light box
امتیاز 2.58 الگوریتم بهینه‌سازی زمان‌بندی مبتنی بر کلان داده برای سیستم‌های فیزیکی-سایبری">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 21
تعداد کلمات : 7800
مجله : Computer Communications
انتشار : 2022
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:الگوریتم بهینه‌سازی زمان‌بندی مبتنی بر کلان داده برای سیستم‌های فیزیکی-سایبری مبتنی بر پلت فرم ابری

 چکیده

  در این مقاله، سیستم‌های سایبری-فیزیکی مبتنی بر داده‌های بزرگ (CPS) را از طریق پلت‌فرم‌های ابری و طراحی الگوریتم‌های بهینه‌سازی زمان‌بندی برای بهبود کارایی سیستم مطالعه می‌کنیم. یک طرح زمان‌بندی کار برای دسترسی کارخانه در مقیاس بزرگ تحت معماری محاسبات مشترک لبه ابری پیشنهاد شده است. این روش ابتدا نمودارهای غیر چرخه ای جهت دار را در سرورهای سمت ابر و سرورهای سمت لبه ادغام می کند. دوم، تقسیم وظایف با استفاده از یک استراتژی پارتیشن بندی مبتنی بر مسیر حیاتی برای بهبود موثر دقت تخصیص. سپس تعادل بار را از طریق تخصیص منطقی پردازنده به دست می‌آورد و در نهایت الگوریتم زمان‌بندی کار پیشنهادی را از طریق آزمایش‌های شبیه‌سازی مقایسه و تحلیل می‌کند. سیستم آزمایشی به طور کامل تجزیه و تحلیل، به صورت سلسله مراتبی طراحی و مدل‌سازی شده، شبیه‌سازی می‌شود و داده‌های تجربی با روش‌های مرتبط تحلیل و مقایسه می‌شوند. نتایج تجربی اثربخشی و صحت روش تحلیل زمان اجرا در بدترین حالت و ایده CPS مبتنی بر داده‌های بزرگ ارائه شده در این مقاله را اثبات می‌کند و نشان می‌دهد که دانش کلان داده می‌تواند به بهبود دقت تحلیل زمان اجرا در بدترین حالت کمک کند. این مقاله یک الگوریتم بهینه‌سازی زمان‌بندی مبتنی بر داده‌های بزرگ را برای سیستم‌های سایبری-فیزیکی مبتنی بر یک پلت‌فرم ابری پیاده‌سازی می‌کند که دقت و کارایی الگوریتم را در مقایسه با سایر مطالعات مرتبط حدود ۱۵ درصد بهبود می‌بخشد(سیستم‌های فیزیکی-سایبری).

Title: Big data-driven scheduling optimization algorithm for Cyber–Physical Systems based on a cloud platform

Abstract

 In this paper, we study big data-driven Cyber–Physical Systems (CPS) through cloud platforms and design scheduling optimization algorithms to improve the efficiency of the system. A task scheduling scheme for large-scale factory access under cloud–edge collaborative computing architecture is proposed. The method firstly merges the directed acyclic graphs on cloud-side servers and edge-side servers; secondly, divide the tasks using a critical path-based partitioning strategy to effectively improve the allocation accuracy; then achieves load balancing through reasonable processor allocation, and finally compares and analyses the proposed task scheduling algorithm through simulation experiments. The experimental system is thoroughly analysed, hierarchically designed, and modelled, simulated, and the experimental data analysed and compared with related methods. The experimental results prove the effectiveness and correctness of the worst-case execution time analysis method and the idea of big data-driven CPS proposed in this paper and show that big data knowledge can help improve the accuracy of worst-case execution time analysis. This paper implements a big data-driven scheduling optimization algorithm for Cyber–Physical Systems based on a cloud platform, which improves the accuracy and efficiency of the algorithm by about 15% compared to other related studies.

    دیدگاهها بسته است.

    محصولات مشابه
    کمبود(نقص) توجه و علائم ADHD در بزرگسالان مبتلا به بیماری فابری – یک مطالعه آزمایشی
    خـریـد محـصـول
    مرزهای جدید در مدیریت سرطان رکتوم اولیه و پیشرفته
    خـریـد محـصـول
    ریسک میوکاردیت و پریکاردیت در بزرگسالان جوان به دنبال واکسیناسیون mRNA COVID-19
    خـریـد محـصـول
    بروز میوکاردیت و پریکاردیت در بیماران واکسینه نشده پس از کووید-۱۹
    خـریـد محـصـول
    الگوریتم ازدحام آفتاب پرست کارآمد برای مسئله توزیع بار اقتصادی
    خـریـد محـصـول
    فرآیند بازآفرینی شهری: مورد یک مجتمع مسکونی در حومه رم، ایتالیا
    خـریـد محـصـول
    رابطه پویا بین شاخص سهام و قیمت دارایی: تجزیه و تحلیل بلندمدت
    خـریـد محـصـول
    تشخیص بیماری پوسیدگی طوقه در گندم در شرایط محیطی کنترل شده
    خـریـد محـصـول
    بکارگیری بهینه سازی برای حمایت از مدیریت تطبیقی آب رودخانه ها
    خـریـد محـصـول
    ارزیابی تأثیر آموزش زیست محیطی بر رفتار سازگار با محیط زیست
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا