چکیده مقاله
زمان بندی پردازنده یکی از مهم ترین وظایف سیستم عامل است که تاثیر مستقیمی بر شاخص های کارایی مانند زمان انتظار، زمان پاسخ، توان عملیاتی، بهره وری پردازنده و عدالت در تخصیص منابع دارد با افزایش پیچیدگی سامانه های رایانشی و پویایی بارهای کاری، الگوریتم های سنتی زمان بندی نظیر FCFS، SJF، Round Robin و Priority Scheduling در بسیاری از شرایط قادر به ارائه عملکرد بهینه نیستند در سال های اخیر، روش های مبتنی بر هوش مصنوعی شامل یادگیری ماشین، یادگیری تقویتی و الگوریتم های فراابتکاری به عنوان راهکارهایی نوین برای بهبود تصمیم گیری در زمان بندی پردازنده مورد توجه قرار گرفته اند این مقاله با رویکردی توصیفی تحلیلی، نقش این فناوری ها را در پیش بینی زمان اجرای فرایندها، تنظیم پویای سیاست های زمان بندی و بهینه سازی چندمعیاره عملکرد سیستم بررسی می کند همچنین تاثیر این روش ها بر شاخص هایی مانند کاهش زمان انتظار، کاهش زمان پاسخ، افزایش توان عملیاتی، بهبود بهره وری پردازنده، کاهش مصرف انرژی و ارتقای عدالت میان فرایندها تحلیل می شود نتایج بررسی نشان می دهد که به کارگیری هوش مصنوعی، به ویژه در محیط های پویا و پیچیده، می تواند کارایی الگوریتم های زمان بندی را به طور محسوسی افزایش دهد، هرچند چالش هایی نظیر سربار محاسباتی، نیاز به داده های آموزشی و قابلیت تبیین تصمیمات همچنان وجود دارد در پایان، مسیرهای پژوهشی آینده برای توسعه زمان بندهای هوشمند و تطبیقی ارائه شده است
کلیدواژهها
نویسندگان
ارکیده نمازی
دانش آموز پایه هفتم دبیرستان دخترانه محراب،تهران،ایران
سمانه غنی
عضو هیئت علمی دانشگاه آزاد اسلامی، مهندسی کامپیوتر، اراک، ایران
نازنین فاطمه سادات حسینی شریف
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، مهندسی کامپیوتر، اراک، ایران
شیوه ارجاع
�نی، سمانه و حسینی شریف، نازنین فاطمه سادات،1405،بررسی تحلیلی نقش هوش مصنوعی درارزیابی وبهبود کارایی الگوریتمهای زمانبندی پردازندهمروری تحلیلی بر کاربرد روش های هوش مصنوعی در ارزیابی و بهینه سازی الگوریتم های زمان بندی پردازنده،دومین کنفرانس بین المللی مدیریت، علوم کامپیوتر و هوش مصنوعی،تهران
ارائهشده در
کنفرانس ملی مهندسی عمران، معماری و توسعه شهری31 خرداد 1405 · بابل