AVALIAÇÃO DE HEURÍSTICAS PARA O P Cmax ATRAVÉS DO AMBIENTE DE METACOMPUTAÇÃO CORE
|
|
- Baltazar Mangueira Sá
- 6 Há anos
- Visualizações:
Transcrição
1 AVALIAÇÃO DE HEURÍSICAS PARA O P Cmax ARAVÉS DO AMBIENE DE MEACOMPUAÇÃO CORE Felipe Martins Müller Alex Marin Haroldo Gambini Santos Viviane Cátia Köhler Universidade Federal de Santa Maria-Campus Universitário-Bairro Camobi CEP -00 Santa Maria-RS Brasil {felipe, marin, haroldo, viviane}@inf.ufsm.br Abstract: he aim of this paper is to compare the performance of constructive and improvement heuristics combined in different ways. Each combination was tested in identical parallel machine scheduling problems, which consists in scheduling n jobs on m identical parallel machines in order to minimize the maximum completion time (makespan). he applied heuristics are available at the Combinatorial Optimization Resource Management Environment (CORE) that provides tools to run and evaluate the quality of the solutions as well the execution time. Keywords: framework,machine scheduling, parallel machine. Introdução: Este artigo trata de uma classe de problemas de sequenciamento (scheduling) conhecida como P C max, segundo classificação de Lawler et al.(). Inicialmente será realizada uma descrição do problema em questão de maneira a permitir um melhor entendimento do trabalho proposto. O problema de sequenciamento consiste em alocar n tarefas independentes, J,..., Jn a m máquinas paralelas idênticas M,..., M m, de uma forma não-preemptiva. Supondo n m e que cada tarefa J j tem um tempo de execução inteiro e positivo pj, o objetivo do problema é minimizar o tempo de finalização máximo das tarefas (makespan) definido como: C = max{ C }, onde Ci é o tempo de execução de todas as tarefas alocadas a max i=,..., m i máquina M i. Os algoritmos para a solução dos problemas de sequenciamento apresentados nesse trabalho são classificados em heurísticas construtivas e heurísticas de melhoramento. As heurísticas construtivas, geralmente são rápidas e possuem um tempo finito de execução. As heurísticas de melhoramento, partem de uma solução inicial qualquer, e através de movimentos de vizinhança, como troca de tarefas entre os processadores, tentam reduzir o tempo máximo de finalização do processador mais carregado, até o momento em que não existem mais movimentos de melhora. Os métodos heurísticos utilizados neste artigo encontram-se disponíveis no Ambiente de Gerenciamento de Recursos de Otimização Combinatória CORE, desenvolvido por Santos (00), o qual consiste em uma arquitetura baseada na estrutura ENEGEP 00 ABEPRO
2 da Internet, que suporta a execução remota e distribuída de diferentes métodos de resolução para problemas de otimização combinatória. Através do ambiente CORE, é possível a construção de planos de otimização, incluindo a criação de heurísticas híbridas. A execução controlada de diferentes planos de otimização sobre instâncias de teste produz dados que podem ser usados para a avaliação da qualidade de solução e velocidade de execução dos métodos selecionados. Heurísticas Uma heurística construtiva trivial para o P Cmax foi desenvolvida por Graham (), denominada LP (Longest Processing ime). Este algoritmo propõe um sequenciamento através da alocação das tarefas aos processadores obedecendo uma ordem não crescente dos tempos de. Considera-se, inicialmente, a alocação da tarefa de maior tempo de, alocando subsequentemente o restante das tarefas, selecionando, a cada iteração, o processador menos carregado até que todas elas sejam alocadas. O algoritmo Multifit proposto por Coffman et al. () para o problema P Cmax, transforma o problema de sequenciamento de tarefas em um problema de empacotamento (bin packing problem). Para isso, considera-se que cada processador corresponde a uma caixa, no caso de processadores idênticos, a caixa mais carregada corresponde ao processador mais carregado. As tarefas a serem processadas correspondem aos itens a serem armazenados. O algoritmo de empacotamento utilizado para o Multifit é o FFD (First Fit Decreasing) que faz uma pré-ordenação dos itens a serem alocados em ordem não crescente de seu tamanho. No momento da alocação, o item é designado à primeira caixa, na qual é passível de alocação (não excedendo a capacidade da mesma) ou, então, uma nova caixa é criada. Na implementação do algoritmo Multifit necessita-se de um limitante superior e um inferior para o tamanho das caixas utilizadas no algoritmo FFD. Definidos esse parâmetros, faz-se um processo iterativo, atualizando os limitantes inferiores e superiores da solução, considerando as seguintes situações: no caso de falta de espaço para a alocação das tarefas, aumenta-se o tamanho das caixas, caso contrário, diminui-se o tamanho dessas. Na implementação desenvolvida nesse trabalho, utilizou-se como critério de parada a igualdade entre os limitantes. O algoritmo 3-Fases, desenvolvido por Müller (3), foi dividido em duas partes, de modo que a Fase será considerada como uma heurística construtiva e as fases restantes como uma heurística de melhoramento. Na Fase o algoritmo faz uma alocação inicial das tarefas, não utilizando para isso qualquer tipo de ordenação. O critério de distribuição das tarefas nos processadores utiliza o conceito de intervalos, possibilitando uma divisão equilibrada das tarefas nos processadores. A divisão da heurística de 3-Fases em dois métodos independentes possibilita experiências de combinação com outros métodos. Na Fase, onde a divisão de carga é melhorada, move-se, sucessivamente, uma tarefa da máquina mais carregada para a menos carregada utilizando, para restrições nas buscas, uma indicação para o intervalo mais promissor. Finalmente, na Fase 3, tenta-se um ajuste mais fino da solução, através da troca simultânea de duas tarefas pertencentes a máquinas diferentes. O algoritmo 0/-Interchange apresentado por Finn e Horowitz () inicia alocando n tarefas as m máquinas em uma ordem aleatória. A fase de melhoramento, inserida no ambiente CORE, faz uma ordenação das máquinas de modo que C C... Cm. Seja d=c -Cm a diferença entre os tempos de finalização da máquina mais carregada e da menos carregada. Se existir uma tarefa na máquina M, cujo tempo de pj é menor que d, então esta tarefa é retirada de M e realocada em Mm. O ENEGEP 00 ABEPRO
3 algoritmo continua com uma nova ordenação das máquinas de acordo com suas novas cargas, recalcula d e busca por uma tarefa na nova máquina M cujo tempo de seja menor que d e realiza a troca. O algoritmo continua até que nenhuma tarefa em M satisfaça a condição pj < d. A heurística Improved 0/-Interchange é uma melhoria implementada por Langston () nos procedimentos do algoritmo 0/-Interchange que evita uma alocações iniciais problemáticas, com muitas tarefas grandes alocadas a um único processador, baseou-se na distribuição das m maiores tarefas, uma a cada processador, distribuindo as demais, após ordenadas por seu valor, ao processador menos carregado. O desempenho deste algoritmo é melhor que o 0/-Interchange. 3 O PROJEO CORE O projeto CORE (Combinatorial Optimization Resource Management Environment) consiste em um ambiente acessível pela Internet que suporta a execução remota distribuída de diferentes métodos de resolução para problemas de otimização combinatória. O ambiente oferece um conjunto de métodos heurísticos e metaheurísticos, que podem ser dinamicamente combinados para a obtenção de melhores resultados na solução de problemas de grande interesse científico e industrial. Figura Criação de um plano de otimização no ambiente CORE Figura Visualização dos resultados de execução Utilizando-se interfaces gráficas intuitivas, é possível a criação de planos de otimização (Figura ), que consistem em estratégias para a solução de problemas (seleção de métodos e configuração de seus respectivos parâmetros) que serão executados sobre instâncias de teste ou instâncias enviadas pelo usuário. Os planos de otimização são resolvidos utilizando-se recursos computacionais distribuídos e heterogêneos, de maneira transparente para o requisitor do serviço. Uma vez enviado um plano de otimização para a execução em um servidor remoto, o usuário pode acompanhar, em tempo real, o processo de resolução do plano (Figura ) ou solicitar o envio de um com os resultados. A inserção novos de métodos de otimização no ambiente requer a observância de um conjunto de padrões de projetos (frameworks). A utilização destes padrões favorece a reutilização de código no desenvolvimento de novos métodos e garante compatibilidade com os métodos disponíveis. Este modelo de desenvolvimento permite que equipes independentes de desenvolvimento trabalhem em métodos de resolução cooperantes. ENEGEP 00 ABEPRO 3
4 Para facilitar extensão dos recursos, utilizou-se o paradigma de orientação a objetos no projeto e implementação do ambiente de execução e dos métodos de otimização. A linguagem de programação escolhida foi Java, por ser independente de plataforma e suportar completamente a orientação a objetos. Como tecnologia para objetos distribuídos utilizou-se RMI (Remote Method Invocation) (Farley, ). Mais informações sobre o projeto CORE podem ser encontradas em (Müller et al. 00), ou na página do projeto ( 4 Resultados Computacionais Realizou-se combinações heurísticas utilizando os métodos contidos no CORE para o problema P Cmax. Os testes foram executados utilizando m=, 0, e n=0, 0, 00, 00 e 000 e tempos de nos intervalos [,00], [,000], [,0000]. Para cada combinação dos valores acima foram gerados 0 problemas de acordo com as distribuições uniforme, exponencial e normal, totalizando 0 instâncias. Os resultados obtidos são sumarizados em grupos de 0 instâncias, a não ser quando o número de problemas resolvidos na otimalidade tenha sido menor que 0, nesse caso, o número vem indicado entre parênteses, com as médias tomadas em relação a ele. Das 0 instâncias testadas, o algoritmo exato encontrou 40 soluções (utilizando um limite de tempo de 000 segundos para cada instância). As variáveis utilizadas nas tabelas,, 3 e 4 são definidas da seguinte forma: m = número de processadores; n = número de tarefas; ' ' ' opt : 00 ; opt : 00 ;... ; opt : 00 x opt x opt x onde : opt: valor ótimo global; : makespan para i=,...; onde temos as seguintes combinações de algoritmos: ' i i= LP com Improved 0/ Interchange; i= LP com 0/ Interchange; i= 3 LP com 3-Fases; i= 4 Multifit com Improved 0/ Interchange; i= Multifit com 0/ Interchange; i= Multifit com 3-Fases; i= ª fase do algoritmo 3-Fases com Improved 0/ Interchange; i= ª fase do algoritmo 3-Fases com 0/ Interchange; i= ª fase do algoritmo 3-Fases com 3-Fases. t ' i : média dos tempos de CPU, em milisegundos, gastos pela heurística, considerando um conjunto de dez instâncias teste. Seguem-se 4 tabelas referentes a execução de planos de otimização com variações dos parâmetros acima relacionados. Os testes foram realizados em um computador com processador Pentium IV GHz com 34 MB de memória RAM, rodando sistema operacional Linux com kernel.4.3. Utilizou-se como ambiente de execução Java o Sun JDK opt ENEGEP 00 ABEPRO 4
5 m n ,000 0,000 0,000 0,000 0,000 0,000 4,0 3, 0,3 0 0,34 0,34 0,030 0,04 0,04 0,0 0,, 0,0 00 0,0 0,0 0,000 0,030 0,030 0,0 0,4 0,3 0, ,000 0,000 0,000 0,000 0,000 0,000 0,003 0,04 0, ,000 0,000 0,000 0,000 0,000 0,000 0,000 0,034 0, ,403,403 0,330 0,33 0,33 0,33 3,43,433 0,4 00 0, 0, 0,00 0, 0, 0, 0,0, 0, ,000 0,000 0,000 0,000 0,000 0,000 0,03 0,04 0, ,000 0,000 0,000 0,000 0,000 0,000 0,00 0,0 0, ,000 0,000 0,000 0,000 0,000 0,000 0,000 0,4 0,000 00,, 0,3 0,000 0,000 0,000,,03 0, ,0 0,0 0,000 0,000 0,000 0,000 0,30 0, 0, ,000 0,000 0,000 0,000 0,000 0,000 0,04 0,3 0,000 abela Resultados distribuição exponencial Intervalo[,00] m n t t t 3 t 4 t t t t t 0 0,00 0,00 0,00 0,00 0,00 0,000,000 0,00 0,00 0 0,400 0,300,00 0,000 0,000 0,00,00 0,000 0, ,400 0,00 0,300 0,000 0,000 0,000,00 0,00 0,400 00,00,00,00 0,00 0,00 0,00,00 0,00 0, ,300,00 3,00 0,000 0,000 0,400 3,00 3,00, ,400 0,00 0,300 0,00 0,00 0,000,00 0,00 0, ,00 0,00 0,00 0,000 0,000 0,300 4,00 0,400 0,400 00,00,00,00 0,000 0,000 0,00,00,400 0, ,400 3,400 3,00 0,000 0,000 0,00,00,400, ,300 0,00 0,400 0,000 0,000 0,00,400 0,300 0, ,00 0,400,00 0,000 0,000 0,00 3,00 0,00 0, ,00 3,00 4,00 0,00 0,00 0,00 0,00 0,00, ,300 4,00,000 0,00 0,00 3,300 3,300 3,400 3,300 abela - Resultados distribuição Exponencial Intervalo[,00] ENEGEP 00 ABEPRO
6 m n , 0, 0,000 0,000 0,000 0,000,4,43 0, 0 0,0 () 0,03() 0,03() 0,4 () 0,4 () 0, () 0,4 (),4 () 0,0 () 00 0,04 () 0,04 () 0,00 () 0,0 () 0,0 () 0,0 () 0,4 () 0,3 () 0,00 () 00 0,00 0,00 0,000 0,00 0,00 0,00 0,00 0,04 0, ,00 0,00 0,000 0,000 0,000 0,000 0,003 0,033 0, (0) (0) (0) (0) (0) (0) (0) (0) (0) 00 (0) (0) (0) (0) (0) (0) (0) (0) (0) 00 3,3 () 0,04() 0,00(), () 0,003 () 0,003 (),34 () 0,3 () 0,00 () 000 0,003 0,003 0,000 0,00 0,00 0,00 0,00 0,3 0, ,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0, (0) (0) (0) (0) (0) (0) (0) (0) (0) 00 (0) (0) (0) (0) (0) (0) (0) (0) (0) 000 0,0 () 0,03 () 0,00() 0,003 () 0,003 () 0,003 () 0,0 () 0,0() 0,00 () abela 3- Resultados distribuição exponencial Intervalo[,0000] m n t t t 3 t 4 t t t t t 0 0,300 0,00 0,300 0,00 0,000 0,00 0,400 0,00 0,00 0 0,00 0,000 0,000 0,00 0,000 0,000,00 0,000 0, ,00 0,00 0,000 0,300 0,000 0,000 4,00 0,000 0,00 00,00,400 0,000 0,400 0,000 0,300 4,00,00, ,00 3,00 4,400 0,400 0,00 0,300 33,00 4,00, ,300 0,00 0,00 0,000 0,000 0,300,00 0,00, ,00 0,400 0,00 0,00 0,000 0,400 4,00 0,00 0,00 00,00,00, 0,00 0,00 0,43,00,00, ,00 3,00 4,00 0,00 0,00 0,300,00,00,00 0 0,00 0,000 0,300 0,000 0,000 0,000,00 0,000 0, ,00 0,00,300 0,00 0,000 0,300,00 0,300,300 00,300,00 4,00 0,00 0,00 0,300,000,000, ,00 3,400, 0,400 0,00,000 34,00,00,333 abela 4- Resultados distribuição exponencial Intervalo[,0000] Os resultados acima indicam que as combinações da ª fase do algoritmo 3 fases combinado com Improved 0/ Interchange e 0/ Interchange apresentam qualidade de solução inferior e um tempo de execução total maior no das tarefas, comparando-se com outras combinações avaliadas. Este comportamento também é verificado para a distribuição Uniforme e Normal nos intervalos [,000] e [,0000]. ENEGEP 00 ABEPRO
7 Intervalo Distribuição Fator F-critical F-value P-value Algoritmos,044 3,030 0,0004 Exponencial empo,044,04,43 x 0 - Algoritmos,044 3,00 0,0004 P j Є [,00] Normal empo,044,43 4,40 x 0-0 Algoritmos,044 4,404 4,0004 x P j Є [,000] P j Є [,0000] Uniforme Exponencial Normal Uniforme Exponencial Normal Uniforme 0-0 empo,044,040 4, x 0-0 Algoritmos,0330,43 0,003 empo,0330,43,333 x 0-0 Algoritmos,0400,44 0,04 empo,0400,030 4,33 x 0-0 Algoritmos,0400 3,44 0,0003 empo,0400,4440 0,030 Algoritmos,0330 0,0033 0, empo,0330,40,3 x 0-0 Algoritmos,04, 0,04 empo,04,30,034 x 0-0 Algoritmos,04,44 0,404 0 empo,04,03,3 x 0-0 abela - Resultados ANOVA O teste ANOVA (analysis of variance) fator único, apresentado na tabela foi realizado para verificar a qualidade de solução e o tempo total gasto pelo algoritmo para a resolução das instâncias. Os testes foram conduzidos separando os resultados em conjuntos, os quais são subdivididos em três intervalos, sendo que cada intervalo tem a distribuição normal, exponencial e uniforme das tarefas. A hipótese inicial do método (H 0 ) é que todos os algoritmos analisados apresentem resultados iguais em relação ao tempo de e a qualidade de solução, considerando um nível de significância de %. Como na tabela F-critical > F-value, rejeita-se a hipótese H 0, concluindo-se com nível de % que há diferença significativa entre os algoritmos. Para avaliar quais algoritmos apresentam diferença significativa foi aplicado o teste ENEGEP 00 ABEPRO
8 t, teste clássico para comparar médias, o qual evidenciou que e apresentam qualidade de solução e tempo de significativamente inferiores que seus concorrentes. Deve-se ressaltar também, que composições que utilizam a fase de melhoramento do algoritmo de 3-Fases com o algoritmo construtivo Multifit apresentam tempo de consideravelmente inferior a composições com outros métodos construtivos. Ainda, em geral, o método de melhoramento de 3-Fases apresenta qualidade de solução superior aos concorrentes. Conclusões A utilização do ambiente CORE para realização dos testes apresentados neste trabalho possibilitou uma exploração mais livre das possibilidades de combinação de heurísticas. O processo de adaptações de códigos e recompilações não foi necessário, pois todas as heurísticas já estavam desenvolvidas de acordo com o framework disponibilizado pelo projeto CORE. Dessa maneira, foi possível uma maior dedicação ao cruzamento eficiente de dados e a análise estatística. As informações apresentadas nesse trabalho podem ser utilizadas tanto para o aprimoramento das técnicas heurísticas aqui discutidas quanto para o desenvolvimento de metaheurísticas mais robustas, que incorporem os elementos positivos de cada método heurístico simples. Bibliografia Cofman Jr., E.G., Garey, M.R. & Johnson, D.S. (), An Application Of Binpacking o Multiprocessor Scheduling. Siam Journal On Computing,, - Farley, J. Java Distributed Computing. USA : O'Reilly,. Lawler, E.L., Lenstra, J.K., Rinnooy Kan, A H.G. and Shmoys, D.B. (), Sequencing and scheduling: algoritms and complexity, Report BS-R0, Center Os Mathematics And Computer Science, Amsterdan. Martello, S., oth, P. Knapsack Problems: Agorithms and Computer Implementations, John Wiley, 0. Muller, F.M.; Santos, H.G.; Araújo, O.C.B. CORE Combinatorial Optimization Resource Management Environment. CARS & FOF 00 - th International Conference on CAD/CAM, Robotics and Factories of the Future Porto Portugal. 00. Müller, F.M., (3), Algoritmos Heurísticos e Exatos para Resolução do Problema de Sequenciamento em Processadores Paralelos, Campinas SP: UNICAMP. 4 p. ese (Doutorado em Engenharia Elétrica), Universidade Estadual de Campinas. Santos, H.G., (00), Ambiente de Utilização e Gerenciamento de Recursos de Otimização Combinatória Distribuídos, Santa Maria RS: UFSM. 0 p. ese (Mestrado em Engenharia de Produção), Universidade Federal de Santa Maria. ENEGEP 00 ABEPRO
Vol. 20, No. 1, junho de 2000 Pesquisa Operacional
Vol. 20, No. 1, junho de 2000 Pesquisa Operacional 31 UMA HEURÍSTICA DE TROCAS PARA O PROBLEMA DE SEQUENCIAMENTO DE TAREFAS EM PROCESSADORES UNIFORMES Felipe Martins Müller Universidade Federal de Santa
Leia maisESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS
ESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS João Vitor Moccellin Departamento de Engenharia de Produção Escola de Engenharia de São Carlos, Universidade de São Paulo. Av. Trabalhador
Leia maisAnálise empírica de algoritmos de ordenação
Análise empírica de algoritmos de ordenação Mario E. Matiusso Jr. (11028407) Bacharelado em Ciências da Computação Universidade Federal do ABC (UFABC) Santo André, SP Brasil mario3001[a]ig.com.br Resumo:
Leia maisAnálise de Desempenho da Paralelização do Problema de Caixeiro Viajante
Análise de Desempenho da Paralelização do Problema de Caixeiro Viajante Gabriel Freytag Guilherme Arruda Rogério S. M. Martins Edson L. Padoin Universidade Regional do Noroeste do Estado do Rio Grande
Leia maisAlgoritmos Branch e Bound para o problema de sequenciamento em uma única máquina
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Algoritmos Branch e Bound para o problema de sequenciamento em uma única máquina Carlos E. Ferreira Instituto de Matemática e Estatística, IME, USP 05508-090,
Leia maisA IMPORTÂNCIA DE THREADS NO DESEMPENHO DE APLICAÇÕES
A IMPORTÂNCIA DE THREADS NO DESEMPENHO DE APLICAÇÕES Euzébio da Costa Silva 1, Victor Pereira Ribeiro 2, Susana Brunoro Costa de Oliveira 3 1 29520-000, euzebioprogramacao@gmail.com 2 29520-000, victor3ifes@gmail.com
Leia maisImplementação de um escalonador de processos em GPU
Implementação de um escalonador de processos em GPU Guilherme Martins guilhermemartins@usp.br 6 de abril de 2017 Guilherme Martins (guilhermemartins@usp.br) Implementação de um escalonador de processos
Leia maisCOMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS Rosiana da Silva Lopes Danilo César Rodrigues Azevedo rosianalopes16@gmail.com danilo.azevedo@ufpi.edu.br.com
Leia maisAnálise da Performance de um Modelo de Escalonamento Baseado em Pesquisa Tabu Aplicado em um Sistema de Manufatura Flexível
Análise da Performance de um Modelo de Escalonamento Baseado em Pesquisa Tabu Aplicado em um Sistema de Manufatura Flexível Antonio G. RODRIGUES, Leandro T. HOFFMANN e Arthur T. GÓMEZ Universidade do Vale
Leia maisPROGRAMAÇÃO DA PRODUÇÃO FLOW SHOP PERMUTACIONAL COM MINIMIZAÇÃO DO TEMPO MÉDIO DE FLUXO
PROGRAMAÇÃO DA PRODUÇÃO FLOW SHOP PERMUTACIONAL COM MINIMIZAÇÃO DO TEMPO MÉDIO DE FLUXO Marcelo Seido Nagano Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo Av. dos Bandeirantes,
Leia maisGrupo de Usuários Java do Noroeste Paulista. Introdução à tecnologia Java
Grupo de Usuários Java do Noroeste Paulista Introdução à tecnologia Java Referências http://www.java.sun.com; Ivan Luiz Marques Ricarte, Faculdade de Engenharia Elétrica e de Computação-UNICAMP (http://www.dca.fee.unicamp.br/~ricarte/welcome.html);
Leia maisOtimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos
Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Lauro Ramon GOMIDES 1, Gelson da Cruz JUNIOR 2, Cassio
Leia maisPROGRAMAÇÃO DA PRODUÇÃO EM SISTEMAS POR BATELADAS: UM ESTUDO PARA A OTIMIZAÇÃO DO MAKESPAN
PROGRAMAÇÃO DA PRODUÇÃO EM SISTEMAS POR BATELADAS: UM ESTUDO PARA A OTIMIZAÇÃO DO MAKESPAN R. P. da ROCHA 1, M. de F. MORAIS 1, M. A. da S. S. RAVAGNANI 2, C. M. G. ANDRADE 2, C. M. P. R. PARAÍSO 2 1 Universidade
Leia maisCOMPARAÇÃO DO TEMPO DE EXECUÇÃO DE ALGORITMOS MAXMIN EM DIFERENTES PROCESSSADORES
COMPARAÇÃO DO TEMPO DE EXECUÇÃO DE ALGORITMOS MAXMIN EM DIFERENTES PROCESSSADORES Comparison of the Runtime of Algorithms Maxmin in Different Processsadores Walteno Martins Parreira Júnior, Marcio Oliveira
Leia maisAvaliação de Heurísticas de Melhoramento e da Metaheurística Busca Tabu para Solução de PRV
Avaliação de Heurísticas de Melhoramento e da Metaheurística Busca Tabu para Solução de PRV Eliseu Celestino Schopf 1, Claudio Schepke 1, Marcus Lucas da Silva 1, Pablo Furlan da Silva 1 1 Centro de Eletrônica
Leia maisLinear para o Problema de Escalonamento de Workflows em Múltiplos Provedores de Nuvem
Discretização do Tempo na Utilização de Programação Linear para o Problema de Escalonamento de Workflows em Múltiplos Provedores de Nuvem Thiago A. L. Genez, Luiz F. Bittencourt, Edmundo R. M. Madeira
Leia maisMétodos de implementação de linguagens. Kellen Pinagé
Métodos de implementação de linguagens Kellen Pinagé Sumário Métodos de implementação de linguagens Compilação Interpretação pura Híbrido Métodos de implementação de linguagens Principais componentes de
Leia maisBiologia Estrutural. Qualidade de modelos estruturais Prof. Dr. Walter F. de Azevedo Jr. wfdaj.sites.uol.com.br Dr. Walter F. de Azevedo Jr.
Biologia Estrutural Qualidade de modelos estruturais Prof. Dr. Walter F. de Azevedo Jr. Biologia Estrutural Resumo SCOP Modelagem molecular SCOP A primeira versão do SCOP foi liberada em 29 de outubro
Leia maisMemória. Memória Cache
Memória Memória Cache Revisão - Memória Principal Memória que armazena os dados e programas em linguagem de máquina em execução corrente Razoavelmente barata Tempo de acesso da ordem de nano-segundos a
Leia maisUSO DO ALGORITMO GENÉTICO PARA A SOLUÇÃO DE PROBLEMAS DE SEQUENCIAMENTO DA PRODUÇÃO
! "#$ " %'&)(*&)+,.- /0.*&65879&/:.+58;.*=?5.@A*B;.- C)D 5.,.5FE)5.G.+ &- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&E)*EOHJ&)(IHJ/)G.- D - ;./);.& Foz do Iguaçu, PR, Brasil, 09 a de outubro de 007 USO DO ALGORITMO
Leia mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisNuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH
Nuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH Optimization and decision support techniques PDEEC 2007 Introdução A meta-heurística VNS (Variable Neighbourhood Search) é bastante recente
Leia mais4 Testes e experimentos realizados 4.1. Implementação e banco de dados
32 4 Testes e experimentos realizados 4.1. Implementação e banco de dados Devido à própria natureza dos sites de redes sociais, é normal que a maior parte deles possua uma grande quantidade de usuários
Leia maisABORDAGENS PARA RESOLVER O PROBLEMA DA MOCHILA 0/1
ABORDAGENS PARA RESOLVER O PROBLEMA DA MOCHILA 0/1 Éfren Lopes de Souza 1 e Erik Alexander Landim Rafael 2 1 Universidade Federal do Amazonas (UFAM) (efren_lopes@hotmail.com) 2 Instituto Federal de Educação,
Leia maisIntrodução 12 que inuenciam a execução do sistema. As informações necessárias para o diagnóstico de tais problemas podem ser obtidas através da instru
1 Introdução Atualmente a demanda pela construção de novos sistemas de software tem aumentado. Junto com esse aumento também cresce a complexidade das soluções que estão sendo desenvolvidas, o que torna
Leia maisMatéria: Sistema Computacional - SC. Prof.: Esp.: Patrícia Dias da Silva Peixoto
Matéria: Sistema Computacional - SC Prof.: Esp.: Patrícia Dias da Silva Peixoto SISTEMA OPERACIONAL E TIPOS DE SISTEMAS OPERACIONAIS O QUE É UM SISTEMA OPERACIONAL (S.O.). Por mais complexo que possa parecer,
Leia maisFundamentos da Informática Aula 03 - Sistemas operacionais: Software em segundo plano Exercícios Professor: Danilo Giacobo
Fundamentos da Informática Aula 03 - Sistemas operacionais: Software em segundo plano Exercícios Professor: Danilo Giacobo Múltipla escolha 1. Em que consiste um sistema operacional: a. Um conjunto de
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho agosto/2013 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisALGORITMO INTERATIVO PARA O PROBLEMA DE EMPACOTAMENTO UNIDIMENSIONAL
ALGORITMO INTERATIVO PARA O PROBLEMA DE EMPACOTAMENTO UNIDIMENSIONAL Thais Andrea Baldissera Frazzon thais@inf.ufsm.br Mestranda no Programa de Pós-Graduação em Engenharia de Produção Universidade Federal
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisDavidson Rodrigo Boccardo
Gerenciamento de processos Davidson Rodrigo Boccardo flitzdavidson@gmail.com Revisão Critérios de alocação: Utilização da CPU Produtividade (Throughput) Número de processos finalizados por unidade de tempo
Leia maisMODELO DE PROGRAMAÇÃO LINEAR INTEIRA MISTA PARA MINIMIZAÇÃO DOS ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM SETUP DEPENDENDE DA SEQUÊNCIA
MODELO DE PROGRAMAÇÃO LINEAR INTEIRA MISTA PARA MINIMIZAÇÃO DOS ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM SETUP DEPENDENDE DA SEQUÊNCIA Cristiano Marinho Vaz, cmv02@hotmail.com Vinícius Ferreira da Silva
Leia maisSISTEMAS OPERACIONAIS. Gerência de Memória Apostila 7
SISTEMAS OPERACIONAIS Gerência de Memória Apostila 7 1.0 INTRODUÇÃO Historicamente, a memória principal sempre foi vista como um recurso escasso e caro. Uma das maiores preocupações dos projetistas foi
Leia maisParalelização do Método de Jacobi em Memória Compartilhada 1
Paralelização do Método de Jacobi em Memória Compartilhada 1 Claudio Schepke cschepke@inf.ufrgs.br 1 PPGC - Instituto de Informática - UFRGS Introdução ao Processamento Paralelo e Distribuído Professor
Leia maisUMA ABORDAGEM MULTIAGENTE PARA A SOLUÇÃO DE PROBLEMAS DO TIPO JOBSHOP
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. UMA ABORDAGEM MULTIAGENTE PARA A SOLUÇÃO DE PROBLEMAS DO TIPO JOBSHOP Carlos Alberto dos Santos Passos (CTI) carlos.passos@cti.gov.br Vitor Massaru Iha
Leia maisMemória Cache. Walter Fetter Lages.
Memória Cache Walter Fetter Lages w.fetter@ieee.org Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica Copyright (c) Walter Fetter Lages p.1 Introdução SRAM
Leia maisGerência de memória III
Gerência de memória III Eduardo Ferreira dos Santos Ciência da Computação Centro Universitário de Brasília UniCEUB Maio, 2016 1 / 45 Sumário 1 Memória Virtual Segmentação Paginação 2 Alocação de páginas
Leia maisAvaliação de métodos heurísticos em sistemas de produção no-wait flow shop
Avaliação de métodos heurísticos em sistemas de produção no-wait flow shop Marcelo Seido Nagano (USP) - drnagano@usp.br Lucas Yamada Scardoelli (USP) - scarty@terra.com.br João Vitor Moccellin (USP) -
Leia maisSistemas Operacionais
Sistemas Operacionais GERÊNCIA da MEMÓRIA MACHADO/MAIA: CAPÍTULO 09 Prof. Pedro Luís Antonelli Anhanguera Educacional Gerenciamento da Memória Programas precisam ser trazidos para a memória para serem
Leia maisSubsistemas de E/S Device Driver Controlador de E/S Dispositivos de E/S Discos Magnéticos Desempenho, redundância, proteção de dados
Sistemas Operacionais Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios Gerência de Dispositivos Subsistemas de E/S Device Driver Controlador de E/S
Leia maisPlanejamento da Produção: Corte de estoque na indústria de móveis. Socorro Rangel Roberto Cavali DCCE/IBILCE
Planejamento da Produção: Corte de estoque na indústria de móveis Socorro Rangel Roberto Cavali DCCE/IBILCE Objetivos Investigar as dificuldades envolvidas no corte da matéria-prima nas indústrias de móveis
Leia maisPCS 2039 Modelagem e Simulação de Sistemas Computacionais
UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA Departamento de Engenharia de Computação e Sistemas Digitais PCS 2039 Modelagem e Simulação de Sistemas Computacionais Graduação em Engenharia de Computação
Leia maisApresentação. Sistemas Operacionais. Universidade Federal de Uberlândia Faculdade de Computação Prof. Dr. rer. nat. Daniel D.
GSI018 Sistemas Operacionais Apresentação Sistemas Operacionais Universidade Federal de Uberlândia Faculdade de Computação Prof. Dr. rer. nat. Daniel D. Abdala Nesta Aula Motivação acerca da disciplina;
Leia maisExperimentos e Resultados
6 Experimentos e Resultados Neste capítulo apresentamos os experimentos realizados e os resultados obtidos pelas heurísticas apresentadas. A primeira parte do capítulo aborda os experimentos e resultados
Leia maisAula 10 Gerenciamento de Memória
Sistemas Operacionais Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios Aula 10 Gerenciamento de Memória Capítulo9 PLT página159 2 1 Gerenciamento de
Leia maisSistemas Operacionais
Introdução 2 a edição Revisão: Fev/2003 Sistemas Operacionais Introdução Capítulo 1 O que se espera de um sistema de computação? Execução de programas de usuários Permitir a solução de problemas Sistema
Leia maisUtilização de Times Assíncronos na Solução do Problema de Cobertura de Conjuntos
Utilização de Times Assíncronos na do Problema de Cobertura de Conjuntos Edison L. Bonotto 1, Marcelo Lisboa Rocha 2. 1 Programa de Pós-graduação em Informática Universidade Federal da Paraíba (UFPB) 58059-900
Leia maisBALANCEAMENTO DE CARGA EM SISTEMAS MULTIPROCESSADORES UTILIZANDO O MODELO DE PROGRAMAÇÃO CHARM++ 1
BALANCEAMENTO DE CARGA EM SISTEMAS MULTIPROCESSADORES UTILIZANDO O MODELO DE PROGRAMAÇÃO CHARM++ 1 Guilherme Henrique Schiefelbein Arruda 2, Edson Luiz Padoin 3. 1 Trabalho desenvolvido no contexto do
Leia maisResumo: Sistemas Operacionais Abertos
Resumo: Sistemas Operacionais Abertos Prof. Michael A. Pontes Processos Um processo é um programa em execução. Enquanto um processo é executado, ele muda de estado. O estado de um processo é definido pela
Leia maisFundamentos de Sistemas Operacionais. Gerência de Memória. Prof. Edwar Saliba Júnior Março de Unidade Gerência de Memória
Gerência de Memória Prof. Edwar Saliba Júnior Março de 2007 1 Memorial... Programas em execução e dados acessados por ele devem estar na memória principal (ou pelo menos parte dele); Porém, a memória principal
Leia maisFundamentos de Sistemas Operacionais
Fundamentos de Sistemas Operacionais Aula 6 Gerenciamento de Memória Prof. Galvez Considerações Gerais Multiprogramação implica em manter-se vários processos em memória Memória necessita ser alocada de
Leia maisParalelização de Algoritmos de CFD em Clusters Multi-Core MC7. Escola de Verão Arquiteturas Multi-Core
RSS-Verão-01/08 p.1/36 Paralelização de Algoritmos de CFD em Clusters Multi-Core MC7 Escola de Verão 2008 Arquiteturas Multi-Core Renato S. Silva LNCC - MCT Janeiro de 2008 RSS-Verão-01/08 p.2/36 Objetivo:
Leia maisImplementação da Especificação de Tempo Real Java para o EPOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA Curso de Ciências da Computação Implementação da Especificação de Tempo Real Java para o EPOS ANDERSON LUIS ZAPELLO Florianópolis, julho de 2005 ANDERSON LUIS ZAPELLO
Leia maisProf. Ms. Ronaldo Martins da Costa
Prof. Ms. Ronaldo Martins da Costa Diferentes conjuntos de etapas que envolvem métodos, ferramentas e procedimentos utilizados no desenvolvimento de software CiclodeVidaClássico Prototipação Modelo Espiral
Leia maisEscalonamento em uma máquina
Capítulo 4 Escalonamento em uma máquina Veremos neste capítulo vários problemas relacionados ao escalonamento em uma máquina. Estes problemas são importantes, pois além de fornecerem idéias para problemas
Leia maisALGORITMOS GENÉTICOS PARA O PROBLEMA DE SEQUENCIAMENTO EM MÁQUINAS PARALELAS NÃO-RELACIONADAS COM TEMPOS DE PREPARAÇÃO DEPENDENTES DA SEQUÊNCIA
ALGORITMOS GENÉTICOS PARA O PROBLEMA DE SEQUENCIAMENTO EM MÁQUINAS PARALELAS NÃO-RELACIONADAS COM TEMPOS DE PREPARAÇÃO DEPENDENTES DA SEQUÊNCIA Matheus Nohra Haddad 1, Marcone Jamilson Freitas Souza 1,
Leia maisESTUDO DE REGRAS DE SEQUENCIAMENTO PARA MINIMIZAÇÃO DO ATRASO EM AMBIENTE FLOW SHOP COM TEMPOS DE SETUP
ESTUDO DE REGRAS DE SEQUENCIAMENTO PARA MINIMIZAÇÃO DO ATRASO EM AMBIENTE FLOW SHOP COM TEMPOS DE SETUP Tatiane Carvalho Silva (UFG ) tatiane_economiaufg@hotmail.com Helio Yochihiro Fuchigami (UFG ) heliofuchigami@yahoo.com.br
Leia maisALGORITMOS AVANÇADOS UNIDADE I Análise de Algoritmo - Notação O. Luiz Leão
Luiz Leão luizleao@gmail.com http://www.luizleao.com Conteúdo Programático 1.1 - Algoritmo 1.2 - Estrutura de Dados 1.2.1 - Revisão de Programas em C++ envolvendo Vetores, Matrizes, Ponteiros, Registros
Leia maisAlgoritmos e Estruturas de Dados I. Universidade Federal de São João del-rei Pedro Mitsuo Shiroma Sala 119 Bloco 3
Algoritmos e Estruturas de Dados I Universidade Federal de São João del-rei Pedro Mitsuo Shiroma Sala 119 Bloco 3 História da computação ENIAC (1946-1955) 5000 op/seg 30 toneladas; 18 mil válvulas; 140
Leia mais6 Resultados Estratégias Consideradas
Resultados 38 6 Resultados Este capítulo mostra algumas estratégias consideradas antes de chegarmos ao sistema proposto, mostra também os resultados obtidos ilustrados por diversos experimentos computacionais,
Leia maisScheduling and Task Allocation ADVANCED COMPUTER ARCHITECTURE AND PARALLEL PROCESSING Hesham El-Rewini 2005 Capítulo 10 Autor...: Antonio Edson Ceccon Professor..: Prof. Heitor Silvério Lopes Apresentação
Leia maisSEQUENCIAMENTO DE TAREFAS EM MÁQUINAS PARALELAS CONSIDERANDO DESGASTES DEPENDENTES DA SEQUÊNCIA
SEQUENCIAMENTO DE TAREFAS EM MÁQUINAS PARALELAS CONSIDERANDO DESGASTES DEPENDENTES DA SEQUÊNCIA Vívian Ludimila Aguair Santos Universidade Federal de Viçosa Campus Universitário, 36570-900, Viçosa-MG,
Leia maisSOBRE ESCALONAMENTO EM MÁQUINAS PARALELAS COM CAPACIDADES DISTINTAS
SOBRE ESCALONAMENTO EM MÁQUINAS PARALELAS COM CAPACIDADES DISTINTAS Mitre Costa Dourado 1 Rosiane de Freitas Rodrigues 2 Jayme Luiz Szwarcfiter 3 1 Instituto de Ciências Exatas - UFRRJ e NCE-UFRJ 2 Engenharia
Leia maisSO: SISTEMAS OPERACIONAIS Curso: Sistemas de Informação
SO: SISTEMAS OPERACIONAIS Curso: Sistemas de Informação - Definições - Ementa - Objetivos - Unidades de Ensino - Bibliografia - Processo de Avaliação Paulo César do Amaral Pereira SISTEMA COMPUTACIONAL
Leia maisHardware: Componentes Básicos. Sistema de Computador Pessoal. Anatomia de um Teclado. Estrutura do Computador. Arquitetura e Organização
Hardware: Componentes Básicos Arquitetura dos Computadores Dispositivos de Entrada Processamento Dispositivos de Saída Armazenamento Marco Antonio Montebello Júnior marco.antonio@aes.edu.br Sistema de
Leia maisNa Aula Anterior... Escalonamento de Processos. Nesta Aula. Escalonamento. Comportamento de um Processo. Historicamente...
GSI018 Sistemas Operacionais 05/09/2016 Escalonamento de Processos Na Aula Anterior... Universidade Federal de Uberlândia Faculdade de Computação Prof. Dr. rer. nat. Daniel D. Abdala Utilização de Processos
Leia maisCurso: Redes de Computadores
Curso: Redes de Computadores Cadeira de Introdução a Sistemas Operacionais. Bibliografia Sistemas Operacionais Modernos Andew S. Tanembaum Sistema Operacionais Abraham Silberchatz, Peter Galvin e Greg
Leia maisTécnicas de Processamento Paralelo na Geração do Fractal de Mandelbrot
Técnicas de Processamento Paralelo na Geração do Fractal de Mandelbrot Bruno Pereira dos Santos Dany Sanchez Dominguez Esbel Tomás Evalero Orellana Universidade Estadual de Santa Cruz Roteiro Breve introdução
Leia maisUm Método Para Planejamento da Produção em Sistemas de Manufatura Flexível
Vitória, ES, 7 a 0 de setembro de 0. Um Método Para Planejamento da Produção em Sistemas de Manufatura Flexível Gustavo Silva Paiva Departamento de Ciência da Computação, Universidade Federal de Ouro Preto
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisInformática I. Aula 2. Ementa
Informática I Aula 2 http://www.ic.uff.br/~bianca/informatica1/ Aula 2-29/08/2007 1 Ementa Noções Básicas de Computação (Hardware, Software e Internet) HTML e Páginas Web Internet e a Web Javascript e
Leia maisModelo de Programação Paralela
Modelo de Programação Paralela As arquiteturas paralelas e distribuídas possuem muitos detalhes Como especificar uma solução paralela pensando em todos esses detalhes? O que queremos? Eecutar a solução
Leia maisCRIVO QUADRÁTICO: IMPLEMENTAÇÃO DA OBTENÇÃO DE UM CONJUNTO DE NÚMEROS COMPLETAMENTE FATORADOS SOBRE UMA BASE DE FATORES
CRIVO QUADRÁTICO: IMPLEMENTAÇÃO DA OBTENÇÃO DE UM CONJUNTO DE NÚMEROS COMPLETAMENTE FATORADOS SOBRE UMA BASE DE FATORES Alex Zanella Zaccaron1; Adriana Betânia de Paula Molgora2 1Estudante do Curso de
Leia maisProjeto e Análise de Algoritmos
Projeto e Algoritmos Pontifícia Universidade Católica de Minas Gerais harison@pucpcaldas.br 26 de Maio de 2017 Sumário A complexidade no desempenho de Quando utilizamos uma máquina boa, ela tende a ter
Leia maisAnálise do desempenho computacional dos métodos Inserção Direta, Bolha, ShellSort e ComboSort
Análise do desempenho computacional dos métodos Inserção Direta, Bolha, ShellSort e ComboSort SILVA, Paulo; SCHANTZ, Douglas; VILNECK, Igor; SILVEIRA, Felipe; CHICON, Patricia Mariotto Mozzaquatro Universidade
Leia maisInteligência Artificial
Inteligência Artificial Aula #2: Resolução de Problemas Via Busca Prof. Eduardo R. Hruschka 1 Agenda Tipos de Problemas Estados únicos (totalmente observável) Informação parcial Formulação do Problema
Leia maisGerência da Memória Memória Virtual. Adão de Melo Neto
Gerência da Memória Memória Virtual Adão de Melo Neto 1 Memória Principal Antigamente Recurso escasso Desenvolvimento de um sistema operacional (SO) que não ocupassem muito espaço de memória principal
Leia maisAula 2: Tipos de Sistemas Operacionais. Instituto Federal da Bahia Campus Salvador INF009 - Sistemas Operacionais Profª Flávia Maristela
Aula 2: Tipos de Sistemas Operacionais Instituto Federal da Bahia Campus Salvador INF009 - Sistemas Operacionais Profª Flávia Maristela O que veremos nesta aula? Principais tipos de sistemas operacionais
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisIntrodução à Computação: Sistemas de Computação
Introdução à Computação: Sistemas de Computação Beatriz F. M. Souza (bfmartins@inf.ufes.br) http://inf.ufes.br/~bfmartins/ Computer Science Department Federal University of Espírito Santo (Ufes), Vitória,
Leia maisGerência de Recursos. Gerência do Processador
Gerência de Recursos Gerência do Processador Escalonamento Não-Preemptivos e Preemptivos Preempção - possibilidade de o SO interromper um processo em execução e substituí-lo por um outro. O Escalonamento
Leia maisAPLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O
APLICAÇÃO DE META-HEURÍSTICAS À ENGENHARIA DE PRODUÇÃ O João Carlos Zayatz Universidade Estadual de Maringá jcarloszay@gmail.com Gislaine Camila Lapasini Leal Universidade Estadual de Maringá gclleal@uem.br
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia maisDesenvolvimento de Software I
Desenvolvimento de Software I Prof. Arnaldo Martins Hidalgo Junior arnaldo@flash.tv.br http://aulashidalgo.wordpress.com 5 h/a (2 aulas semanais) http://aulashidalgo.wordpress.com 1 Competências Avaliar
Leia maisAula 06 - Máquina Multinível e Von Neumann
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus Currais Novos Instalação e Organização de Computadores Aula 06 - Máquina Multinível e Von Neumann Prof. Diego Pereira
Leia maisArquiteturas Paralelas
ORGANIZAÇÃO E ARQUITETURA DE COMPUTADORES Arquiteturas Paralelas Medidas de desempenho Alexandre Amory Edson Moreno Índice 2 1. Introdução 2. Medidas de Desempenho Introdução 3 Aumento de desempenho dos
Leia maisSISTEMAS OPERACIONAIS
SISTEMAS OPERACIONAIS Introdução a Sistemas Operacionais Andreza Leite andreza.leite@univasf.edu.br Plano de Aula Introdução aos Sistemas Operacionais Fundamentação Teórica Evolução Histórica Características
Leia maisUSO DO ALGORITMO GENÉTICO PARA SOLUÇÃO DO PROBLEMA DE CORTE E EMPACOTAMENTO BIDIMENSIONAL. Wanderlyn Fernandes Duarte Facci/Funcesi
USO DO ALGORITMO GENÉTICO PARA SOLUÇÃO DO PROBLEMA DE CORTE E EMPACOTAMENTO BIDIMENSIONAL Wanderlyn Fernandes Duarte Facci/Funcesi wanderfd@gmail.com Fabricio Roulin Bittencout Facci/Funcesi fabriciorb@gmail.com
Leia maisIntrodução à Informática
Introdução à Informática Aula 3 http://www.ic.uff.br/~bianca/introinfo/ Aula 3-12/09/2007 1 Objetivo da disciplina O objetivo dessa disciplina é dar ao aluno noções básicas de computação. Serão apresentados
Leia mais1 Introdução. I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho
1 Introdução I know because I must know. It's my purpose. It's the reason I'm here. (The Matrix) 1.1 Objetivos do trabalho Os hardwares gráficos atualmente podem ser considerados como verdadeiros processadores
Leia maisUma Proposta para Migração de Páginas Linux
Uma Proposta para Migração de Páginas Linux 1 - Introdução 2 - Gerencia de Memória em Sistemas Operacionais com Suporte a NUMA 2.1 O Gerente de Memória do Linux 2.2 Estratégias para Migração de Páginas
Leia maisDesempenho. Sistemas de Computação
Desempenho Definição Medidas de desempenho utilizadas Tempo de resposta ou tempo de execução: tempo decorrido entre o início da execução de um programa e o seu final Quantidade de trabalho realizada em
Leia maisFundamentos de Sistemas Operacionais. Threads. Prof. Edwar Saliba Júnior Março de Unidade Threads
Threads Prof. Edwar Saliba Júnior Março de 2007 1 Definição Partes de um processo que compartilham mesmo espaço de endereçamento Sub-rotina de um programa executada paralelamente ao programa chamador (execução
Leia maisTecnólogo em Análise e Desenvolvimento de Sistemas. Sistemas Operacionais (SOP A2)
Tecnólogo em Análise e Desenvolvimento de Sistemas Sistemas Operacionais (SOP A2) Conceitos de Hardware e Software Referências: Arquitetura de Sistemas Operacionais. F. B. Machado, L. P. Maia. Editora
Leia maisTecnólogo em Análise e Desenvolvimento de Sistemas. Sistemas Operacionais (SOP A2)
Tecnólogo em Análise e Desenvolvimento de Sistemas Sistemas Operacionais (SOP A2) Visão Geral Referências: Sistemas Operacionais Modernos. Andrew S. Tanenbaum. Editora Pearson. 3ª ed. 2010. Seção: 1.1
Leia maisDesenvolvimento de um Escalonador de Cenas para motores de jogos
Desenvolvimento de um Escalonador de Cenas para motores de jogos Lucas Pinheiro Otaviano Andre 1 1 Instituto Metrópole Digital Universidade Federal do Rio Grande do Norte (UFRN) lpoandre@inf.ufrgs.br Abstract.
Leia maisUM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO
UM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO Bruno Mota Avelar Almeida, Túlio Ângelo Machado Toffolo, Marcone Jamilson Freitas Souza
Leia maisUm estudo computacional de dois algoritmos de programação dinâmica com utilização eficiente de cache
Um estudo computacional de dois algoritmos de programação dinâmica com utilização eficiente de cache Guilherme S. Ribeiro 1, Marcus Ritt 1, Luciana S. Buriol 1 1 Instituto de Informática Universidade Federal
Leia maisAula 4 TECNOLOGIA EM JOGOS DIGITAIS JOGOS MASSIVOS DISTRIBUÍDOS. Marcelo Henrique dos Santos
Aula 4 TECNOLOGIA EM JOGOS DIGITAIS JOGOS MASSIVOS DISTRIBUÍDOS Marcelo Henrique dos Santos Marcelo Henrique dos Santos Email: Site: marcelosantos@outlook.com www.marcelohsantos.com.br TECNOLOGIA EM JOGOS
Leia mais