Ocena efektywności algorytmu szeregowania zadań wieloprocesorowych opartego na sztucznej sieci neuronowej

W pracy przedstawiono wyniki analizy efektywności algorytmu szeregowania zadań wieloprocesorowych opartego na sztucznej sieci neuronowej. Zadania, o których mowa, mogą, przykładowo, reprezentować struktury lub moduły programów tolerujących błędy. Problem szeregowania zadań wieloprocesorowych dotyczy systemów czasu rzeczywistego, od których wymaga się dużej niezawodności i bezpieczeństwa. W pracy przedstawiono przybliżony algorytm szeregowania oparty na strukturze sztucznej sieci neuronowej. Algorytm został poddany ocenie metodą eksperymentów obliczeniowych, których rezultaty również przedstawiono w niniejszej pracy.

---

The paper proposes an artificial neural network based algorithm for scheduling multiprocessor tasks. The considered scheduling problem class is characterized by a set of multiple, identical processors and a set of multiple-processor tasks. Multiple-processor tasks have to be processed on more than one processor at a time. Decision variables include assignment of processors to tasks and size of each task. To solve the above problem an artificial neural network based algorithm is proposed. Computational complexity of the approach is analyzed and evaluated. To assess effectiveness of the algorithm computational experiment has been carried. The results obtained by using the proposed algorithm have been compared with those generated by the specially designed evolutionary algorithm and the hybrid evolutionary. Experiment results prove high effectiveness of the neural network approach.