Buscar en Google Scholar
Título: Planificación de Tareas Dependientes Representadas por Grafos Acíclicos Dirigidos para Sistemas Computacionales Heterogéneos
Asesor(es): Alfaro Casas, Luis
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2018
Institución: Universidad Nacional de San Agustín de Arequipa
Resumen: En la actualidad, el procesamiento de grandes cantidades de datos es requerido por diferentes áreas, tanto en la academia como en la industria, para esto se utilizan sistemas computacionales heterogéneos, sin embargo, un aspecto muy importante en el procesamiento es la planificación de tareas. En el presente trabajo, se propone una metodología para la selección de un adecuado algoritmo de planificación, siguiendo métricas, las cuales brindan los datos necesarios para saber si el algoritmo tendrá buen desempeño tanto en el tipo de aplicaciones como en las características del sistema heterogéneo. Ademas, se proponen dos algoritmos de plani cación: (i) Predict Earliest Finish Time with Clustering - PEFTC, el cual toma en cuenta las mejores características del algoritmo PEFT, pero en la etapa de asignación de recursos lo realiza en agrupaciones de tareas, esto mejora el desempeño al minimizar la comunicación entre tareas; (ii) Constrained Predict Earliest Finish Time - CoPEFT, el cual fue basado en las mejores características de los algoritmos PEFT y CEFT, aprovecha el cálculo que se realiza en el algoritmo CEFT, al encontrar caminos críticos restringidos, y en la fase de asignación de recursos utiliza la tabla de costos optimista propuesto por el algoritmo PEFT, preservando la complejidad algorítmica establecida en ambos algoritmos
Disciplina académico-profesional: Doctorado en Ciencias de la Computación
Institución que otorga el grado o título: Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Producción y Servicios
Grado o título: Doctor en Ciencias de la Computación
Fecha de registro: 14-ene-2019



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons