双层结构的基于模糊逻辑的多级队列调度程序

文摘

在操作系统决定哪个CPU调度程序对序列和任务可以运行的时间长度是不容易的,因为调度器只有数量有限的有关任务的信息。良好的调度程序应该公平,最大化吞吐量,减少系统的响应时间。就绪队列调度器与多级队列调度分区为多个队列。更高级别的队列分配优先级时,总是得到更多的优先级队列在低水平。不幸的是,有时候低优先级任务会饿死,因为调度器保证低优先级任务后,方可安排更高优先级的任务。而决策调度程序只关心的一个因素,也就是说,优先级,但忽略了其他因素,可能会影响系统的性能。这个问题,我们提出一种多级队列调度器的双层架构基于模糊集理论(VMLQ)。VMLQ调度程序处理的数据impreciseness以及改善低优先级任务的饥饿问题。这项工作也优化性能指标,提高了系统的响应时间。通过使用MatLab仿真性能评估。 Simulation results prove that the VMLQ scheduler performs better than the classical multilevel queue scheduler and fuzzy based multilevel queue scheduler.

1。介绍

在多任务操作系统中,同时需要执行多个任务。因此,CPU调度程序在操作系统中扮演一个主的角色,因为它的CPU时间在不同的任务。调度的决定下一个任务的CPU调度程序运行调度算法。因此,系统的性能在很大程度上不同调度算法。多级队列调度算法(MLQ)是一个更好的算法,操作系统设计师(1,2]。

操作系统内核的CPU时间划分不同的队列取决于其I / O和CPU的要求。但这一比例是固定的;它不能改变动态变化使用,因为内核不知道任务的具体参数,如优先级的任务。然而,在MLQ,优先级调度程序在决策中发挥着关键作用。最近的演进MLQ调度器对改善MLQ贡献的方法,但没有显著的增强方法考虑不确定性因素(3]。有一个方法使用模糊逻辑[在文学,适应变化4]。

本文专注于任务的参数的处理不确定性和impreciseness使用另一种方法,即模糊逻辑。模糊逻辑是一个扩展模糊逻辑的形成,这已经成为一个专门的工具来处理不精确的信息。这一目标,设计了一个模糊推理系统在调度程序处理不确定性和impreciseness的任务。这项工作也集中在改善MLQ调度程序的性能。我们引入一种新的基于模糊逻辑的MLQ调度程序执行两个主要功能。首先,它分配CPU时间不同队列之间的动态适应变化与使用的变化。第二,它解决了饥饿问题的低优先级任务决策使用基于模糊多级队列调度算法。与这两个函数VMLFQ调度器也提高了系统的响应时间使系统响应更快。

本文组织如下。部分2论述了介绍MLQ调度算法和MLQ相关工作。部分3给出了简短的想法关于模糊集理论与模糊集合理论,以及它是如何不同。节4介绍的双层架构VMLQ调度器。部分5详细描述了仿真和结果。最后一节6总结提出的工作,讨论了未来的范围。

2。相关工作

MLQ调度算法创建不同的任务可以分为不同的群体。调度器组织系统分成多个单独的队列的就绪队列主要用于交互式和后台任务5]。它是一个扩展的形式的优先级调度,调度程序分配每个任务永久根据其优先级队列,类型的任务,和内存大小。每个任务都有不同的响应时间需求和可能有不同的调度需求。大多数操作系统,包括Windows、Linux和OS X,支持多级队列的一种形式6]。让我们考虑两个队列的两种不同类型的任务:互动和批处理任务,交互式任务有更高的优先级在批处理任务。在这种类型的系统中,调度安排的任务从这两个队列,如图1。

然而,每个队列都有自己的调度算法;通常交互任务运行的轮循调度技术和批处理任务运行(先到先得7]。这些必须运行之间的队列调度算法。从最高优先级队列调度分派任务和执行任务预先或无优先。有两种不同的可能性之间的安排的任务队列。在固定优先级调度执行从较高优先级队列的所有任务。低优先级的任务从批处理队列将不被执行,除非较高优先级队列是空的。在这种类型的调度,将会有机会出现饿死的4]。

然而在第二种类型,每个队列被一个固定数量的CPU时间迭代进一步分布在其任务。应该在上面的例子中,就绪队列划分为2小就绪队列,Q1和Q2, Q1有相同的优先级任务从1到吗和Q2从来。在multiqueue抢占式优先级的调度技术,从1到所有任务在准备subqueue Q1将完成任何任务之前从准备subqueue Q2来。在队列分配的CPU可能使用任何技术,但主要使用轮询调度高优先级Q1和低优先级队列,也就是说,Q2,使用先。有不同的静态技术可用于整个队列共享CPU时间。例如,每个subqueue可以得到CPU时间的分数;假设100秒的CPU时间可以静态地划分为50秒在Q1的所有任务或80%或20% Q2等等(1]。

正如我们前面所提到的,有非常有限的文献可供MLQ调度算法。舒克拉等人提出了一个MLQ使用马尔可夫链模型调度算法(8]。这个调度程序可以执行动作的随机数基于不同处理状态和等待状态。通过添加队列优先级调度策略的智能,这个系统可以表现的更好。纳赛尔等人已经引入了一个新的分组调度算法称为动态多级队列调度无线网络(9]。纳赛尔等人提出了一个算法队列的大小可以根据应用程序需求(不同9]。沙阿等人提出了多级混合调度算法为处理器在网格环境的最优化利用10]。但这些工作没有考虑不确定性和impreciseness的任务。例如,优先级低的任务小CPU时间一直是分配给下级队列使用这些技术;但处理impreciseness动态而不是修复队列优先级的基础上,这项任务可能会分配到更高的队列,可以提高调度程序的性能。

陈守煜教授设计了一个理论来处理不精确的数据提供的范围进一步增强[11- - - - - -14]。不同的调度算法在文献利用模糊集理论(15- - - - - -17]。察哈尔、Raheja探索这个范围,介绍了一个基于模糊MLQ调度算法。我们称之为算法FMLQ调度算法(4]。他们已经引入了一个动态方法之间共享CPU时间不同的队列和提供了一个基于模糊的解决方案在固定数量的CPU时间分布。毫无疑问,FMLQ调度算法带来了不精确的信息和解决方案也改善了系统的性能。我们目前的工作探索的范围进一步增强技术处理不确定性和impreciseness发展一个更好的方式。因此,本工作使用模糊集理论的概念,这是一个模糊集合理论的扩展形式。

VMLQ调度器的重要方面是,它提供了一个动态共享队列的CPU时间。它不仅考虑的主要因素MLQ调度优先级,还考虑了不确定性和impreciseness有关。VMLQ调度器可以提高系统的性能MLQ调度和FMLQ调度算法。

在下一节中,我们将描述我们工作的核心部分,即模糊集理论。

3所示。模糊集理论

陈守煜教授在1965年已经彻底改变了逻辑理论通过引入模糊集理论。在模糊集理论中每个对象都有单独的隶属程度在0和1之间。让是话语的宇宙,在那里

定义1(模糊集)。一个模糊集在是一组有序的对吗,在那里是元素的隶属程度在一组。更大的价值意思是,元素属于一组(11]。

提出了著名的模糊集理论扩展,如2型模糊集隶属度函数,从一组地图1型模糊集的区间。这样的2型集模糊集的映射闭区间的集合。这样一个区间值模糊集的特征是一个成员函数,,该为每个元素分配一个等级的成员在一个连续的实数区间范围,而不是单个值。它还分配一个会员等级的子区间每个元素。这个子区间跟踪的证据:证据支持和反对的证据。介绍了昆兰两个值,和描述一个命题。是最大的上下界的概率来自的证据和是最大的下限吗源自于证据。

1993年,高斯和Buehrer教授已经扩展这个单一成员概念两个会员的概念,true-membership函数和false-membership功能记录的下界。他们解决了两个隶属度,单独的支持程度和程度的反对而不是单个成员的价值在模糊集理论。这些成员值甚至可以同时处理两个证据。他们已经调查这一个隶属度不能给更多的准确性。高斯和Buehrer介绍了基于区间理论,也就是说,模糊集理论,在单个成员的理论。这两个定义隶属度函数true-membership函数和false-membership功能概括了模糊集。,(18]。

定义2(模糊集)。一个模糊集在特点是true-membership函数和一个false-membership函数: 在哪里是一个下界的会员等级来自的证据和是一个下界的否定源自于证据。有一个高阶检查两个独立成员值总额不能超过1;也就是说,。因此,会员等级在模糊集是有界的子区间的。这表明如果模糊等级的会员,然后(18]。

定义3(模糊值)。的时间间隔被称为“模糊的价值”的在。模糊集被编写为 让我们考虑一个模糊的价值在一个模糊的。在这里,,,0.2是犹豫了价值不属于真实价值或错误的值。总这些值的范围在0和1之间(19,20.]。

3.1。偏差对模糊集的模糊集

让是一个论域;假设系统的静态优先级的任务的集合。让是一个模糊的所有“中优先级任务”,让是一个模糊集的“中优先级任务”。假设一个专家e1建议隶属程度为一个对象在模糊集他的专长。而在另一边,另一位专家e2建议两个会员和对相同的对象在模糊集合他的专长。两专家e1和e2传感能力的限制,评估能力和工作能力与现实生活的情况。模糊集,没有进一步检查隶属程度。然而,专家e2建议独立程度的会员但可以进一步检查通过维护约束(21]。

4所示。基于模糊逻辑的多级队列CPU调度程序

VMLQ调度器有观察的能力、学习和持有的信息准备好了任务。这种学习能力使得调度器能够足够的动态响应,因此在队列中分配不同的CPU时间不同的情况。假设在时间Q1的CPU时间是65%,第二季度剩下的35%,尽管在时间,75%的CPU时间可以给Q1和Q2剩下的25%。传统的调度分配固定共享队列(1]。但是我们的调度器动态响应取决于就绪队列的当前状态。VMLQ调度程序主要完成两个任务。首先,它分配CPU时间不同队列之间的动态适应变化与使用的变化。第二,它解决了饥饿问题的低优先级任务决策使用基于模糊多级队列调度算法。

VMLQ调度器有两层,如图2。底层运行模糊推理系统和上层运行调度算法。在下一节中,我们详细讨论这些层的工作。

4.1。模糊推理系统VMLQ调度器

模糊推理图表达的所有步骤从vaguification devaguification (21)如图3。模糊推理系统(VIS)地图的输入的输出使用模糊集理论(22]。这种映射提供了一个基础的决定。我们考虑单处理器系统,支持的活力数量的任务。

Vaguification。Vaguification数学过程,决定了投入的程度的归属感的隶属度函数形式。需要输入从宇宙的话语脆形式并将它转换成适当的模糊数据,在那里代表true-membership价值和代表false-membership价值。

让我们假设宇宙的话语,其中一个元素用和代表了用户的优先级任务。

过程中vaguification,隶属度函数和中定义的(3)是应用于脆输入这样程度的真理和错误的程度可以确定。它处理的impreciseness考虑隶属度最大和最小值的输入,这同样不精确的值将被分散在所有任务。因此,这不会影响最后的决定。考虑 定义的隶属度函数应该遵循的四个公理和所有公理在图表示4。

公理1。 。

公理2。 。

公理3。 。

公理4。 。

模糊的数据可以表示成

知识库。它作为存储的任务做好准备。与任务相关的所有信息就像破裂时间,用户优先级,到达时间,最高优先级,最低优先级,活跃任务等等都存储在系统。考虑

规则库。主要由规则库如果- - - - - -然后规则。在我们的规则库中,我们定义了两个规则基于系统中任务的数量准备好了。考虑

模糊推理引擎。它提取的信息,,从vaguification过程从规则库。vaguifying数据后,系统知道支持的程度和程度的反对。基于度,模糊推理引擎评估规则库中定义的规则。之后,根据评估、系统计算如下: 这一阶段的结果模糊值分配给每个任务。推理过程应该遵循公理5。可以将多个输入传递到推理的过程。

Axiom 5。 。

Devaguification。devaguification的目的是找到的脆值输出。通常,所需的输出是一个数字。然而,模糊推理引擎产生多个模糊值对输入变量。Devaguification过程将多个输出值转换为一个数字。因此,任务的最大模糊值选择的输出如图5。

脆值的输出CPU共享计算乘以100年最大模糊值如下:

4.2。基于模糊多级队列调度算法

在VMLQ就绪队列调度算法是分为两个队列,Q1和Q2,如图6。Q1举行互动任务而Q2是后台任务。因为互动任务是最高优先级的任务在所有的任务(3),因此这对于Q1在Q2引发更高的优先级。分配给每个队列的任务是永久MLQ调度算法。所以,从第一季度的任务不能搬到Q2,反之亦然。

动态共享CPU时间在Q1和Q2。Q1 (Q1_time)的CPU时间是计算使用模糊推理系统中讨论部分4.1。Q2的CPU时间(Q2_time)计算使用的CPU共享Q1。第一季度的任务与CPU只为Q1_time派遣。然而,从Q2得到CPU任务只有当要么Q1_time变零个或Q1就空了。两个队列有自己的调度算法,互动和后台任务都需要不同的回应。

每个队列都有它自己的调度算法,因为这两种类型的任务有不同的响应时间需求。第一季度交互式任务计划使用轮循调度算法(RR) [23,24];这意味着每个任务分派到CPU只对特定时间量子。每一次量子期满后,当前运行的任务抢占和Q1的下一个任务将安排CPU。这一进程的CPU从一个任务切换到另一个任务被称为上下文切换是完全系统的开销,因为没有执行有用的工作期间由系统上下文切换(16]。有时破裂时间的任务是在0.1到0.5秒当量子到期时间,从而增加等待时间的任务以及上下文切换系统的数量。减少上下文切换,VMLFQ调度器不会抢占任务如果剩下的破裂时间小于0.5秒。

VMLQ调度器使用新先到先得(NFCFS)调度算法Q2的所有任务。NFCFS调度算法调度的任务系统中,只要它的到来。然而,传统的先安排下一个任务的调度算法只有在完成第一个任务的执行。在交互式环境中,响应时间的主要因素是测量性能的调度器。先无优先类型的调度算法提高了响应时间以及等待时间为每个任务(1),而NFCFS抢占式调度算法,提高了响应时间比先。

4.2.1。准备算法

步骤1。分类任务到交互式和基于破裂时间的后台任务。

步骤2。I / O绑定的任务分配给Q1和Q2 CPU绑定的任务:N1 =第一季度的任务数量,N2 = Q2的任务数量。

步骤3。根据破裂时间按升序排序Q1。

步骤4。计算Q1的CPU时间分配比例:Q1_time = CPU_分享(使用(8))。

第5步。计算Q2的CPU时间(Q2_time):Q2_time = 100−Q1_time)。

步骤6。安排的任务从Q1使用RR调度算法:时间量子(TQ) = Q1_time /N1。

步骤7。如果(Q1_time = = 0N1 = = 0)计划任务使用NFCFS从Q2。

步骤8。每次循环后重复步骤1到8直到(N2 = = 0)。

5。仿真和结果

性能指标必须仔细选择,因为他们反映系统的特点。选择的指标如下。响应时间被定义为一个系统的时间响应用户输入。这是最重要的因素之一在CPU调度算法。另一个指标被认为是在我们的工作等待时间,这被定义为的时间任务就绪队列中的等待CPU。在我们的工作中,总等待时间的等待时间是任务在较高优先级队列和低优先级队列。下一个指标是周转时间,总时间被从其提交完成的任务。最后一个指标是规范化的周转时间,相对延迟的任务1]。所有这些参数代表的减少值改善系统的性能。我们有提议VIS-VMLQ使用MatLab实现。比较算法的性能与传统MLQ FMLQ,下面的过程了。

为每一个被认为是,多组随机任务。然后这三个算法被用来安排的任务。结果表明,VMLQ方法比其他方法执行。我们展示三个调度算法MLQ FMLQ, VMLQ的帮助下任务集的例子下表1。总共16个任务被认为是,这些11任务被归类为互动/ IO绑定任务和剩余5作为背景/ CPU绑定的任务。I / O绑定的任务由T和CPU绑定的任务通过c .假设所有措施在几秒钟内。假设恒定每个算法的CPU周期时间为20秒。说明了每个算法的调度序列的甘特图。

图7显示任务集的调度序列表1MLQ调度算法。MLQ, Q1的任务使用RR调度算法和使用先从Q2算法。让我们考虑静态时间量子7秒的长度。作为讨论的部分2,分配固定的80% (16 s) CPU份额Q1和Q2剩下的20% (4 s)。在第一个周期的任务T1、T2和T3计划直到16 s和C1定于4 s如图7(一)。

直到结束的第二周期任务T1、T2、T3、T4完成他们的执行,如图7 (b)。同样Q1和Q2的任务安排在第三和第四周期如图7 (c)和7 (d)。第四周期后,Q1变得空荡荡的。现在20多岁的完整周期分配给Q2。第二季度任务的调度序列数据所示7 (e),7 (f),7 (g),7 (h),分别。

图8显示了时间序列与FMLQ相同的任务集的调度算法。应用FMLQ之后,它返回时间为第一个周期量子的大小5 s和CPU份额为65%(13)而Q1为Q2剩下的35% (7)。Q1的最短任务计划第一个CPU,如图8(一个)。任务从第二季度计划一旦到达队列;因此C1和C2定于3.5 s。

在第二周期,FMLQ给CPU份额Q1(14)和85% (6 s) 15%。每个任务在Q1定于4 s,时间量子Q1如图8 (b)。而对于第三和第四周期,FMLQ返回时间量子Q1的大小随着3 s和4 s,分别。同样,它返回CPU份额为70%和80%,分别。在FMLQ,如果剩下的破裂时间小于或等于1,任务不会抢占,而完成其执行,表示图8 (c)。

第三个周期,所有的CPU绑定进程抵达Q2和计划一旦CPU。第四周期任务C1已经恢复其执行4 s如图8 (d)。

所有I / O绑定的任务已经完成了它们的执行第五周期如图8 (e)。后来整个CPU共享已经分配给Q2。从数据我们可以看到完整的调度8 (f)- - - - - -8 (j)。

图9说明了每个任务的调度顺序使用VMLQ相同的任务集。第一周期VIS返还70%(15.8秒)CPU共享Q1中讨论部分4Q2和30%(4.2秒)。VMLQ算法返回时间量子Q1为5.4秒。这两个任务,T1和T2,定于5.4 s,如图9(一个)。

任务在Q2派出FMLQ讨论的一样。这两个任务,C1和C2,定于2.1 s。第二周期,VMLQ返回CPU占有率Q1为69%(12.6)和时间量为3.2年代而它返回CPU共享Q2 31%,如图9 (b)。

第三周期,Q1接收15.3 CPU时间和Q2得到4.7年代的CPU周期,如图9 (c)。的T4和T5恢复和完成执行的任务。同样,CPU时间已经计算了Q1的第四和第五周期为13.9和14.4年代,分别。第四周期,从第一季度的所有任务派遣一旦与CPU如图9 (d)。在第五周期Q1变成空的,如图9 (e)。从第六周期起所有的CPU时间是给CPU绑定的任务如图9 (f)。我们代表所有周期后5日一分之一单甘特图。

除了CPU时间的分布在Q1和Q2,我们也感兴趣的系统的性能改进。所以,基于上述讨论的甘特图,计算性能指标、响应时间、等待时间、周转时间,规范化的周转时间为所有任务。所有算法的各自的输出数据所示10,11,12,13,分别。

然后我们比较了平均等待时间、平均响应时间、平均周转时间正常化这三个算法如图14。在设在,“1”代表MLQ调度算法,“2”代表FMLQ调度,“3”代表VMLQ调度算法。

可以看到从图14有大价值下降的平均响应时间从MLQ FMLQ和FMLQ VMLQ。跳伞代表性能的改善。然而,有轻微偏差平均等待时间、平均周转时间和平均归一化周转时间是可以接受的,是多任务的响应时间是主要的相当大的因素或互动系统。

我们重复这个过程随机设置多个任务。进一步计算所有permformance外邦人每个任务集。最后,我们将这三种算法的结果如图15,16,17,18。

导致数据15,16,17,18表明VMLQ在MLQ和FMLQ极佳的性能。在所有算法,VMLQ最低平均响应时间。,这是可以理解的性能改进与响应时间可以稍微增加其他因素包括平均等待时间和平均归一化周转时间,我们已经讨论了我们的工作。VMLF调度算法有更好的性能主要由两个原因。

VMLQ调度器是非常有效的建议的体系结构高度动态环境中共享CPU时间动态地在多个队列,并进一步在每个队列的任务。它处理impreciseness更多更好的方法相比,模糊集理论。除了共享CPU时间,减少响应时间提高了低优先级队列的饥饿问题至少一次任务以来将CPU系统,只要它的到来。

6。结论

VMLQ调度器的双层架构介绍了提供解决方案的两个基本问题在经典MLQ算法和FMLQ算法。首先,它更适合动态分配CPU时间在多个队列,因为它功能近似输入参数,用户的优先级,任务的数量。此外,它可以提高系统的平均响应时间,因此解决了饥饿的低优先级队列。提出的方法实现了使用MatLab,脆的输入模糊推理系统优先级并将其转换成模糊数据处理impreciseness的数据。仿真结果中5证明该算法极好地改善MLQ经典调度算法的性能和FMLQ调度算法。在未来,VMLQ调度算法可以扩展就绪队列的多个分区。

利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. 答:Silberschatz p·b·加尔文,操作系统概念约翰•威利& Sons新德里,印度,2008年版,6日。
2. w .切除了操作系统内部和设计原则培生教育,第六版,2006年版。
3. m . v . Panduranga饶和k . c . Shet”分析新的多级反馈队列调度程序的实时内核,“国际期刊的计算认知,8卷,5-16,2010页。视图:谷歌学术搜索
4. 诉察哈尔、s Raheja“基于模糊多级队列调度算法,”第二届国际会议上的进步计算、通信和信息(ICACCI 13)2013年8月,页115 - 120。视图:出版商的网站|谷歌学术搜索
5. 美国Lim和S.-B。秋,“智能操作系统进程调度与用户模型,使用模糊推理”应用人工智能的新趋势卷,4570在计算机科学的课堂讲稿施普林格,页725 - 734年,柏林,德国,2007年。视图:出版商的网站|谷歌学术搜索
6. Kadhim和k . m . AI-Aubidy设计和评价一个基于模糊CPU调度算法施普林格,柏林,德国,2011年。
7. n .本·d·Jianqiang x郭亮,l . Hongning y日月,w .泉,“一个新的操作系统调度算法,”先进的电子商务研究、Web应用程序和沟通卷,143年,页92 - 96,施普林格,2011年。视图:谷歌学术搜索
8. d·舒克拉美国Ojha, s . Jain”数据模型的方法和基于马尔可夫链的分析多队列调度水平,”应用数学计算机科学杂志》上,8卷,不。4,50-56,2010页。视图:谷歌学术搜索
9. n .纳赛尔·l·卡里姆,t·塔勒布,“动态多级优先级数据包调度方案对无线传感器网络来说,“IEEE无线通信,12卷,不。4、1448 - 1459年,2013页。视图:出版商的网站|谷歌学术搜索
10. s . n·m·沙a·k·b·马哈茂德和a·奥克斯利”动态多级双队列调度算法对网格计算,”软件工程和计算机系统卷,179通信在计算机和信息科学施普林格,页425 - 440年,柏林,德国,2011年。视图:出版商的网站|谷歌学术搜索
11. 洛杉矶德,“模糊集”,信息和控制,8卷,不。3、338 - 353年,1965页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
12. 洛杉矶德”,让电脑像人一样思考,“IEEE频谱,8卷,26 - 32,1983页。视图:谷歌学术搜索
13. r·e·贝尔曼和洛杉矶德”,决策在模糊环境中,“管理科学,17卷,不。4、141 - 164年,1970页。视图:出版商的网站|谷歌学术搜索
14. 洛杉矶德,“有需要模糊逻辑吗?”信息科学,卷178,不。13日,2751 - 2779年,2008页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
15. 答:a . Aburas诉Miho,“基于模糊逻辑的单处理器调度的算法,”计算机和通信工程国际会议(ICCCE ' 08)IEEE,页499 - 504年,2008年5月。视图:出版商的网站|谷歌学术搜索
16. s . Raheja r . Dhadich s拉西普,”一个最佳时间量子使用语言合成进行轮循调度算法,”软计算的国际期刊,3卷,不。1,57 - 66,2012页。视图:谷歌学术搜索
17. A . Rezaee A . m .,压力和s . Adabi”模糊自适应多级队列管理算法和QoS反馈,”《国际会议上手持电脑的高性能计算和仿真(11)IEEE,页121 - 127年,伊斯坦布尔,Turky, 2011年7月。视图:出版商的网站|谷歌学术搜索
18. w l。高斯和d . j . Buehrer“模糊集”IEEE系统,人与控制论,23卷,不。2、610 - 614年,1993页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
19. a . Lu和w·Ng,模糊集和直觉模糊集来处理模糊数据:是哪一个更好?3716卷。在计算机科学的课堂讲稿施普林格,2005年。
20. h . Bustince和p . Burillo“直觉模糊集,模糊集”模糊集和系统,卷79,不。3、403 - 405年,1996页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
21. 美国Raheja和r . Dhadich多值逻辑建模含糊不清,”国际期刊的计算机应用程序,卷61,不。7,35-39,2013页。视图:谷歌学术搜索
22. s . Raheja r . Dhadich, s .拉西普”两级CPU调度程序使用模糊逻辑设计”,模糊系统的进步文章ID 841976卷,2014年,10页,2014。视图:出版商的网站|谷歌学术搜索
23. r . j . Matarneh“自动调节时间量子在轮询调度算法根据现在运行的进程的破裂时间,“美国应用科学杂志》上》第六卷,没有。10日,1531 - 1537年,2009页。视图:谷歌学术搜索
24. h . m .公园j . Yoo j .崔,C.-K。金,“量子基础固定优先级调度,”诉讼的先进的计算机理论和工程国际会议(ICACTE ' 08),页64 - 68,普吉岛,泰国,2008年12月。视图:出版商的网站|谷歌学术搜索

版权

版权©2014 Supriya Raheja等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。