Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of Digital Repository
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "BENHADDAD, Hind"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    ALGORITHME GENETIQUE PARALLELE POUR L’ORDONNANCEMENT FLOW SHOP
    (UNIVERSITY of M'SILA, 2022-06-10) BENHADDAD, Hind; BELABBAS, Manar; Rapporteur: HEMMAK, Allaoua
    Les problèmes d'ordonnancement de type flow shop sont connus par leur complexité exponentielle et leur intérêt accru dans plusieurs domaines économiques et scientifiques. De leur côté, les algorithmes génétiques, en dépit de leur complexité polynomiale, se sont toujours révélés être trop gourmands en temps de calcul vu la manipulation de populations de solutions. L'objet de ce thème est de concevoir puis implémenter un algorithme génétique parallèle pour aborder ce type de problèmes. Il s'agit de paralléliser les opérateurs génétiques en vue de l'exploitation optimale de l'architecture multi-cœurs omniprésente actuellement dans le marché informatique. Un ajustement analytique est nécessaire pour justifier l'apport du parallélisme en choisissant des benchmarks adéquats de la littérature.

All Rights Reserved - University of M'Sila - UMB Electronic Portal © 2024

  • Cookie settings
  • Privacy policy
  • Terms of Use