سارا براریان - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد ساری، سازمان آموزش وپرورش استان مازندران

برای مقابله با مشکل کارایی پایین و سرعت همگرایی کم سیستم های نرم افزاری در جستجوی بهینه سراسری از ترکیب الگوریتم ژنتیک وPSO برای بهینه سازی کیفیت آنها استفاده می شودبرنامه نویسی خطی برای مسائلی با چند متغیر و چند محدودیت به طور مؤفق عمل می کند، و همچنین عملیات جستجو نیزبا الگوریتم ژنتیک بهبود بخشیده می شود.در این گزارش با معرفی مدل رقابت تصادفی، شمایی ازcrossoverیکنواخت وmutationغیر یکنواخت به کار گرفته می شودنتایج بدست آمده نشان می دهد که ترکیب الگوریتم ژنتیک ,PSOبرای قابلیت انعطاف مدلهای نرم افزاری پیچیده به طور مؤثر می تواند عمل کند،که سرعت دهی محاسبات را بهبود بخشیده و در نتیجه کیفیت نتایج به طور مؤثر بهبود می یابد

بهینه سازی، قابلیت انعطاف، الگوریتم ژنتیک ، mutation ،crossover، ، الگوریتمPSO