Buscar

 

RI UFLA (Universidade Federal de Lavras) >
Revistas UFLA >
Infocomp >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/9943

Title: Servidor Genético: uma abordagem de balanceamento de carga baseada em algoritmo de aprendizado de máquina genético para agregados de computadores
Other Titles: Genetic Server: a genetic machine learning approach for load balancing in cluster computing configurations
???metadata.dc.creator???: Pinto, A. R.
Dantas, M. A.R.
Keywords: Algoritmo de aprendizado de máquina genético
Agregados de computadores
Balanceamento de carga
Genetic machine learning algorithm
Cluster computing
Load balancing
Publisher: Editora da UFLA
???metadata.dc.date???: 1-Mar-2006
Citation: PINTO, A. R.; DANTAS, M. A. R. Servidor Genético: uma abordagem de balanceamento de carga baseada em algoritmo de aprendizado de máquina genético para agregados de computadores. INFOCOMP: Journal of Computer Science, Lavras, v. 5, n. 1, p. 51-60, Mar. 2006.
???metadata.dc.description.resumo???: A utilização de agregados de computadores está cada vez mais presente no contexto computacional atual. Um dos grandes problemas de tais ambientes, muitas vezes, é a má utilização dos recursos computacionais. O módulo de escalonamento de processos é um importante componente para a melhoria de distribuição das cargas do sistema. Neste artigo, apresentamos uma abordagem de escalonamento dinâmico de processos baseada em sistemas classificadores. O Servidor Genético realiza a integração entre os clientes e o ambiente de agregado de computadores, utilizando sistemas classificadores para o balanceamento de carga. Sistemas classificadores são algoritmos de aprendizado de máquina, baseados em algoritmos genéticos, altamente adaptáveis. Em adição, apresentamos  a implementação do pacote de software necessário para a execução dos testes,  o qual é testado sob o paradigma de uma arquitetura mestre-escravo de agregados de computador. Nossos resultados experimentais demonstram um diferencial na capacidade de adaptação do sistema classificador mediante o ambiente sob qual está inserido.
Abstract: Cluster configurations are a cost effective scenarios which are becoming common options to enhance several classes of applications in many organizations. In this article, we present a research work to enhance the load balancing, on dedicated and non-dedicated cluster configurations, based on a genetic machine learning algorithm. Our approach is characterized by an on time assignment scheme using a classifier system. Classifier systems are learning machine algorithms, based on high adaptable genetic algorithms. We developed a software package which was designed to test the proposed scheme in a master-slave Cow (Cluster of Workstation) and Now (Network of Workstation) environment. Experimental results, from two different operating systems, indicate the enhanced capability of our load balancing approach to adapt in cluster configurations.
Other Identifiers: http://www.dcc.ufla.br/infocomp/index.php/INFOCOMP/article/view/122
???metadata.dc.language???: eng
Appears in Collections:Infocomp

Files in This Item:

There are no files associated with this item.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback