پیوندهای مفید
آمار
| تعداد نشریات | 22 |
| تعداد شمارهها | 710 |
| تعداد مقالات | 10,251 |
| تعداد مشاهده مقاله | 71,963,915 |
| تعداد دریافت فایل اصل مقاله | 63,715,274 |
مدلسازی روشهای پردازش موازی برای بهینه سازی اختصاص منابع تحت قید دینامیک غیرخطی | ||
| مدل سازی در مهندسی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 18 خرداد 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2026.38634.2884 | ||
| نویسندگان | ||
| محمدرضا دوست محمدیان* 1؛ زولفیا گابیدولینا2؛ حمیدرضا ربیعی3 | ||
| 1دانشگاه سمنان | ||
| 2دانشگاه فدرال کازان روسیه | ||
| 3دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، ایران | ||
| تاریخ دریافت: 20 مرداد 1404، تاریخ بازنگری: 02 دی 1404، تاریخ پذیرش: 11 خرداد 1405 | ||
| چکیده | ||
| در این مقاله به مدلسازی و ارایه روشهای پردازش موازی در سیستمهای غیرمتمرکز برای کاربرد بهینه سازی اختصاص منابع پرداخته می شود. افزایش علاقه به الگوریتمهای توزیعشده و موازی به دلیل پیشرفتهای اخیر در اینترنت اشیا و محاسبات ابری میباشد. بهینهسازی توزیعشده در شبکههای چندعاملی به عنوان یک راهحل مؤثر برای کاربردهای بزرگمقیاس، مانند بهینهسازی تخصیص منابع در شبکههای هوشمند انتقال قدرت و برنامه ریزی بهینه شبکه پردازنده ها در این مقاله ارایه شده است. این الگوریتمهای غیرمتمرکز مزایایی نسبت به الگوریتمهای متمرکز دارند، از جمله مقاومت در برابر خرابی یک عامل (نود)، مقیاسپذیری و بهبود کارایی درشبکه های پیچیده. در این روش بجای تحلیل داده ها در یک نود پردازشگر و به صورت متمرکز، داده ها بین چندین نود پردازشگر توزیع شده و به صورت محلی پردازش شده و سپس پارامترهای مساله به صورت موازی و مشارکتی به اشتراک گذاشته شده و هماهنگ می شوند. همچنین در این مقاله قیود غیرخطی از قبیل کوانتیزاسیون لگاریتمی و اشباع برای دینامیک عاملها در نظر گرفته شده است. کارایی روش غیرمتمرکز پیشنهادی با شبیه سازی در نرم افزار متلب صحت سنجی شده است. | ||
| کلیدواژهها | ||
| بهینه سازی غیرمتمرکز؛ اختصاص منابع؛ پردازش موازی؛ شبکه های پیچیده | ||
| عنوان مقاله [English] | ||
| Modelling Parallel Processing Methods for Resource Allocation under Nonlinear Dynamic Constraint | ||
| نویسندگان [English] | ||
| mohammadreza doostmohammadian1؛ zulfiya Gabidulina2؛ hamid R. Rabiee3 | ||
| 1ُSemnan University | ||
| 2Kazan Federal University, Russia | ||
| 3Faculty of Computer Engineering, Sharif University of Technology, Iran | ||
| چکیده [English] | ||
| This paper addresses the modeling of parallel processing methods in decentralized systems for resource allocation optimization. The growing interest in distributed and parallel algorithms stems from recent advances in the Internet of Things (IoT) and cloud computing. Distributed constrained optimization in multi-agent networks is proposed as an effective solution for large-scale applications, such as resource allocation optimization in smart power transmission networks and optimal scheduling of CPU processing networks in data centers. These decentralized algorithms offer advantages over centralized ones, including fault tolerance against single agent (node) failure, scalability, and improved performance in complex networks. Instead of analyzing data at a single processing node centrally, data is distributed among multiple distributed processing nodes and processed locally; subsequently, problem parameters are shared and coordinated in a collaborative distributed way. Also, we consider nonlinear constraints on the nodes/agents dynamic, such as quantization and saturation. The efficiency of this method has been validated through simulations in MATLAB. | ||
| کلیدواژهها [English] | ||
| Decentralized Optimization, Resource Allocation, Parallel Processing, Complex Networks | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 52 |
||