آموزش موتور محاسبات توزیع شده Matlab

در ادامه آموزش های سایت همیارپروژه آموزش نرم افزار متلب ارائه خواهد شد .آموزشها از مقدماتی تا پیشرفته ادامه دارد و ما به شما نرم افزار را یاد خواهیم داد. با ما همراه باشید.

موتور محاسبات توزیع شده Matlab

قبل از انجام محاسبات توزیع شده، ما نیاز به پیکربندی محدود محاسبات داریم.

مراحل اساسی این است:

ابتدا، سرویس MDCE در هر کامپیوتر درگیر شروع می شود و سپس Job Manager شروع می شود.

کارگران مزاحم برای هریک از مدیر کارها شروع می شود.

بخش متلب درگیر در محاسبات در پس زمینه در عین حال آغاز شده است.

تمام (Worker کارگران) مزاحم روی یک مدیر کار، یک محیط محاسبات توزیع شده متلب را تشکیل می دهند.

و محیط های مختلف می توانند ساخته شوند.

متلب در برخی از کامپیوترها آغاز شده است، یک مثال Job Manager ایجاد شده.

ما می توانیم محاسبات موازی و توزیع شده سودمند آنها را انجام دهیم.

گردش کار به شرح زیر است:

برهم زدن وظیفه به چندید وظیفه و سپس ارائه کردن آنها به مدیریت کار.

سپس M آنها را برای ارزیابی به صورت اختصاصی به Worker ها ب اساس تعداد آنها و در دسترس بودن آنها توزیع می کند.

سپس Worker ها وظایف را کامل می کنند و نتایج را به M باز می گردانند.

پس از اینکه همه Worker ها وظایف توزیع شده به آنها را کامل کردند .

M نتایج همه وظایف را در Job به جلسه مشتری باز می گرداند.

بعد، ما محیط محاسبات توزیع شده متلب با دو کامپیوتر را به عنوان یک مثال، پیکربندی خواهیم کرد.

به طور مشابه می توانیم با کامپیوترهای بیشتری ارائه دهیم. ما ویندوز Node 1 ، XP SP2 و Node 2 را به عنوان نام های کامپیوتری میزبانمان انتخاب می کنیم.

MDCE و جعبه ابزار ،هر دو نسخه ۳٫۳  می باشند. یک J.M روی گره ۳ ایجاد کنید ، سپس یک Worker در هر دو گره ایجاد کنید.

به شرح زیر انجام دهید:

روی دکمه Start کلیک کنید، و سپس از قسمت Run ، عبارت CMD را تایپ کنید، یک پنجره DOS ظاهر خواهد شد.

سپس دستورات را به شرح زیر وارد کنید:

حالا Windows Task Manager را در گره ها شروع کنید، شما هر دو فرآیند mdce.exe و matlab را در کارت انتخاب فرآیند خواهید دید.

توجه داشته باشید که Firewall را در فرآیند پیکربندی و اجرا کردن MDCE ببندید.

 

آماده سازی ACO موازی در متلب

در حال حاضر دو نوع اصلی از ACO های موازی وجود دارد:

استراتژی دانه ریز

استراتژی دانه درشت

در این مقاله ما یک تحقق از ACO موازی دانه درشت مبتنی بر Matlab را ارائه می دهیم.

شرح الگوریتم به صورت زیر است:

پارامترهای استفاده شده در بالا به صورت زیر توضیح داده می شود:

P: تعداد گره ها K: زمان ها برای تکرار ACO ترتیبی، به منظور استفاده راحت مناسب  ACO موازی شده به شکل تابع تحقق یافته است.

تابع PACO به شرح زیر است:

اولین ورودی پارامتر JM، یک شی Job Manager است دستورات زیر را در پنجره فرمان Matlab وارد کنید:

دیاگرام جریان محاسبات توزیع شده در متلب

گزینه های پارامتر می توانند از تابع acooptimset بدست می آیند. دو فیلد(k,p) اضافه خواهند شد.

این تابع به طور عمده یک شی وظیفه موازی ایجاد می کند و برخی از پارامترهای مربوطه را مرتب می کند .

کلید وظیفه Pasco قرار گرفته روی آن است که فایل تابع m موازی اجرا شده روی Worker های هر گره است

در اینجا آشنایی با نرم افزار متلب قسمت صدو چهارم به پایان رسید می‌شویم و در آموزش های بعدی به مباحث دیگر نرم افزار متلب می پردازیم. همچنین از شما مخاطبین عزیز سایت همیارپروژه دعوت می کنم که برای انجام پروژه های متلب خود آموزش های ما را دنبال نمایید.

نویسنده : زهرا رستمی

جهت سفارش پروژه به لینک زیر مراجعه نمایید :

سفارش پروژه

همچنین می توانید برای ارتباط سریعتر با شماره و آیدی تلگرام زیر تماس حاصل کنید :
۰۹۱۲۹۵۴۰۱۲۲ – آیدی تلگرام : @fnalk

از طریق کلیک برروی آیکن های زیر میتوانید پروژه خود را در تلگرام و یا واتساپ برای ما ارسال کنید:

ثبت سفارش در واتس آپ ثبت سفارش در تلگرام