Tez No	İndirme	Tez Künye	Durumu
283257		A multi agent system based solution for deadlock prevention in operating systems / İşletim sistemlerinde ölümcül kilitlenmenin önlenmesi için ajan sistemi tabanlı bir çözüm Yazar:FARHAD SOLEİMANİAN GHAREHCHOPOGH Danışman: YRD. DOÇ. DR. MUTLU AVCI Yer Bilgisi: Çukurova Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Yüksek Lisans İngilizce 2011 160 s.
Bu tezde, kullanıcı, ajan programı ve işletim sistemi arasında bir arayüz olarak hareket eden bir kabuk programı geliştirilmiştir.ajan programı amacı işlem yürütme sırasında ortaya çıkan ölümcül kitlenmeyi çözmektir. Hafıza en önemli ortak kaynaklarından biri olduğu için; ajan programı her çalışan işlemin bellek kullanımı için dosyalama işlemlerini sağlar ve kabuk isteklerini yanıtlar.Ajanların öğrenmesi çok katmanlı algılayıcı ileri besleme sinir ağları üzerinden hata geri yayılım kullanılarak yapılır. Başlangıçta. kabuk program, çalışan işlemlerin, işlem hafıza kullanımını talep eder, daha sonra çok katmanlı algılayıcı sinir ağında girişler olarak sıraya koyar ve organize eder. Sinir ağının çıktısı daha önce kararlaştırılmış eşik değerine eşit ya da ondan büyükse kabuk işlemi çalıştırır. Aksi halde, kilitlenme meydana gelme olasılığı vardır, böylece kabuk işlemi askıya alır ve kilitlenme yaşanmasını engeller.Bu kilitlenme önleme çözümü için yeni ve dinamik bir yaklaşımdır. Bu konuda daha önceki çalışmalar incelenmiş ve mevcut ve önerilen çözümler arasındaki test sonuçları tartışılmıştır.
In this thesis, a shell program that acts as an interface among user, agent program and operating system is developed. Aim of the agent program is to handle and solve the deadlock that occurs during the process execution. Since, the memory is one of the most important shared sources; the agent program provides filing operations for memory usage of each running process and replies requests of shell.Learning of the agents are done by using error back propagation learning on Multi-Layer Perceptron feed forward neural networks. Initially, shell program requests the process memory usage of running processes, and then it schedules and organizes the processes as inputs on the Multi-Layer Perceptron Neural Network. If the output of the Neural Network is greater than or equal to a pre-decided threshold shell runs the process. Otherwise, since there exist deadlock occurrence probability, the shell suspends the process and prevents the deadlock occurrence.This is a new and dynamic approach for deadlock prevention solution. The previous works about this subject is investigated and the test results among exist and proposed solution are concluded.