Szeregowanie zada« Przedmiot fakultatywny 15h wykªadu + 15h wicze« dr Hanna Furma«czyk. 7 pa¹dziernika 2013

Podobne dokumenty
Szeregowanie zada« Wykªad nr 5. dr Hanna Furma«czyk. 4 kwietnia 2013

Szeregowanie zada« Wykªad nr 4. dr Hanna Furma«czyk. 21 marca 2013

Szeregowanie zada« Wykªad nr 6. dr Hanna Furma«czyk. 11 kwietnia 2013

Ekonometria. wiczenia 13 Metoda ±cie»ki krytycznej. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Lab. 02: Algorytm Schrage

KLASYCZNE ZDANIA KATEGORYCZNE. ogólne - orzekaj co± o wszystkich desygnatach podmiotu szczegóªowe - orzekaj co± o niektórych desygnatach podmiotu

JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1

Przykªady problemów optymalizacji kombinatorycznej

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

Programowanie wspóªbie»ne

Zadania z kolokwiów ze Wst pu do Informatyki. Semestr II.

1 Metody iteracyjne rozwi zywania równania f(x)=0

Sterowanie procesami dyskretnymi

Podstawy statystycznego modelowania danych Analiza prze»ycia

Rzut oka na zagadnienia zwi zane z projektowaniem list rozkazów

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.

Szeregowanie zadań. Wykład nr 3. dr Hanna Furmańczyk

Wektory w przestrzeni

Wst p teoretyczny do wiczenia nr 3 - Elementy kombinatoryki

Podzbiory Symbol Newtona Zasada szuadkowa Dirichleta Zasada wª czania i wyª czania. Ilo± najkrótszych dróg. Kombinatoryka. Magdalena Lema«ska

Maszyny Turinga i problemy nierozstrzygalne. Maszyny Turinga i problemy nierozstrzygalne

Programowanie wspóªbie»ne

Makroekonomia Zaawansowana

O pewnym zadaniu olimpijskim

Vincent Van GOGH: M»czyzna pij cy li»ank kawy. Radosªaw Klimek. J zyk programowania Java

Metodydowodzenia twierdzeń

1. Odcienie szaro±ci. Materiaªy na wiczenia z Wprowadzenia do graki maszynowej dla kierunku Informatyka, rok III, sem. 5, rok akadem.

c Marcin Sydow Przepªywy Grafy i Zastosowania Podsumowanie 12: Przepªywy w sieciach

Podstawy statystycznego modelowania danych - Wykªad 7

Baza danych - Access. 2 Budowa bazy danych

Metody dowodzenia twierdze«

Notatki z AiSD. Nr 2. 4 marca 2010 Algorytmy Zachªanne.

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski

Bash i algorytmy. Elwira Wachowicz. 20 lutego

Podstawy matematyki dla informatyków

Wst p do informatyki. Systemy liczbowe. Piotr Fulma«ski. 21 pa¹dziernika Wydziaª Matematyki i Informatyki, Uniwersytet Šódzki, Polska

Elementy geometrii analitycznej w przestrzeni

Listy i operacje pytania

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:

Pakiety statystyczne - Wykªad 8

Zbiory i odwzorowania

Modele liniowe i mieszane na przykªadzie analizy danych biologicznych - Wykªad 1

Spis tre±ci. 1 Podstawy termodynamiki - wiczenia 2. 2 Termodynamika - wiczenia 4. 3 Teoria maszyn cieplnych - wiczenia 6

Analizy populacyjne, ªadunki atomowe

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

Systemy operacyjne

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.

Rozwi zania klasycznych problemów w Rendezvous

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Przeksztaªcenia liniowe

Przewodnik u»ytkownika

Wzorce projektowe kreacyjne

Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Programowanie i struktury danych 1 / 44

Zastosowania matematyki

Systemy Wyszukiwania Informacji: Metoda list inwersyjnych

Zestaw 1 ZESTAWY A. a 1 a 2 + a 3 ± a n, gdzie skªadnik a n jest odejmowany, gdy n jest liczb parzyst oraz dodawany w przeciwnym.

Projekt systemy operacyjne 2 - Systemowe mechanizmy synchr

Aplikacje bazodanowe. Laboratorium 1. Dawid Poªap Aplikacje bazodanowe - laboratorium 1 Luty, 22, / 37

Model obiektu w JavaScript

Materiaªy do Repetytorium z matematyki

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb

1. Wprowadzenie do C/C++

Ekonometria - wykªad 8

5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13

Wykªad 1. Wprowadzenie do teorii grafów

EDUKARIS - O±rodek Ksztaªcenia

Modele wielorównaniowe. Problem identykacji

MiASI. Modelowanie analityczne. Piotr Fulma«ski. 18 stycznia Wydziaª Matematyki i Informatyki, Uniwersytet Šódzki, Polska

Podstawy modelowania w j zyku UML

Matematyka dyskretna dla informatyków

Funkcje, wielomiany. Informacje pomocnicze

r = x x2 2 + x2 3.

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1

Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach

MODEL HAHNFELDTA I IN. ANGIOGENEZY NOWOTWOROWEJ Z UWZGL DNIENIEM LEKOOPORNO CI KOMÓREK NOWOTWOROWYCH

*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów

Przetwarzanie sygnaªów

Temat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting.

Elementy geometrii w przestrzeni R 3

P tle. Rozdziaª Wst p. 4.2 P tle P tla for(...);

Zarządzanie Zasobami by CTI. Instrukcja

1. Wprowadzenie do C/C++

i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017

Matematyka dyskretna dla informatyków

Drzewa Gomory-Hu Wprowadzenie. Drzewa Gomory-Hu. Jakub Š cki. 14 pa¹dziernika 2009

Ekonometria Bayesowska

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

2 Skªadnia polece«w pliku

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Podstawy modelowania w j zyku UML

Kolorowanie punktów na pªaszczy¹nie, czyli kilka sªów o geometrii kombinatorycznej.

W poprzednim odcinku... Podstawy matematyki dla informatyków. Relacje równowa»no±ci. Zbiór (typ) ilorazowy. Klasy abstrakcji

Funkcja kwadratowa, wielomiany oraz funkcje wymierne

In»ynierskie zastosowania statystyki wiczenia

x y x y x y x + y x y

Transkrypt:

Przedmiot fakultatywny 15h wykªadu + 15h wicze«7 pa¹dziernika 2013

Zasady zaliczenia 1 wiczenia (ocena): kolokwium, zadania dodatkowe (implementacje algorytmów), praca na wiczeniach. 2 Wykªad (zal): zaliczone wiczenia, zadanie z wykªadu.

Motywacja : cz ± wielozadaniowego systemu operacyjnego, odpowiedzialna za ustalanie kolejno±ci dost pu zada«do procesora [jak rozdzieli czas procesora i dost p do innych zasobów pomi dzy zadania, które w praktyce zwykle o te zasoby konkuruj ] serwery baz danych, organizacja oblicze«rozproszonych, linie produkcyjne, plany zaje szkolnych, konferencji, itp. planowanie projektu, organizacja pracy.

Historia linia produkcyjna Henry'ego Forda (pierwsze lata XX w.), algorytm Jacksona - 1955 (równie» dla produkcji przemysªowej),...

Przykªady 1 Pi zada«o czasach wykonania p 1,..., p 5 = 6, 9, 4, 1, 4 nale»y uszeregowa na trzech identycznych maszynach tak, by zako«czyªy si one mo»liwie jak najszybciej. M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9

Przykªady 1 Pi zada«o czasach wykonania p 1,..., p 5 = 6, 9, 4, 1, 4 nale»y uszeregowa na trzech identycznych maszynach tak, by zako«czyªy si one mo»liwie jak najszybciej. M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Czy ten harmonogram jest poprawny?

Zasady poprawno±ci harmonogramu - wst p»adne zadanie nie mo»e by jednocze±nie wykonywane przez ró»ne maszyny,

Zasady poprawno±ci harmonogramu - wst p»adne zadanie nie mo»e by jednocze±nie wykonywane przez ró»ne maszyny,»aden procesor nie pracuje równocze±nie nad ró»nymi zadaniami,

Zasady poprawno±ci harmonogramu - wst p»adne zadanie nie mo»e by jednocze±nie wykonywane przez ró»ne maszyny,»aden procesor nie pracuje równocze±nie nad ró»nymi zadaniami, ci g dalszy nast pi.

2 Jednodniowy plan zaj (K i - klasy, N j - nauczyciele) N 1 N 2 N 3 K 1 3 2 1 K 2 3 2 2 K 3 1 1 2 N 1 K 2 K 1 K 3 N 2 K 1 K 2 K 3 N 3 K 3 K 1 K 2 0 1 2 3 4 5 6 7 Procesory dedykowane - system otwarty (kolejno± operacji dowolna).

3 Ta±ma produkcyjna (wa»na kolejno± operacji) D 1 D 2 D 3 M 1 3 2 1 M 2 3 2 2 M 3 1 1 2 M 1 D 1 D 3 D 2 M 2 D 1 D 3 D 2 M 3 D 1 D 3 D 2 0 1 2 3 4 5 6 7 8 9 10 11 Procesory dedykowane - system przepªywowy (kolejno± operacji musi by zgodna z numeracj maszyn).

Dziedzina ta zajmuje si szeregowaniem (ukªadaniem harmonogramów) zada«(programów, czynno±ci, prac) na maszynach (procesorach, obrabiarkach, stanowiskach obsªugi).

Dziedzina ta zajmuje si szeregowaniem (ukªadaniem harmonogramów) zada«(programów, czynno±ci, prac) na maszynach (procesorach, obrabiarkach, stanowiskach obsªugi). Szukamy harmonogramu wykonania dla danego zbioru zada«w okre±lonych warunkach, tak by zminimalizowa przyj te kryterium oceny (koszt) uszeregowania.

Dziedzina ta zajmuje si szeregowaniem (ukªadaniem harmonogramów) zada«(programów, czynno±ci, prac) na maszynach (procesorach, obrabiarkach, stanowiskach obsªugi). Szukamy harmonogramu wykonania dla danego zbioru zada«w okre±lonych warunkach, tak by zminimalizowa przyj te kryterium oceny (koszt) uszeregowania. Model deterministyczny: parametry systemu i zada«s od pocz tku znane.

Sposoby obsªugi zada«1 Procesory równolegªe (ka»dy procesor mo»e obsªu»y ka»de zadanie):

Sposoby obsªugi zada«1 Procesory równolegªe (ka»dy procesor mo»e obsªu»y ka»de zadanie): procesory identyczne - wszystkie s jednakowo szybkie, procesory jednorodne - maj ró»ne szybko±ci, ale stosunki czasów wykonania zada«s niezale»ne od maszyn, procesory dowolne - pr dko±ci zale» od wykonywanych zada«.

2 Procesory dedykowane

2 Procesory dedykowane zadania s podzielone na operacje (zadanie Z j skªada si z operacji O ij do wykonania na maszynach M i, o dªugo±ciach czasowych p ij ); zadanie ko«czy si wraz z wykonaniem swej najpó¹niejszej operacji,

2 Procesory dedykowane zadania s podzielone na operacje (zadanie Z j skªada si z operacji O ij do wykonania na maszynach M i, o dªugo±ciach czasowych p ij ); zadanie ko«czy si wraz z wykonaniem swej najpó¹niejszej operacji, dopuszcza si sytuacje, gdy zadanie nie wykorzystuje wszystkich maszyn (operacje puste),

2 Procesory dedykowane zadania s podzielone na operacje (zadanie Z j skªada si z operacji O ij do wykonania na maszynach M i, o dªugo±ciach czasowych p ij ); zadanie ko«czy si wraz z wykonaniem swej najpó¹niejszej operacji, dopuszcza si sytuacje, gdy zadanie nie wykorzystuje wszystkich maszyn (operacje puste),»adne dwie operacje tego samego zadania nie mog wykonywa si rownocze±nie,

2 Procesory dedykowane zadania s podzielone na operacje (zadanie Z j skªada si z operacji O ij do wykonania na maszynach M i, o dªugo±ciach czasowych p ij ); zadanie ko«czy si wraz z wykonaniem swej najpó¹niejszej operacji, dopuszcza si sytuacje, gdy zadanie nie wykorzystuje wszystkich maszyn (operacje puste),»adne dwie operacje tego samego zadania nie mog wykonywa si rownocze±nie,»aden procesor nie mo»e rownocze±nie pracowa nad ró»nymi operacjami.

2 Procesory dedykowane Przykªad 2 i 3. zadania s podzielone na operacje (zadanie Z j skªada si z operacji O ij do wykonania na maszynach M i, o dªugo±ciach czasowych p ij ); zadanie ko«czy si wraz z wykonaniem swej najpó¹niejszej operacji, dopuszcza si sytuacje, gdy zadanie nie wykorzystuje wszystkich maszyn (operacje puste),»adne dwie operacje tego samego zadania nie mog wykonywa si rownocze±nie,»aden procesor nie mo»e rownocze±nie pracowa nad ró»nymi operacjami.

Procesory dedykowane cd. Trzy gªówne typy systemów obsªugi dla maszyn dedykowanych: system przepªywowy (ang. ow shop) - operacje ka»dego zadania s wykonywane przez procesory w tej samej kolejno±ci wyznaczonej przez numery maszyn (przykªad 3), system otwarty (ang. open shop) - kolejno± wykonania operacji w obr bie zada«jest dowolna (przykªad 2), system gniazdowy (ang. job shop) - dla ka»dego zadania mamy dane przyporz dkowanie maszyn operacjom oraz wymagan kolejno±.

Parametry zada«dane: n zada«z = {Z 1,..., Z n }; m maszyn (procesorów) {M 1,..., M m }.

Parametry zada«dane: n zada«z = {Z 1,..., Z n }; m maszyn (procesorów) {M 1,..., M m }. Czas wykonywania zadania Z j Dla procesorów identycznych jest on niezale»ny od maszyny i wynosi p j.

Parametry zada«dane: n zada«z = {Z 1,..., Z n }; m maszyn (procesorów) {M 1,..., M m }. Czas wykonywania zadania Z j Dla procesorów identycznych jest on niezale»ny od maszyny i wynosi p j. Procesory jednorodne M i charakteryzuj si wspóªczynnikami szybko±ci b i, wtedy czas dla M i to p j /b i.

Parametry zada«dane: n zada«z = {Z 1,..., Z n }; m maszyn (procesorów) {M 1,..., M m }. Czas wykonywania zadania Z j Dla procesorów identycznych jest on niezale»ny od maszyny i wynosi p j. Procesory jednorodne M i charakteryzuj si wspóªczynnikami szybko±ci b i, wtedy czas dla M i to p j /b i. Dla maszyn dowolnych mamy czasy p ij zale»ne od zada«i procesorów.

Parametry zada«cd. Moment przybycia zadania Z j : r j (ang. release time). Czas, od którego zadanie mo»e zosta podj te. Warto± domy±lna - zero.

Parametry zada«cd. Termin zako«czenia zadania Z j : d j. Opcjonalny parametr. Wyst puje w dwóch wariantach. Mo»e oznacza czas, od którego nalicza si spó¹nienie (ang. due date), lub termin, którego przekroczy nie wolno (ang. deadline).

Parametry zada«cd. Waga zadania Z j : w j. Opcjonalny parametr, okre±laj cy wa»no± zadania przy naliczaniu kosztu harmonogramu. Domy±lnie zadania s jednakowej wagi i wtedy w j = 1.

Parametry zada«cd. Moment przybycia zadania Z j : r j (ang. release time). Czas, od którego zadanie mo»e zosta podj te. Warto± domy±lna - zero. Termin zako«czenia zadania Z j : d j. Opcjonalny parametr. Wyst puje w dwóch wariantach. Mo»e oznacza czas, od którego nalicza si spó¹nienie (ang. due date), lub termin, którego przekroczy nie wolno (ang. deadline). Waga zadania Z j : w j. Opcjonalny parametr, okre±laj cy wa»no± zadania przy naliczaniu kosztu harmonogramu. Domy±lnie zadania s jednakowej wagi i wtedy w j = 1.

Zadania zale»ne Relacja cz ±ciowego porz dku W zbiorze zada«z mo»na wprowadzi ograniczenia kolejno±ciowe w postaci dowolnej relacji cz ±ciowego porz dku. Wówczas Z i Z j oznacza,»e zadanie Z j mo»e si zacz wykonywa dopiero po zako«czeniu Z i

Zadania zale»ne Relacja cz ±ciowego porz dku W zbiorze zada«z mo»na wprowadzi ograniczenia kolejno±ciowe w postaci dowolnej relacji cz ±ciowego porz dku. Wówczas Z i Z j oznacza,»e zadanie Z j mo»e si zacz wykonywa dopiero po zako«czeniu Z i (czemu?

Zadania zale»ne Relacja cz ±ciowego porz dku W zbiorze zada«z mo»na wprowadzi ograniczenia kolejno±ciowe w postaci dowolnej relacji cz ±ciowego porz dku. Wówczas Z i Z j oznacza,»e zadanie Z j mo»e si zacz wykonywa dopiero po zako«czeniu Z i (czemu? np. Z j korzysta z wyników pracy Z i ).

Zadania zale»ne Relacja cz ±ciowego porz dku W zbiorze zada«z mo»na wprowadzi ograniczenia kolejno±ciowe w postaci dowolnej relacji cz ±ciowego porz dku. Wówczas Z i Z j oznacza,»e zadanie Z j mo»e si zacz wykonywa dopiero po zako«czeniu Z i (czemu? np. Z j korzysta z wyników pracy Z i ). Je±li ograniczenia te nie wyst puj, mówimy o zadaniach niezale»nych (tak si przyjmuje domy±lnie), w przeciwnym razie s one zale»ne.

Zadania zale»ne Relacja cz ±ciowego porz dku W zbiorze zada«z mo»na wprowadzi ograniczenia kolejno±ciowe w postaci dowolnej relacji cz ±ciowego porz dku. Wówczas Z i Z j oznacza,»e zadanie Z j mo»e si zacz wykonywa dopiero po zako«czeniu Z i (czemu? np. Z j korzysta z wyników pracy Z i ). Je±li ograniczenia te nie wyst puj, mówimy o zadaniach niezale»nych (tak si przyjmuje domy±lnie), w przeciwnym razie s one zale»ne. acykliczny digraf (diagram Hassego)

M 1 Z 1 Z 10 Z 5 M 2 Z 2 Z 6 Z 8 M 3 Z 3 Z 4 Z 7 Z 9 0 1 2 3 4 5 6 7 8 9 10 11

M 1 Z 1 Z 10 Z 5 M 2 Z 2 Z 6 Z 8 M 3 Z 3 Z 4 Z 7 Z 9 0 1 2 3 4 5 6 7 8 9 10 11 To nie jest uszeregowanie optymalne.

M 1 Z 1 Z 10 Z 6 Z 8 M 2 Z 2 M 3 Z 3 Z 4 Z 5 Z 7 Z 9 0 1 2 3 4 5 6 7 8 9 10

M 1 Z 1 Z 10 Z 6 Z 8 M 2 Z 2 M 3 Z 3 Z 4 Z 5 Z 7 Z 9 0 1 2 3 4 5 6 7 8 9 10 To jest uszeregowanie optymalne (±cie»ka krytyczna).

Parametry zada«cd. Zadania mog by : niepodzielne - przerwy w wykonaniu s niedopuszczalne (domy±lnie),

Parametry zada«cd. Zadania mog by : niepodzielne - przerwy w wykonaniu s niedopuszczalne (domy±lnie), podzielne - wykonanie mo»na przerwa i podj ponownie, w przypadku maszyn równolegªych nawet na innym procesorze.

Parametry zada«cd. Zadania mog by : niepodzielne - przerwy w wykonaniu s niedopuszczalne (domy±lnie), podzielne - wykonanie mo»na przerwa i podj ponownie, w przypadku maszyn równolegªych nawet na innym procesorze. M 1 Z 2 M 2 Z 1 Z 3 Z 1 M 3 Z 3 Z 3 0 1 2 3 4 5 6 7 8 9

Zasady poprawno±ci harmonogramu (ju» w caªo±ci): w ka»dej chwili procesor mo»e wykonywa co najwy»ej jedno zadanie,

Zasady poprawno±ci harmonogramu (ju» w caªo±ci): w ka»dej chwili procesor mo»e wykonywa co najwy»ej jedno zadanie, w ka»dej chwili zadanie mo»e by obsªugiwane przez co najwy»ej jeden procesor,

Zasady poprawno±ci harmonogramu (ju» w caªo±ci): w ka»dej chwili procesor mo»e wykonywa co najwy»ej jedno zadanie, w ka»dej chwili zadanie mo»e by obsªugiwane przez co najwy»ej jeden procesor, zadanie Z j wykonuje si w caªo±ci w przedziale czasu [r j, ),

Zasady poprawno±ci harmonogramu (ju» w caªo±ci): w ka»dej chwili procesor mo»e wykonywa co najwy»ej jedno zadanie, w ka»dej chwili zadanie mo»e by obsªugiwane przez co najwy»ej jeden procesor, zadanie Z j wykonuje si w caªo±ci w przedziale czasu [r j, ), speªnione s ograniczenia kolejno±ciowe,

Zasady poprawno±ci harmonogramu (ju» w caªo±ci): w ka»dej chwili procesor mo»e wykonywa co najwy»ej jedno zadanie, w ka»dej chwili zadanie mo»e by obsªugiwane przez co najwy»ej jeden procesor, zadanie Z j wykonuje si w caªo±ci w przedziale czasu [r j, ), speªnione s ograniczenia kolejno±ciowe, w przypadku zada«niepodzielnych ka»de zadanie wykonuje si nieprzerwanie w pewnym domkni to-otwartym przedziale czasowym, dla zada«podzielnych czasy wykonania tworz sko«czon sum rozª cznych przedziaªów.

Kryteria kosztu harmonogramu Dla uszeregowanego zadania Z j mo»emy okre±li :

Kryteria kosztu harmonogramu Dla uszeregowanego zadania Z j mo»emy okre±li : moment zako«czenia C i (ang. completion time),

Kryteria kosztu harmonogramu Dla uszeregowanego zadania Z j mo»emy okre±li : moment zako«czenia C i (ang. completion time), czas przepªywu przez system Fi = C i r i (ang. ow time),

Kryteria kosztu harmonogramu Dla uszeregowanego zadania Z j mo»emy okre±li : moment zako«czenia C i (ang. completion time), czas przepªywu przez system Fi = C i r i (ang. ow time), opó¹nienie L i = C i d i (ang. lateness),

Kryteria kosztu harmonogramu Dla uszeregowanego zadania Z j mo»emy okre±li : moment zako«czenia C i (ang. completion time), czas przepªywu przez system Fi = C i r i (ang. ow time), opó¹nienie L i = C i d i (ang. lateness), spó¹nienie T i = max{c i d i, 0} (ang. tardiness),

Kryteria kosztu harmonogramu Dla uszeregowanego zadania Z j mo»emy okre±li : moment zako«czenia C i (ang. completion time), czas przepªywu przez system Fi = C i r i (ang. ow time), opó¹nienie L i = C i d i (ang. lateness), spó¹nienie T i = max{c i d i, 0} (ang. tardiness), znacznik spóxnienia U i = w(c i > d i ), a wi c odpowied¹ (0/1 czyli Nie/Tak) na pytanie czy zadanie si spó¹niªo?.

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria:

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria: dªugo± uszeregowania C max = max{c j : j = 1,..., n},

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria: dªugo± uszeregowania C max = max{c j : j = 1,..., n}, caªkowity (ª czny) czas zako«czenia zadania C j = n i=1 C i,

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria: dªugo± uszeregowania C max = max{c j : j = 1,..., n}, caªkowity (ª czny) czas zako«czenia zadania C j = n i=1 C i, ±redni czas przepªywu F = ( n F i=1 i )/n,

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria: dªugo± uszeregowania C max = max{c j : j = 1,..., n}, caªkowity (ª czny) czas zako«czenia zadania C j = n i=1 C i, ±redni czas przepªywu F = ( n F i=1 i )/n, Przykªad: uszeregowanie na trzech maszynach równolegªych zada«niezale»nych, niepodzielnych.

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria: dªugo± uszeregowania C max = max{c j : j = 1,..., n}, caªkowity (ª czny) czas zako«czenia zadania C j = n i=1 C i, ±redni czas przepªywu F = ( n F i=1 i )/n, Przykªad: uszeregowanie na trzech maszynach równolegªych zada«niezale»nych, niepodzielnych. M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 p 1 = 6, p 2 = 9, p 3 = 4, p 4 = 1, p 5 = 4

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria: dªugo± uszeregowania C max = max{c j : j = 1,..., n}, caªkowity (ª czny) czas zako«czenia zadania C j = n i=1 C i, ±redni czas przepªywu F = ( n F i=1 i )/n, Przykªad: uszeregowanie na trzech maszynach równolegªych zada«niezale»nych, niepodzielnych. M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 p 1 = 6, p 2 = 9, p 3 = 4, p 4 = 1, p 5 = 4 C max = 9

Kryteria kosztu harmonogramu Najcz ±ciej stosowane kryteria: dªugo± uszeregowania C max = max{c j : j = 1,..., n}, caªkowity (ª czny) czas zako«czenia zadania C j = n i=1 C i, ±redni czas przepªywu F = ( n F i=1 i )/n, Przykªad: uszeregowanie na trzech maszynach równolegªych zada«niezale»nych, niepodzielnych. M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 p 1 = 6, p 2 = 9, p 3 = 4, p 4 = 1, p 5 = 4 C max = 9 C j = 6 + 9 + 4 + 7 + 8 = 34

Kryteria cd. Mo»na wprowadza wagi (priorytety) zada«: w 1 = 1, w 2 = 2, w 3 = 3, w 4 = 1, w 5 = 1 M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9

Kryteria cd. Mo»na wprowadza wagi (priorytety) zada«: w 1 = 1, w 2 = 2, w 3 = 3, w 4 = 1, w 5 = 1 M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 caªkowity wa»ony czas zako«czenia w j C j = n i=1 w i C i

Kryteria cd. Mo»na wprowadza wagi (priorytety) zada«: w 1 = 1, w 2 = 2, w 3 = 3, w 4 = 1, w 5 = 1 M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 caªkowity wa»ony czas zako«czenia w j C j = n i=1 w i C i w j C j = 6 + 18 + 12 + 7 + 8 = 51

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i :

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 0 L max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 0 L max = 2 T max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} caªkowite spó¹nienie T j = n i=1 T i M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 0 L max = 2 T max = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} caªkowite spó¹nienie T j = n i=1 T i M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 0 L max = 2 T max = 2 Tj = 4

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} caªkowite spó¹nienie T j = n i=1 T i liczba spó¹nionych zada«u j = n i=1 U i M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 0 L max = 2 T max = 2 Tj = 4

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} caªkowite spó¹nienie T j = n i=1 T i liczba spó¹nionych zada«u j = n i=1 U i M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 0 L max = 2 T max = 2 Tj = 4 Uj = 2

Kryteria oparte na wymaganych terminach zako«czenia maksymalne opó¹nienie L max = max{l j : j = 1,..., n} maksymalne spó¹nienie T max = max{t j : j = 1,..., n} caªkowite spó¹nienie T j = n i=1 T i liczba spó¹nionych zada«u j = n i=1 U i mo»na wprowadza wagi zada«, ª czy kryteria, np. ª czne wa»one spó¹nienie w j T j = n i=1 w i T i. M 1 Z 2 M 2 Z 1 Z 4 M 3 Z 3 Z 5 0 1 2 3 4 5 6 7 8 9 Zadanie: Z 1 Z 2 Z 3 Z 4 Z 5 d i 7 7 5 5 8 L i : -1 2-1 2 0 T i : 0 2 0 2 0 L max = 2 T max = 2 Tj = 4 Uj = 2

Jak to opisa?

Jak to opisa? Notacja trójpolowa

Jak to opisa? Notacja trójpolowa α β γ

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop)

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop)

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop)

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne pmtn - zadania podzielne (ang. preemption)

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne pmtn - zadania podzielne (ang. preemption) prec - zadania zale»ne

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne pmtn - zadania podzielne (ang. preemption) prec - zadania zale»ne r j - ró»ne warto±ci momentów przybycia

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne pmtn - zadania podzielne (ang. preemption) prec - zadania zale»ne r j - ró»ne warto±ci momentów przybycia p j = 1 lub UET - zadania jednostkowe

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne pmtn - zadania podzielne (ang. preemption) prec - zadania zale»ne r j - ró»ne warto±ci momentów przybycia p j = 1 lub UET - zadania jednostkowe p ij {0, 1} lub ZUET - operacje jednostkowe lub puste (procesory dedykowane)

Jak to opisa? Notacja trójpolowa α β γ α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne pmtn - zadania podzielne (ang. preemption) prec - zadania zale»ne r j - ró»ne warto±ci momentów przybycia p j = 1 lub UET - zadania jednostkowe p ij {0, 1} lub ZUET - operacje jednostkowe lub puste (procesory dedykowane) C j d j - istniej wymagane i nieprzekraczalne terminy zako«czenia zada«

Jak to opisa? Notacja trójpolowa α β γ γ - kryterium optymalizacji α - ±rodowisko maszynowe P - procesory identyczne Q - proc. jednorodne R - proc. dowolne O - system otwarty (ang. open shop) F - system przepªywowy (ang. ow shop) J - system ogólny (ang. job shop) β - charakterystyka zada«puste: zadania s niepodzielne, niezale»ne, z r j = 0, czasy wykonania i ewentualne wymagane terminy zako«czenia d j dowolne pmtn - zadania podzielne (ang. preemption) prec - zadania zale»ne r j - ró»ne warto±ci momentów przybycia p j = 1 lub UET - zadania jednostkowe p ij {0, 1} lub ZUET - operacje jednostkowe lub puste (procesory dedykowane) C j d j - istniej wymagane i nieprzekraczalne terminy zako«czenia zada«

cd. warto±ci β: no-idle - procesory musza pracowa w sposób ciagªy, bez okienek

cd. warto±ci β: no-idle - procesory musza pracowa w sposób ciagªy, bez okienek no-wait - okienka mi dzy operacjami w zadaniach s zabronione (proc. dedykowane)

cd. warto±ci β: no-idle - procesory musza pracowa w sposób ciagªy, bez okienek no-wait - okienka mi dzy operacjami w zadaniach s zabronione (proc. dedykowane) intree, outtree, chains,... ró»ne szczególne postaci relacji zale»no±ci kolejno±ciowych (prec).

cd. warto±ci β: no-idle - procesory musza pracowa w sposób ciagªy, bez okienek no-wait - okienka mi dzy operacjami w zadaniach s zabronione (proc. dedykowane) intree, outtree, chains,... ró»ne szczególne postaci relacji zale»no±ci kolejno±ciowych (prec). in-tree out-tree

Przykªady - notacja trójpolowa P3 prec C max

Przykªady - notacja trójpolowa P3 prec C max Szeregowanie niepodzielnych zada«zale»nych na trzech identycznych maszynach równolegªych w celu zminimalizowania dªugo±ci harmonogramu.

Przykªady - notacja trójpolowa P3 prec C max Szeregowanie niepodzielnych zada«zale»nych na trzech identycznych maszynach równolegªych w celu zminimalizowania dªugo±ci harmonogramu. R pmtn, prec, r j U j

Przykªady - notacja trójpolowa P3 prec C max Szeregowanie niepodzielnych zada«zale»nych na trzech identycznych maszynach równolegªych w celu zminimalizowania dªugo±ci harmonogramu. R pmtn, prec, r j U j Szeregowanie podzielnych zada«zale»nych z ró»nymi czasami przybycia i terminami zako«czenia na równolegªych dowolnych maszynach (liczba procesorów jest cz ±ci danych) w celu minimalizacji liczby zada«spó¹nionych.

Przykªady - notacja trójpolowa P3 prec C max Szeregowanie niepodzielnych zada«zale»nych na trzech identycznych maszynach równolegªych w celu zminimalizowania dªugo±ci harmonogramu. R pmtn, prec, r j U j Szeregowanie podzielnych zada«zale»nych z ró»nymi czasami przybycia i terminami zako«czenia na równolegªych dowolnych maszynach (liczba procesorów jest cz ±ci danych) w celu minimalizacji liczby zada«spó¹nionych. 1 r j, C j d j

Przykªady - notacja trójpolowa P3 prec C max Szeregowanie niepodzielnych zada«zale»nych na trzech identycznych maszynach równolegªych w celu zminimalizowania dªugo±ci harmonogramu. R pmtn, prec, r j U j Szeregowanie podzielnych zada«zale»nych z ró»nymi czasami przybycia i terminami zako«czenia na równolegªych dowolnych maszynach (liczba procesorów jest cz ±ci danych) w celu minimalizacji liczby zada«spó¹nionych. 1 r j, C j d j Pytanie o istnienie (brak kryterium kosztu, wi c nic nie optymalizujemy!) uszeregowania zada«niepodzielnych i niezale»nych o ró»nych momentach przybycia na jednej maszynie, tak by»adne zadanie nie byªo spó¹nione.