طراحي مدار تمام جمع كننده توان پايين و سرعت بالا با استفاده از منطق تركيبي
محورهای موضوعی :شیما شهابی 1 , علی هارون آبادی 2 , سید جواد میرعابدینی 3
1 - دانشگاه آزاد اسلامی واحد بوشهر
2 - computer , central branch , azad university , tehran , iran
3 - عضو هیئت علمی دانشگاه آزاد اسلامی واحد تهران
کلید واژه:
چکیده مقاله :
تمام جمع كننده يكي از اساسي ترين بل وكهاي سازنده مدارات ديجيتال مختلف مي باشد و بخش عمدهاي از پردازش سيگنالديجيتال را شامل مي شود. بنابراين افزايش كارايي و بازدهي بلوك جمع كننده باعث بهبود عملكرد كل مدار خواهد شد. در سيستم هايديجيتال يك جمع كننده با توان مصرفي پايين، سرعت بالا و قابليت اطمينان بالا، مطلوب مي باشد. به همين دليل بسياري از محققين درحال تلاش براي بهبود مدار جمع كننده از نظر توان و سرعت ميباشند. در طراحي منطق تركيبي بر خلاف روشهاي مرسوم طراحيجمعكننده از بيش از يك منطق براي پياده سازي استفاده مي شود. به اين شكل كه از ويژگي هاي مهم و تأثيرگذار ديگر روشها بهصورت تركيبي جهت بهبود بازده كلي مدار جمعكننده استفاده ميشود. در اين مقاله به ارائه يك مدار تمام جمعكننده جديدميپردازيم. همه مدارها را با استفاده از نرمافزار HSPICE در تكنولوژيهاي 180 و 90 نانومتر شبيهسازي نموده و نتايج را با ديگرمدارهاي ارائه شده تاكنون مقايسه ميكنيم. در ادامه با نرمافزار Cadence در تكنولوژي 180 نانومتر طرح جانمايي مدار ارائه شده خودرا خواهيم كشيد.
Computational grid systems are a type of large-scale distributed systems, which is most focused on large-scale resource-sharing. The dynamic nature of grid environment and decentralized nature of its resources makes the presence of a capable scheduler application in these systems an absolute necessity. Tasks scheduling is considered a hard problem, so deterministic algorithms cannot effectively solve it. Therefore, many researchers have modified various heuristic algorithms such as genetic algorithm (GA) to solving this problem. Simplicity and parallel nature of GA, which enables it to search the problem space from several different directions, makes GA a good instrument to solve optimization problems. However, this algorithm is more efficient in global searches and has a poor performance in local ones; therefore it should be combined with local search algorithms in order to eliminate this weakness. In this paper, a hybrid scheduling algorithm, which is a combination of GA and variable neighborhood search algorithm, is proposed to solve the problem of scheduling independent tasks on a grid environment. In the proposed algorithm, two factors of flow time and makespan have optimized simultaneously and the cost and number of missed tasks are also considered. The running time of the algorithms proposed algorithm has been improved compared to the 0.18.