بهبود عملکرد سیستم های نرم افزاری با استفاده از الگوریتم های ژنتیک و بهینه سازی ازدحام ذرات (PSO)

تا کنون راهکارهای بسیار والگوریتم های متعددی برای مقابله با مشکل کارایی پایین و سرعت همگرایی کم سیستم های نرم افزاری ارایه شده است،که بهینه سازی کیفیت آنها به طور مطلوب انجام شده است.برنامه نویسی خطی برای مسایلی با چند متغیر و چند محدودیت به طور موفق عمل می کند، و همچنین عملیات جستجو نیزبا الگوریتم ژنتیک بهبود بخشیده می شود. در این گزارش با معرفی مدل رقابت تصادفی، شمایی از crossover یکنواخت و mutation غیر یکنواخت به کار گرفته می شود.[2،7]نتایج بدست آمده نشان می دهد که ترکیب الگوریتم ژنتیک و PSO برای قابلیت انعطاف مدلهای نرم افزاری پیچیده به طور موثر می تواند عمل کند،که سرعت دهی محاسبات را بهبود بخشیده و در نتیجه کیفیت نتایج به طور موثر بهبود می یابد.

Keywords:

بهینه سازی , قابلیت انعطاف , الگوریتم ژنتیک , crossover , mutation , الگوریتم PSO