ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 390
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCELEC03_051
تاریخ نمایه سازی: 14 فروردین 1399
Abstract:
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
Keywords:
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