006
Editorial:
Universitat Politècnica de València
Versión del editor: https://doi.org/10.1016/j.riai.2013.05.006
Tipo: Artículo

References

Achterberg, T. (2009). SCIP: solving constraint integer programs. Mathematical Programming Computation, 1(1), 1-41. doi:10.1007/s12532-008-0001-1

Boyd, S., Kim, S.-J., Vandenberghe, L., & Hassibi, A. (2007). A tutorial on geometric programming. Optimization and Engineering, 8(1), 67-127. doi:10.1007/s11081-007-9001-7

Chen, W.-H., & Lin, C.-S. (2000). A hybrid heuristic to solve a task allocation problem. Computers & Operations Research, 27(3), 287-303. doi:10.1016/s0305-0548(99)00045-3 [+]
Achterberg, T. (2009). SCIP: solving constraint integer programs. Mathematical Programming Computation, 1(1), 1-41. doi:10.1007/s12532-008-0001-1

Boyd, S., Kim, S.-J., Vandenberghe, L., & Hassibi, A. (2007). A tutorial on geometric programming. Optimization and Engineering, 8(1), 67-127. doi:10.1007/s11081-007-9001-7

Chen, W.-H., & Lin, C.-S. (2000). A hybrid heuristic to solve a task allocation problem. Computers & Operations Research, 27(3), 287-303. doi:10.1016/s0305-0548(99)00045-3

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197. doi:10.1109/4235.996017

Dick, R. P., & Jha, N. K. (1998). MOGAC: a multiobjective genetic algorithm for hardware-software cosynthesis of distributed embedded systems. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 17(10), 920-935. doi:10.1109/43.728914

Garey, M. R., Johnson, D. S., & Sethi, R. (1976). The Complexity of Flowshop and Jobshop Scheduling. Mathematics of Operations Research, 1(2), 117-129. doi:10.1287/moor.1.2.117

Glover, F. (1986). Future paths for integer programming and links to artificial intelligence. Computers & Operations Research, 13(5), 533-549. doi:10.1016/0305-0548(86)90048-1

Hamann, A., Jersak, M., Richter, K., & Ernst, R. (2006). A framework for modular analysis and exploration of heterogeneous embedded systems. Real-Time Systems, 33(1-3), 101-137. doi:10.1007/s11241-006-6884-x

Hladik, P.-E., Cambazard, H., Déplanche, A.-M., & Jussien, N. (2008). Solving a real-time allocation problem with constraint programming. Journal of Systems and Software, 81(1), 132-149. doi:10.1016/j.jss.2007.02.032

Kirkpatrick, S. (1984). Optimization by simulated annealing: Quantitative studies. Journal of Statistical Physics, 34(5-6), 975-986. doi:10.1007/bf01009452

Porto, S. C. S., Kitajima, J. P. F. W., & Ribeiro, C. C. (2000). Performance evaluation of a parallel tabu search task scheduling algorithm. Parallel Computing, 26(1), 73-90. doi:10.1016/s0167-8191(99)00096-4

PORTO, S. C. S., & RIBEIRO, C. C. (1995). A TABU SEARCH APPROACH TO TASK SCHEDULING ON HETEROGENEOUS PROCESSORS UNDER PRECEDENCE CONSTRAINTS. International Journal of High Speed Computing, 07(01), 45-71. doi:10.1142/s012905339500004x

Shang, L., Dick, R. P., & Jha, N. K. (2007). SLOPES: Hardware–Software Cosynthesis of Low-Power Real-Time Distributed Embedded Systems With Dynamically Reconfigurable FPGAs. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 26(3), 508-526. doi:10.1109/tcad.2006.883909

Tindell, K. W., Burns, A., & Wellings, A. J. (1992). Allocating hard real-time tasks: An NP-Hard problem made easy. Real-Time Systems, 4(2), 145-165. doi:10.1007/bf00365407

Tindell, K., & Clark, J. (1994). Holistic schedulability analysis for distributed hard real-time systems. Microprocessing and Microprogramming, 40(2-3), 117-134. doi:10.1016/0165-6074(94)90080-9

[-]

recommendations

 

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem