کتابچه آموزشی نحوه محسابات دزهای داروها (خطاهای پزشکی و دارویی)
کاری از بخش مراقبت های دارویی معاونت غذا و دارو - واحد تحقیق و توسعه
محتوی : داروی صحیح ، دوز صحیح ، روش صحیح ، زمان صحیح و مستند کردن در داروهای داده شده (نوشتن و ثبت در پرونده)
با فرمت پی دی اف و زبان فارسی
نوع فایل: word
قابل ویرایش 50 صفحه
چکیده:
کامپیوتر خوشه ای یک گروه از کامپیوتر ها با اتصال محکم می باشد و طوری با هم کار می کنند که در بسیاری از جوانب می توان آنها را به عنوان یک کامپیوتر واحد مشاهده کرد. اجزای یک Cluster به طور معمول، اما نه همیشه، از طریق شبکه LAN سریع به هم متصل می شوند. خوشه ها معمولاً برای بهبود کارایی و دسترس پذیری کامپیوتر های منفرد، گسترش می یابند.
یک سیستم محاسبه توزیع شده سیستمی است که از یک مجموعه کامپیوتر ها و ایستگاه های کاری ناهمگن ساخته شده است که همانند سیستم محاسبه منفرد عمل می کنند و کاربران به طور یکسان می توانند به منابع محلی و دور دسترسی داشته باشند. این سیستم ها، سیستم های با اتصال سست می باشند که بطور هماهنگ برای هدف خاصی کار می کنند.
مقدمه:
در طول یک دهه گذشته سیستم های کامپیوتری مختلفی که کارایی بالای محاسباتی را پشتیبانی می کنند پدیدار شده اند و طبقه بندی آنها بر اساس چگونگی ترتیب و نقشه پردازنده ها، حافظه و اتصالات آنها استوار شده است.
یک MMP معمولاً یک سیستم پردازش موازی بزرگ با یک معماری Shared-Nothing می باشد و به طور نمونه از صدها عنصر پردازشی (گره ها) تشکیل شده است که از طریق اتصالات داخلی پر سرعت شبکه و سوئیچ به یکدیگر اتصال داده شده است. هر گره می تواند اجزای سخت افزاری مختلفی داشته باشد ولی به طور کلی از یک حافظه اصلی و یک یا چند پردازنده تشکیل شده است. همچنین گره های ویژه ای می توانند دستگاه های جانبی مختلفی از قبیل دیسکها و سیستم پشتیبان متصل داشته باشند. هر گره یک کپی جداگانه از سیستم عامل را اجرا می کند.
امروزه سیستم های چند پردازنده متقارن SMP ، 2 تا 64 پردازنده دارند و می توان آنها را به صورت معماری Shared-everything در نظر گرفت. در این نوع سیستم ها، تمام پردازنده ها تمامی منابع موجود سراسری را (گذرگاه، حافظه و سیستم ورودی/خروجی) به اشتراک می گذارند. یک کپی منفرد از سیستم عامل بر روی این سیستم ها اجرا می شود و هسته سیستم عامل می تواند روی هر پردازنده ای اجرا شود. سیستم عامل چند پردازنده متقارن، پردازنده ها و دیگر منابع کامپیوتر را به گونه ای مدیریت می کند که کاربر می تواند آنها را مثل یک سیستم تک پردازنده چند برنامه ای ببیند. در این سیستم ها، پردازنده ها از طریق حافظه می توانند با یکدیگر ارتباط برقرار کنند.
فهرست مطالب:
چکیده
فصل اول
1- مقدمه ای بر کامپیوترهای موازی
1-1- چند پردازنده های متقارن (SMP)
2-1- دسترسی حافظه غیر یکنواخت (CC-NUMA)
3-1- سیستم های توزیع شده
1-3-1- سیستم های توزیع شده در مقابل سیستم های متمرکز
4-1- خوشه ها
فصل دوم
2- محاسبه خوشه ای (Cluster Computing)
1-2- کامپیوتر خوشه ای و معماری آن
2-2- مزایای خوشه ها
3-2- میان افزار خوشه
1-3-2- لایه های میان افزار
2-3-2- اهداف طراحی میان افزار
4-2- تصویر سیستم منفرد SSI
1-4-2- لایه ها و سطوح تصویر سیستم واحد
2-4-2-میان افزار سیستم مدیریت منابعRMS
3-4-2- سرویس های کلیدی خوشه ها
5-2- طبقه بندی خوشه ها
فصل سوم
2- مدل های محاسبه موازی
فصل چهارم
4- محاسبه توزیع شده (Distributed Computing)
1-4- مدل های محاسبه توزیع شده
1-1-4- مدل Client/Server
2-1-4- مدل فراخوانی رویه های راه دور (RPC)
-2-1-4- مراحل فراخوانی رویه راه دور
3-1-4- روش اشتراک داده ها
4-1-4- مدل شیء توزیع شده
2-4- مزایای سیستم های محاسبه توزیع شده
1-2-4- Transparency
فصل پنجم
مقایسه Cluster Computing و Distributed Computing
فهرست اشکال:
شکل 1-1 : سازمان چند پردازنده متقارن
شکل 1-2 – مقایسه قدرت پردازشی خوشه ها با سوپر کامپیوتر ها
شکل2-2 : معماری کامپیوتر خوشه ای
شکل 3-2- گره های موجود در کامپیوتر خوشه ای
شکل 4-2– طرح ساده سیستم عامل کلی برای نمونه گره ای از خوشه
شکل5-2– معماری RMS
شکل 6-2- نمونه ای از سیستم محاسبه خوشه ای اختصاصی
شکل 7-2- نمونه ای از سیستم محاسبه خوشه ای غیر اختصاصی
شکل 1-3– جایگاه میان افزار در گره های سیستم توزیع شده
شکل 2-3- مدل مشتری/خدمتگذار
شکل 3-3– سرور پرینت خود به عنوان مشتری برای سرور فایل عمل می کند.
شکل 4-3- دو سرور بر روی یک گره اجرا می شوند.
شکل 5-3– مراحل محاسبه راه دور در RPC
شکل 6-3 – تبادل پیام در RPC
شکل 7-3– مدل شئ توزیع شده
فهرست جداول:
جدول 1-1- خصوصیات کلیدی کامپیوتر های موازی قابل افزودنی
جدول 1-2– نمونه هایی از میان افزارهای RMS
برای دانلود کل پاورپوینت از لینک زیر استفاده کنید:
فرمت فایل word(قابل ویرایش) تعداد صفحات : 31
Applied Mathematics and Computation 213 (2009) 455–465
a b s t r a c t
As indicated by the most widely accepted classification, the Multi-Objective Mathematical
Programming (MOMP) methods can be classified as a priori, interactive and a posteriori,
according to the decision stage in which the decision maker expresses his/her preferences.
Although the a priori methods are the most popular, the interactive and the a posteriori
methods convey much more information to the decision maker. Especially, the a posteriori
(or generation) methods give the whole picture (i.e. the Pareto set) to the decision maker,
before his/her final choice, reinforcing thus, his/her confidence to the final decision. However,
the generation methods are the less popular due to their computational effort and the
lack of widely available software. The present work is an effort to effectively implement the
e-constraint method for producing the Pareto optimal solutions in a MOMP. We propose a
novel version of the method (augmented e-constraint method – AUGMECON) that avoids
the production of weakly Pareto optimal solutions and accelerates the whole process by
avoiding redundant iterations. The method AUGMECON has been implemented in GAMS,
a widely used modelling language, and has already been used in some applications. Finally,
an interactive approach that is based on AUGMECON and eventually results in the most
preferred Pareto optimal solution is also proposed in the paper
چکیده
همان‌طور که در بسیاری از طبقه‌بندی‌های پذیرفته شده بیان شده است، شیوه‌ی برنامه‌ریزی ریاضی توابع چند هدفه(MOMP) می‌تواند بعنوان یک روش قیاسی، تعاملی و استقرایی، بر اساس سطح تصمیمی که تصمیم‌گیرنده اولویت‌های خویش را بیان نماید، طبقه‌بندی شود.اگرچه روش‌های قیاسی مشهورترین‌اند، روش‌های تعاملی و استقرایی اطلاعات بیشتری را به تصمیم‌گیرنده انتقال می‌دهند. مخصوصا روش‌های استقرایی(یا ایجادی) که تصویر کاملی را به تصمیم‌گیرنده (بعنوان مثال نمودار پارتو) قبل از انتخاب نهایی‌اش می‌دهند، بنابراین اطمینانش به تصمیم نهایی بیشتر می‌شود. هرچند روش‌های تولیدی به علت مشقت‌های محاسباتی و کمبود نرم‌افزارهای در دسترس کم‌تر محبوبند. کاری که در حال حاضر انجام می‌شود تلاشی است برای پیاده‌سازی روش ε محدودیت برای ایجاد یک جواب بهینه‌ی پارتو در یک MOMP. ما یک ورژن جدیدی از این روش (روش ε محدودیت تکمیل‌شده- AUGMECON) که از ایجاد جواب‌های بهینه‌ی ضعیف پارتو خودداری می‌کند و روند کلی را با اجتناب از تکرارهای زائد تسریع می‌کند، پیشنهاد می‌کنیم. روش AUGMECON در نرم‌افزار GAMS، در بسیاری از زبان‌های مدل‌سازی پیاده‌سازی شده است و اخیرا در برخی از برنامه‌های کاربردی مورد استفاده قرار گرفته است. همچنین یک شیوه‌ی تعاملی که بر پایه‌ی AUGMECON استوار شده و حتی ارجح‌ترین راه‌حل‌های بهینه پارتو را نیز نتیجه می‌دهند، پیشنهاد شده است. .