ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک

هدف از مطالعه حاضر ارائه یک چارچوب جدید انتخاب بخش های بهینه قابل دسترس در سیستم ابر با استفاده از یادگیری میزان رضایت کاربر با انتخاب یک سرویس بهینه است که از میزان شایستگی خوبی برخوردار باشد. الگوریتم پیشنهادی با پارامترهای مختلف پیاده سازی شد. نتایج حاصل از کار، با الگوریتم های ژنتیک و PSO مقایسه گردید. نتایج نشان داد که زمان پاسخ الگوریتم PSO با رویکرد تئوری آشوب در مقایسه با الگوریتم ژنتیک و PSO کمتر است و از پایداری و همگرایی خوبی برخوردار است و می توان نتیجه گرفت که جواب به دست آمده از الگوریتم پیشنهادی، می تواند جواب بهینه باشد

ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک Keywords:

سیستم ابر , ترکیب سرویس های ابری , یادگیری میزان رضایت کاربر , الگوریتم PSO , نظریه آشوب

ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک authors

مرضیه علی پورثابت رای

دانشجو کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی، واحد الکترونیک تهران، دانشگاه آزاد اسلامی، تهران، ایران

محمود دی پیر

استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

Certificate
I'm the author of the paper

Export:

Link to this Paper:

https://civilica.com/doc/1005890

Document National Code:

ISCELEC03_051

Index date: 2 April 2020

نظرات خوانندگان

3.00

2 تعداد پژوهشگران نظر دهنده

5 0

4 0

3 2

2 0

1 0

How to cite:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the references section:

علی پورثابت رای، مرضیه و دی پیر، محمود،1398،ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک،Third National Conference on Electrical and Computer Engineering،Tehran،https://civilica.com/doc/1005890

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، علی پورثابت رای، مرضیه؛ محمود دی پیر)
برای بار دوم به بعد: (1398، علی پورثابت رای؛ دی پیر)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:

Ranking of Islamic Azad University E-Campus

Type of center: دانشگاه آزاد

Paper count: 3,444

In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

Related papers

مقاله فارسی "ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک" توسط مرضیه علی پورثابت رای، دانشجو کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی، واحد الکترونیک تهران، دانشگاه آزاد اسلامی، تهران، ایران؛ محمود دی پیر، استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران نوشته شده و در سال 1398 پس از تایید کمیته علمی سومین کنفرانس ملی مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله سیستم ابر، ترکیب سرویس های ابری، یادگیری میزان رضایت کاربر، الگوریتم PSO ، نظریه آشوب هستند. این مقاله در تاریخ 14 فروردین 1399 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 473 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که هدف از مطالعه حاضر ارائه یک چارچوب جدید انتخاب بخش های بهینه قابل دسترس در سیستم ابر با استفاده از یادگیری میزان رضایت کاربر با انتخاب یک سرویس بهینه است که از میزان شایستگی خوبی برخوردار باشد. الگوریتم پیشنهادی با پارامترهای مختلف پیاده سازی شد. نتایج حاصل از کار، با الگوریتم های ژنتیک و PSO مقایسه گردید. نتایج نشان داد ... . برای دانلود فایل کامل مقاله ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک با 15 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.