Logo AND Algorithmique Numérique Distribuée

Private GIT Repository
deleted some our
authorjean-claude <jean-claude.charr@univ-fcomte.fr>
Mon, 24 Nov 2014 13:10:38 +0000 (14:10 +0100)
committerjean-claude <jean-claude.charr@univ-fcomte.fr>
Mon, 24 Nov 2014 13:10:38 +0000 (14:10 +0100)
Heter_paper.tex

index 5b6e349122b4dc5b2c56f47f32e6f0136d21edd2..077de95ef50117837547c2bbe8cbd6a9cb69e35d 100644 (file)
@@ -286,9 +286,9 @@ Therefore, the execution time of the iterative application is
 equal to the execution time of one iteration as in EQ(\ref{eq:perf}) multiplied 
 by the number of iterations of that application.
 
-This prediction model is developed from our model for predicting the execution time of 
+This prediction model is developed from the model for predicting the execution time of 
 message passing distributed applications for homogeneous architectures~\cite{Our_first_paper}. 
-The execution time prediction model is used in our method for optimizing both 
+The execution time prediction model is used in the method for optimizing both 
 energy consumption and performance of iterative methods, which is presented in the 
 following sections.
 
@@ -481,7 +481,7 @@ Then, the objective function can be modeled   as finding the maximum distance
 between the energy curve EQ~(\ref{eq:enorm}) and the  performance
 curve EQ~(\ref{eq:pnorm_inv}) over all available sets of scaling factors.  This
 represents the minimum energy consumption with minimum execution time (maximum 
-performance) at the same time, see figure~(\ref{fig:r1}) or figure~(\ref{fig:r2}). Then our objective
+performance) at the same time, see figure~(\ref{fig:r1}) or figure~(\ref{fig:r2}). Then the objective
 function has the following form:
 \begin{equation}
   \label{eq:max}
@@ -516,7 +516,7 @@ The nodes in a heterogeneous platform have different computing powers, thus whil
 passing iterative synchronous applications, fast nodes have to wait for the slower ones to finish their 
 computations before being able to synchronously communicate with them as in figure (\ref{fig:heter}). 
 These periods are called idle or slack times. 
-Our algorithm takes into account this problem and tries to reduce these slack times when selecting the 
+The algorithm takes into account this problem and tries to reduce these slack times when selecting the 
 frequency scaling factors vector. At first, it selects initial frequency scaling factors that increase 
 the execution times of fast nodes and  minimize the  differences between  the  computation times of 
 fast and slow nodes. The value of the initial frequency scaling factor  for each node is inversely