تعداد صفحات:132
نوع فایل:word
فهرست مطالب:
چکیده
مقدمه
فصل اول - شبکه ی حسگر بی سیم
مقدمه
بررسی اجمالی مسائل کلیدی
انواع شبکه حسگر بی سیم
ساختارهای شبکه حسگر بی سیم
ویژگیهای سختافزاری
کاربردهای شبکه ی حسگر بی سیم
عوامل موثر بر شبکه حسگر بی سیم
پشته پروتکلی
نتیجه گیری بخش
فصل دوم - انواع الگوریتم های خوشه بندی
مقدمه
بررسی کلی خوشه بندی
الگوریتم های خوشه بندی سلسله مراتبی
الگوریتم های خوشه بندی طیفی
الگوریتم های خوشه بندی مبتنی بر شبکه گرید
الگوریتم خوشه بندی مبتنی بر تراکم
الگوریتم های خوشه بندی پارتیشن بندی
الگوریتم خوشه بندی ژنتیک k-means برای ترکیب مجموعه داده های عددی و قاطعانه
الگوریتم مقیاس
الگوریتم k-means هماهنگ
مقداردهی k-means با استفاده از الگوریتم ژنتیک
رویکرد مجموع خوشه ها برای داده های ترکیبی
الگوریتم تکاملی ترکیبی
اصلاح جهانی الگوریتم k-means
الگوریتم ژنتیک k-means سریع
نتیجه گیری بخش
فصل سوم - الگوریتم های خوشه بندی در شبکه حسگر بی سیم
مقدمه
چالش ها در الگوریتم های خوشه بندی در شبکه حسگر بی سیم
فرآیند خوشه بندی
پروتکل های خوشه بندی موجود
الگوریتم های ابداعی
طرح های وزنی
طرح های شبکه گرید.
طرح های سلسله مراتبی و دیگر طرح ها
الگوریتم های خوشه بندی در شبکه های حسگر بی سیم ناهمگون
مدل ناهمگون برای شبکه های حسگر بی سیم
طبقه بندی ویژگی های خوشه بندی در شبکه های حسگر بی سیم ناهمگون
الگوریتم خوشه بندی برای شبکه های حسگر بی سیم ناهمگون
نتیجه گیری بخش
فصل چهارم - بررسی دو الگوریتم خوشه بندی EECS و A-LEACH
مقدمه
EECS
نمای کلی مشکلات
جزئیات EECS
تحلیل EECS
شبیه سازی
رویکردهای آینده
A-LEACH
آثار مربوطه
تجزیه و تحلیل انرژی پروتکل ها
A-LEACH
شبیه سازی
رویکردهای آینده و نتیجه گیری
نتیجه گیری
منابع و مراجع
فهرست اشکال:
طبقه بندی موضوعات مختلف در شبکه حسگر بی سیم
ساختار کلی شبکه حسگر بی سیم
ساختار خودکار
ساختار نیمه خودکار
ساختار داخلی گره حسگر
پشته پروتکلی
نمونه ای از الگوریتم GROUP
الف)ساختار شبکه
ب)شبکه بعد از چند دور
الف) ساختار شبکه
ب) خوشه بندی EDFCM
سلسله مراتب خوشه در زمینه سنجش
دیاگرام شماتیک از مناطق در اندازه های مختلف
تاثیر هزینه سرخوشه مورد نظر
پدیده شیب در شبکه
الف) توزیع غیر یکنواخت
ب) توزیع یکنواخت
الف) صحنه معمولی
ب) صحنه ی بزرگ
الف) صحنه معمولی
ب) صحنه بزرگ
الف) صحنه معمولی
ب) صحنه بزرگ
تعداد خوشه ها در هر دور در EECS و LEACH
الف) صحنه معمولی
ب) صحنه بزرگ
مدل شبکه ای A-LEACH
شبکه حسگر بی سیم با مدل A-LEACH
طول منطقه ثبات برای مقادیر مختلف ناهمگونی
تعداد گره های زنده نسبت با دور با m=0.1 و a=1
تعداد گره های زنده نسبت به دور با m=0.3 و a=1
تعداد گره های زنده نسبت به دور با m=0.5 وa=1
فهرست جداول:
مقایسه الگوریتم های خوشه بندی طرح سلسله مراتبی
مقایسه الگوریتم های خوشه بندی
مفهوم نمادها
توصیف حالات یا پیغام ها
پارامترهای شبیه سازی
چکیده:
شبکه های حسگر بی سیم شامل تعدا زیادی از سنسورهای کوچک است که که میتوانند یک ابزار قوی برای جمع آوری داده در انواع محیط های داده ای متنوع باشند. داده های جمع آوری شده توسط هر حسگر به ایستگاه اصلی منتقل میشود تا به کاربر نهایی ارائه میشود. یکی از عمده ترین چالش ها در این نوع شبکه ها، محدودیت مصرف انرژی است که مستقیما طول عمر شبکه حسگر را تحت تاثیر قرار می دهد، خوشه بندی به عنوان یکی از روشهای شناخته شده ای است که به طور گسترده برای مواجه شدن با این چالش مورد استفاده قرار میگیرد.
خوشه بندی به شبکه های حسگر بی سیم معرفی شده است چرا که طبق آزمایشات انجام شده، روشی موثر برای ارائه بهتر تجمع داده ها و مقیاس پذیری برای شبکه های حسگر بی سیم بزرگ است. خوشه بندی همچنین منابع انرژی محدود حسگرها را محافظت کرده و باعث صرفه جویی در مصرف انرژی میشود.
مقدمه:
شبکه های حسگر بیسیم که برای نظارت و کنترل یک محیط خاص مورد استفاده قرار میگیرند، از تعداد زیادی گره حسگر ارزان قیمت تشکیل شده اند که بصورت متراکم در یک محیط پراکنده می شوند. اطلاعات جمع آوری شده به وسیله حسگر ها باید به یک ایستگاه پایه منتقل شوند. در ارسال مستقیم، هرحسگر مستقیماً اطلاعات را به مرکز می فرستد که به دلیل فاصله زیاد حسگرها از مرکز، انرژی زیادی مصرف می کنند. در مقابل طراحی های یکه فواصل ارتباط را کوتاه تر میکنند، میتوانند دوره حیات شبکه را طولانی تر کنند و لذا ارتباط های چند گامی در این گونه شبکه ها مفیدتر و مقرون به صرفه تر از ارتباط های تک گامی هستند. اما در ارتباط های چند گامی نیز بیشتر انرژی نودها صرف ایجاد ارتباط با حسگرهای دیگر می شود، که منجر به مصرف زیاد انرژی درحسگرها میگردد. یکی از راه حل های این مشکل، خوشه بندی گره ها است. خوشه بندی کردن به این صورت است که شبکه را به تعدادی خوشه های مستقل قسمت بندی می کنیم که هر کدام یک سر خوشه دارند که همه اطلاعات را از گره های داخل خوش هاش جمع آوری می کند. سپس این سرخوشه ها اطلاعات را مستقیماً یا به صورت گام به گام با تعداد گام های کمتر و صرفا با استفاده از نودهای سر خوشه به مرکز اصلی ارسال میکنند. خوشه بندی کردن می تواند به میزان زیادی هزینه های ارتباط اکثر گره ها را کاهش دهد.
تعداد صفحات:97
نوع فایل:word
فهرست مطالب:
مقدمه
فصل اول - تشخیص بن بست در سیستم های توزیع شده
مفاهیم پایه
انواع مدل های بنبست بر اساس سیستم تبادل پیام
انواع مدل های بنبست بر اساس نوع درخواست
شرایط وجود بنبست
طبقهبندی الگوریتمهای تشخیص بنبست
فصل دوم - مروری بر الگوریتمهای تشخیص بنبست
مقدمه
نمونهای از الگوریتم متمرکز جهت تشخیص بنبست در سیستم های توزیعشده
الگوریتم هو - رامامورتی
نمونهای از الگوریتمهای تشخیص بنبست سلسلهمراتبی
الگوریتم منساس – مانتر
الگوایتم هو – رامامورثی
نمونههایی از الگوریتمهای توزیع شده
الگوریتم تشخیص بنبست چندی – مسیرا – هاس
الگوریتم محاسبه پخش کردن چندی – مسیرا – هاس
الگوریتم براچا – توگ
الگوریتم منساس و مانتز
الگوریتم ابرمارک
الگوریتم بدالض
فصل سوم - مروری بر الگوریتمهای تشخیص بنبست توزیع شده تعقیب یال
مقدمه
بررسی الگوریتمهای تشخیص بنبست تعقیب یال
الگوریتم میچل و مریت
الگوریتم سینها و ناتارجان
الگوریتم چودهاری – کوهلر – استنکویچ و توسلی
الگوریتم سینقال و شمکالیانی
تشخیص بنبست توزیع شده و حل آن بر اساس ساعت های سختافزاری
ارائه روشی برای حذف بنبست نادرست در الگوریتمهای تشخیص بنبست
نتیجهگیری
فصل چهارم - الگوریتمهای تشخیص بنبست توزیع شده تحمل خطاپذیر
مقدمه
مروری بر الگوریتمهای تحملپذیر خطا جهت تشخیص بنبست
معرفی مدل سیستم تشخیص خرابی بر اساس شاخص زمان اتصال
یک الگوریتم تشخیص بنبست توزیع شده تحملپذیر خطا
اثبات درستی الگوریتم
نتیجهگیری
فصل پنجم - تشخیص و حل بنبست در سیستم های نماینده موبایل
مقدمه
معرفی سیستم های نماینده موبایل (نسل آینده سیستم های توزیع شده)
تشخیص بنبست توزیعشده در سیستم های نماینده موبایل
معایب الگوریتم اصلی و مشکلات کارآیی الگوریتم
الگوریتم تشخیص بنبست توزیع شده مبتنی بر اولویت بهبودیافته
آنالیز کارایی الگوریتم بهبود یافته
اثبات درستی الگوریتم
نتیجهگیری
فهرست منابع
پیوستها
فهرست جداول:
مقایسه الگوریتم های بررسی شده تشخیص بن بست
مقایسه کارآیی الگوریتم های بررسی شده
مقایسه مدل های الگوریتم های بررسی شده کلاس تعقیب یال
بررسی صحت الگوریتم های بررسی شده
فهرست شکل ها:
سلسله مراتب الگوریتم های تشخیص بن بست
وضعیت فرآیندها در گراف -انتظار- برای
تشخیص دهنده خطا بر اساس CTI
مثالی از تشخیص خرابی، فلش ها نشان دهنده درخواست های منابع و خط چین نشان دهنده پیام آزادشدن منبع است.
شمای کلی یک محیط میزبان در سیستم نماینده موبایل
یک چرخه بن بست با درخواست قفل محلی، مربع ها نشان دهنده نماینده های مصرف
کننده و دایره ها نشان دهنده منابع بوده و فلش های جهت دار نشان دهنده
درخواست قفل محلی است.
مثالی از یک سیستم نماینده موبایل با دوچرخه بن بست
مقدمه:
امروزه کمتر سیستمی را میتوان یافت که روی یک کامپیوتر متمرکز باشد. رشد
روزافزون استفاده از سیستم های توزیع شده، اهمیت تحقیق و پژوهش در راستای
حل موانع و مشکلات موجود در این سیستم ها را بیشتر آشکار مینماید. از جمله
سیستم های توزیع شده میتوان به بانک های اطلاعاتی توزیع شده، سیستم عامل
های توزیع شده، و سیستم های کار گزار موبایل اشاره نمود.
سیستم توزیع
شده از مجموعه ای از فرآیندهایی که از طریق ارسال پیام با یکدیگر در ارتباط
اند، تشکیل شده است. یکی از مسائل مهم در سیستم های توزیع شده در راستای
مدیریت منابع، تشخیص بن بست توزیع شده است. مدیریت منابع زمانی که
فرآیندهای درخواست کننده در سطح شبکه در مکان های مختلف توزیع شده اند،
فرآیند تشخیص را نسبت به سیستم های متمرکز، دشوارتر می نماید.
طی دهه
اخیر الگوریتم های زیادی برای تشخیص بن بست در سیستم های توزیع شده ارائه
شده است که تعداد زیادی از آن ها موفق به تشخیص بن بست نمی شوند و یا بن
بست هایی را گزارش میکنند که در واقع وجود ندارند و یا این که اثبات شده
است که نادرست اند.
هدف از این تحقیق مطالعه و بررسی روش های مختلف
تشخیص بن بست در سیستم های توزیع شده، شناسایی مشکلات، محدودیت های آن ها و
ارائه راه حل عملی مبتنی بر واقعیات موجود در سیستم های توزیع شده در خصوص
مشکلات شناسایی شده است.
تعداد صفحات:81
نوع فایل:word
فهرست مطالب:
مقدمه
فصل یک : تشخیص وسایل نقلیه جاده ای در تصاویر دوربینی
نواحی کاندید شده مورد نظر
تشخیص و ردیابی خط
وسایل نقلیه مورد نظر
تشخیص وسایل نقلیه
فصل دوم : سیستم تشخیص وسایل نقلیه مبتنی بر ویژگیهای محلی با استفاده از برد بینایی موازی
الگوریتم تشخیص
تکنیک پنجره مشخصه
تکنیک فضای مشخصه
انتخاب مشخصه ویژگی
عملیات انتخاب
الگوریتم بردار تدریجی
آزمایشات تشخیص وسایل نقلیه
وسایل نقلیه همراه با موانع جاده ای
تشخیص وسایل نقلیه
فصل سوم : تشخیص اتوماتیک وسایل نقلیه در توالی از تصاویر هوایی با نرخ فریمی پایین
نظارت ترافیک
خط مشی کلی
تشخیص وسیله نقلیه
روند تشخیص
پارامترهای وسیله نقلیه
تطبیق
ارزیابی تشخیص
طرح ارزیابی
اجرای تشخیص و ردیابی
هماهنگی حرکتی
مقدار نهایی
بررسی الگوریتم
فصل چهارم : تشخیص و مکان یابی وسایل نقلیه جاده ای بطور همزمان به وسیله مدلی مبتنی بر بینایی متمرکز
پردازش مراحل تشخیص و ردیابی
شناسایی جهت تشخیص و توابع هزینه آن
ارزیابی الگوریتم
کاربرد تشخیص و مکان یابی وسایل نقلیه جاده ای
مدلسازی شی در دنیای سه بعدی
فازهای یادگیری
تشخیص و توابع هزینه
مکان یابی وسایل نقلیه
ردیابی وسایل نقلیه
فصل پنجم : تشخیص وسایل نقلیه با استفاده از یادگیری با ناظر
طرح کلی مدل پیشنهادی
بهبود تابع تشخیص نمایی اصلاح شده (ام کیو دی اف)
آزمایشات انجام شده
فصل ششم : تشخیص وسایل نقلیه مبتنی بر تغییر شکل های فوریه، موج ضربه ای کوچک و منحنی ضربه ای
استخراج ویژگی
تغییر شکل یافتن فوریه
تغییر شکل یافتن از طریق موج ضربه ای کوچک
تغییر شکل یافتن از طریق منحنی ضربه ای
طبقه بندی
نتایج آزمایشات
آنالیز تطبیقی توصیف گر فوریه ای، موج ضربه ای و منحنی ضربه ای
تغییر شکل فوریه ای
تغییر شکل موج ضربه ای
تغییر شکل منحنی ضربه ای
کاهش ابعاد بردارهای مشخصه (عوامل مشترک فوریه، موج ضربه ای و منحنی ضربه ای)
فصل هفتم : مدل تغییر پذیر عمومی برای تشخیص وسایل نقلیه
مدل پارامتریزه شده
جمع آوری اطلاعات
پایداری ساختار بهبود یافته
تجزیه و تحلیل اجزای اصلی
فصل هشتم : تشخیص واگن های ریلی در طرح های بازتابشی
تشخیص سیگنالی
روش کار
توضیح سناریو
روش انجام آزمایش
تئوری تشخیص سیگنالی
آزمایش فاصله ی تشخیص
روش کار
طراحی آزمایش
توضیح سناریو
روش انجام آزمایش
نیتجه گیری
منابع و ماخذ
فهرست شکل ها:
نمونه های تشخیص خطی در توالی از تصاویر
ایجاد نواحی کاندیده مورد نظر در توالی از تصاویر
تجزیه یک ناحیه کاندیده به 3 زیر ناحیه
ورودی نرمال سازی شده در دسته بندی
ساختار کلی 2 مرحله از دسته کننده اس وی ام
تشخیص وسایل نقلیه در توالی از تصاویر
تکنیک پنجره مشخصه
تصاویر با زاویه دید بالا در آزمایشات
مدل هایی از دو وسیله نقلیه( تصاویر آموزشی، مشخصه های محلی، مشخصه های کد، مجموعه ای از کدهای مشخصه)
نقاط مشخصه در 9 تصویر آموزشی و مجموعه کد مشخصه
9 تصویر آموزشی
نقاط مشخصه در 9 تصویر آموزشی و مجموعه کد مشخصه
نمونه های از تشخیص
نتایجی از استخراج خطوط
نتایجی از تشخیص حبابی
نمونه هایی برای حرکات ممکن و ناممکن خودرو
رفتار صف گونه وسایل نقلیه
(a اولین تصویر تشخیص خودرو، (b دومین تصویر با دو تطبیق M12 برای C1
(c سومین تصویر با سه تطبیق M23 برای هر C2 ، (d چهارمین تصویر با تطبیق های M13
تخمینی از مسیر حرکت خودرو
قاعده کلی از تصویر مبتنی بر روش تطبیقی
نمودار پردازش ارزیابی تطبیقی برای یک خودرو
نتایج تشخیص خودرو در تصویر آزمایشی : (a تشخیص ویایل نقلیه در اولین تصویر،
(b خودروهای وابسته در دومین تصویر c ) موقعیت های تشخیص نهایی در سومین تصویر
نمودار سازمانی ساده شده از پردازش تشخیص
18 مشخصه تطبیقی Fi مدل وسیله نقلیه
سیستم مختصاتی جهان، دوربین، شی
تشخیص وسیله نقلیه سطح بالا
فاصله تقریبی وسایل نقلیه
موقعیت جانبی وسایل نقلیه
نمونه هایی از تشخیص و مکان یابی وسایل نقلیه
طرح کلی مدل پیشنهادی تشخیص وسایل نقلیه
نمونه هایی از مناظر جاده
نرخ طبقه بندی
مقایسه کارایی تقریب منحنی ضربه ای و موج ضربه ای
یک نمونه از تغییر شکل منحنی ضربه ای دیجیتال از تصویر پژو 206
نمونه هایی از مدل 29 پارامتری
منظره آزمایشی برای مجموعه داده نمونه
8 زیر مدل
اولین و آخرین فریم از توالی استفاده شده برای آزمایش پایداری ساختار تکنیک بهبود یافته
درصد واریانس در 29 پارامتر تغییر پذیر
مدل تغییر پذیری خودرو
طرح های بازتابشی واگن باربری
طرح های بازتابشی واگن باربری روباز (طرح کامیون)
طرح سناریوی پایه
ابعاد وسیله نقلیه
میدان دید پیشروی ناظر ساکن
چهار خروجی تئوری تشخیص سیگنالی
مسیر شبیه ساز
میدان دید پیشروی راننده
چکیده:
سیستم های تشخیص وسایل نقلیه
در سالهای اخیر نظارت بر ترافیک و ایمنی وسایل نقلیه اعم از خودروها،
قطارها، کامیون ها، …. مورد توجه کمیته های حمل و نقل هوشمند قرار گرفته
است. جهت بررسی سیستم های که ما را به اهداف فوق برساند، نیاز به تشخیص
وسیله نقلیه است تا بتوان پردازش ها و اقدامات لازم را به عمل آورد. لذا
طبق تحقیقات به عمل آمده، تجهیزات و روش های مختلفی ما را در این مقوله
یاری میکنند و عبارتند از :
1) پردازش تصاویر بدست آمده توسط دوربین های تامین شده بدین منظور
2) سیستم های ویدئویی نصب شده بر سکوهای هوایی
3) بررسی تصاویر جاده ای مبتنی برپارامترهای سه بعدی
4) سیستم های مبتنی بر مشخصه های محلی وسیله نقلیه در یک تصویر
5) بکار گیری الگوریتم مبتنی بر استخراج ویژگی از طریق تغییر شکل های خاص
6) بکارگیری مدل سه بعدی توسعه داده شده بر پایه عناصر لبه وسیله نقلیه
7) سیستم های مبتنی بر یادگیری با ناظر (شامل یک سیستم کک راننده و یک سیستم وسیله نقلیه خود گردان)
8) تشخیص مبتنی بر تشخیص سیگنال های ویژه ارسالی
از طریق روش های فوق، به کمک یک بانک اطلاعاتی شامل چندین وسیله نقلیه
نمونه که از تصاویر واقعی جاده استخراج شده اند، آزمایشات ویژه و متنوعی بر
روی وسایل نقلیه انجام میشود و کارآیی هر روش جهت تشخیص صحیح در کوتاه
ترین زمان ممکن ثبت میشود و مورد استفاده های بعدی قرار خواهد گرفت.
مقدمه:
هدف اصلی از تشخیص وسایل نقلیه این است که تعداد وسایل نقلیه مشاهده شده در
هر نقطه جهت تخمین و پیش بینی جریان خودرو ها را در یک بازه ترافیکی،
اندازه گیری نمائیم. بدین وسیله میتوانیم امنیت و بهره وری ترافیک را بهبود
بخشیم. سیستم های متنوعی که هر کدام کارایی ویژه ای دارند، رسیدن به اهداف
فوق را آسان گردانیده اند.
یکی از این سیستم ها، سیستم تشخیص وسایل نقلیه جاده ای در تصاویر دوربینی با نرخ فریمی پایین
میباشد. اجزای پایه ای وسایل نقلیه از تصاویر استخراج میشود و سپس توسط
دسته کننده های برداری با نام «اس وی ام» با یکدیگر ترکیب میشوند. این قبیل
سیستم ها، مشکل اصلی تشخیص وسایل نقلیه را در تصاویر ایستا بر طرف نموده
اند، به علاوه از تکنیک های مبتنی بر نمونه های جمع آوری شده استفاده
میکنند.
گاهی اوقات اجزایی از وسایل نقلیه در تصاویر قابل دسترسی نیستند و با
موانعی مسدود شده اند. با کمک یک الگوریتم تشخیص وسایل نقلیه مبتنی بر
مشخصات محلی روی تصاویر بدست آمده از طریق مادون قرمز، این مشکل حل می
شوند.
سیستم های ویدئویی نصب شده بر روی سکوهای هوایی بر اساس انعطاف پذیری و
تغییر پذیری آن ها معرفی میشوند و توانایی دارند نواحی وسیعی را جهت تشخیص
از روی تراکم زمانی و فضایی داده نمونه پوشش دهند. الگوریتمی بدین منظور
طراحی شده است که از تصاویر سه جزئی استفاده میکند و پس از تشخیص وسیله
نقلیه در اولین تصویر، آن را در دو تصویر بعدی تطبیق میدهد و دید گسترده ای
را فراهم می آورد.
همچنین در راستای عملیات ردیابی و مکان یابی وسایل نقلیه، نیاز به تشخیص
آنها داریم. هدف این است که یک شی (وسیله نقلیه) با یافتن پارامترهای سه
بعدی از موانع مشاهده شده در تصاویر جاده ای تشخیص داده شود. نمونه ای دیگر
از این قبیل سیستم ها، سیستم های مبتنی بر یادگیری با ناظر است که از طریق
یک سیستم کمک راننده و یک سیستم وسیله نقلیه خودگردان، توسعه یافته است و
در این سیستم تابعی برای تشخیص محیط جاده و وسایل نقلیه وجود دارد و تعداد
کمی از تصاویر وسایل نقلیه در حال حرکت را به کار میگیرد.
سیستم های دیگری وجود دارند که از طریق الگوریتم مبتنی بر نمونه های
ساختاری که از تکنیک های استخراجی و بدست آمده از مشخصات ویژه تصویر وسیله
نقلیه عمل می کند، استخراج ویژگی می نماید. این ویژگی ها توسط تغییر شکل
های فوریه ای، تغییر موج ضربه ای و تغییر شکل منحنی ضربه ای به دست می آید.
عملیات روی یک مجموعه داده انجام میشود.
تشخیص وسایل نقلیه از طریق تکنیک هایی که مبتنی بر مدلهای ایجاد شده از
اشیاء سه بعدی است، نیز امکان پذیر میباشد و بوسیله نقاط، خطوط و سطوح ویژه
وسیله نقلیه و مدل سازی آن ها با ساختارهای مکان نگر عمل میکند.
آخرین نوع سیستم های بررسی شده، سیستم هایی هستند که با کمک یک ناظر و
تعدادی شرکت کننده، از طریق یکسری آزمایشات، در یک محیط شبیه سازی شده از
جاده و از طریق سیگنال های ارسالی عملیات تشخیص را انجام میدهند.
تعداد صفحات:20
نوع فایل:word
فهرست مطالب:
چکیده
مقدمه
الگوریتم ژنتیک
مقدمه
مفاهیم اولیه در الگوریتم ژنتیک
کد کردن
رشته
جمعیت
مقدار برازندگی
عملگر ترکیب
عملگر جهش
فرآیند نتخاب
تعیین مراحل اولیه قبل از اجرای الگوریتم
تعیین نحوه نمایش یا کد بندی نقاط فضای جستجو
تعریف میزان برازندگی
تعیین پارامترها و متغیرها
مشخص کردن شرط پایان تکرار و نحوه انتخاب خروجی الگوریتم
الگوریتم ژنتیک ترکیبی ابتکاری برای زمان بندی JOB SHOP
نتایج محاسباتی
منابع
چکیده:
زمان بندی برای تولید کارگاهی (job shop) از دو زمینه مدیریت محصول و بهره وری گروهی خیلی مهم است.
هر چند که این امر کاملا متفاوت است با بدست آوردن یک جواب بهینه با متدهای
بهینه یابی مرسوم، زیرا مسئله مورد نظر دارای محاسبات خیلی پیچیده
میباشد.(مسئله فوق از نوع NP-Hardاست.)
اثبات شده است که الگوریتم ژنتیک (GA) برای تنوع وضعیت هایی که شامل زمان بندی و توالی می باشند(S.S) موثر می باشد.
در این مقاله یک نوع الگوریتم ژنتیکی ابتکاری هایبرید برای مسئله
n/m/G/Cmax پیشنهاد شده است، هایبرید به این خاطر که قوانین زمان بندی از
قبیل SPT و MWKR با الگوریتم ژنتیک ادغام شده اند، همچنین از تکنیک جستجوی
محلی (NST ) بعنوان رویه ای کمکی جهت بهبود حل عملکردی کمک گرفته ایم.
کارایی و اثر بخشی این الگوریتم جدید به وسیله مقایسه با برخی متدهای معروف
دیگر از قبیل الگوریتم های NST (تکنیک جستجوی محلی)، SA (تبرید شبیه سازی
شده) و ژنتیک، به اثبات رسیده است.
تعداد صفحات:76
نوع فایل:word
فهرست مطالب:
مقدمه
فصل اول (مفاهیم اولیه)
سیستم عامل چیست؟
دیدگاه برتر
دیدگاه سیستم
اهداف سیستم
ظهور تدریجی و سیر تکاملی سیستمهای عامل
پردازش سریالی یا پیاپی
پردازش دستهای
تکامل سیستم عاملهای جدید
خلاصه فصل اول
فصل دوم (تطابق تکنیک های سیستم عامل با نسلهای کامپیوتر)
سیستمهای عامل دستهای
سیستمهای بلادرنگ
سیستمهای خوشهای
سیستمهای توزیع شده
سیستمهای با ارتباط محکم
سیستمهای با ارتباط سست
سیستمهای عامل ترکیبی
سیستمهای خاص – منظور پردازش تراکنشها
خلاصه فصل دوم
فصل سوم (مدیریت حافظه)
نیازهای مدیریت حافظه
جابجایی
حفاظت
اشتراک
سازمان منطقی
سازمان فیزیکی
مولفه مدیریت حافظه اصلی
مولفه مدیریت حافظه جانبی
حافظههای میانگیر
حفاظت از حافظه
تخصیص حافظه
اولین جای مناسب
بهترین جای مناسب
بدترین جای مناسب
خلاصه فصل سوم
فصل چهارم (زمانبندی)
اهداف زمانبندی
عادل باشد
توان عملیاتی را بالا ببرد
تعداد استفادهکنندگان زیاد
قابل پیشبینی باشد
هزینههای سیستم را به حداقل برساند
متعادل نمودن استفاده از منابع
رسیدن به یک حالت متعادل
از به تعویق انداختن به مدت نامحدود اجتناب شود
استفاده از اولویتها
ارجحیت به برنامههای کلیدی
سرویس مناسب
تنزل منظم تحت بار سنگین
انواع زمانبندها
زمانبند بلندمدت
زمانبند میانمدت
زمانبند کوتاهمدت
الگوریتمهای زمانبندی
الگوریتم اولویت با اولین ورودی
الگوریتم اولویت با کوتاه ترین کار
الگوریتم اولویت با کمترین زمان باقیمانده
الگوریتم نوبتی
الگوریتم اولویت با بالاترین نسبت پاسخ
زمانبندی صف چند سطحی
خلاصه فصل چهارم
خلاصه
نتیجهگیری
فهرست منابع
فهرست اشکال:
دیدگاه انتزاعی به بخشهای مختلف یک سیستم کامپیوتری
خواستههای آدرسدهی فرآیند
پشتیبانی سختافزاری برای ثباتهای جابجایی و حد
زمانبندها
چکیده:
سیستم عامل بدون شک مهمترین نرمافزار در کامپیوتر است. پس از روشنکردن
کامپیوتر، اولین نرمافزاری که مشاهده میگردد، سیستم عامل بوده و آخرین
نرمافزاری که قبل از خاموش کردن کامپیوتر مشاهده خواهد شد، نیز سیستم
عامل است. سیستم عامل نرمافزاری است که امکان اجرای تمامی برنامههای
کامپیوتری را فراهم میآورد. سیستم عامل با سازماندهی، مدیریت و کنترل
منابع سختافزاری، امکان استفاده بهینه و هدفمند آن ها را فراهم میآورد.
سیستم عامل فلسفه بودن سختافزار را به درستی تفسیر و در این راستا
امکانات متعدد و ضروری جهت حیات سایر برنامههای کامپیوتری را فراهم
میآورد.
تمام کامپیوترها از سیستم عامل استفاده نمینمایند. مثلاً اجاقهای
مایکرویو که در آشپزخانه استفاده شده دارای نوع خاصی از کامپیوتر بوده که
از سیستم عامل استفاده نمینمایند. در این نوع سیستمها به دلیل انجام
عملیات محدود و ساده، نیازی به وجود سیستم عامل نخواهد بود. اطلاعات ورودی و
خروجی با استفاده از دستگاههایی نظیر صفحه کلید و نمایشگرهای LCD، در
اختیار سیستم گذاشته میگردند. ماهیت عملیات انجام شده در یک اجاق گاز
مایکروویو بسیار محدود و مختصر است، بنابراین همواره یک برنامه در تمام
حالات و اوقات اجرا خواهد شد.
برای سیستمهای کامپیوتری که دارای عملکردی به مراتب پیچیدهتر از اجاق گاز
مایکروویو میباشند، به خدمت گرفتن یک سیستم عامل باعث افزایش کارآیی سیستم
و تسهیل در امر پیادهسازی برنامه های کامپیوتری میگردد. تمام
کامپیوترهای شخصی دارای سیستم عامل میباشند. ویندوز یکی از متداول ترین
سیستمهای عامل است. یونیکس یکی دیگر از سیستم های عامل مهم در این زمینه
است. صدها نوع سیستم عامل تاکنون با توجه به اهداف متفاوت طراحی و عرضه شده
است. سیستمهای عامل مختص کامپیوترهای بزرگ، سیستمهای روبوتیک، سیستمهای
کنترلی بلادرنگ، نمونههایی در این زمینه میباشند. از اینرو برای
بهرهوری بهتر از کامپیوتر باید سیستم عاملی انتخاب شود که دارای قابلیت
بالایی باشد.
مقدمه:
سیستم عامل یکی از نرمافزارهای سیستم است که بعنوان واسطی بین سختافزار و برنامههای کاربردی و کاربران عمل مینماید.
ویژگی ها و وظایف سیستم عامل عبارتند از:
الف) کنترل و ایجاد هماهنگی بین برنامههای کاربردی مختلف در استفاده از سختافزار.
ب) کنترل عملکرد دستگاههای مختلف ورودی و خروجی.
ج) تخصیص منابع به برنامههای مختلف.
سیستم عامل برنامهای است که هسته آن همواره بر روی کامپیوتر، در حالت
اجرا قرار دارد. دو هدف اصلی سیستم عامل، ایجاد سادگی برای کاربرد و
استفاده کارا و موثر از کامپیوتر است.