الگوریتهای memetic اعمال شده برای بهینه سازی ترکیبات گردش کار
Memetic algorithms applied to the optimization of workflow compositions
مشخصات کلی
| سال انتشار | 2013 |
| کد مقاله | 2708 |
| فرمت فایل ترجمه | Word |
| تعداد صفحات ترجمه | 21 |
| نام مجله | Swarm and Evolutionary Computation |
| نشریه | ScienceDirect |
| درج جداول و شکل ها در ترجمه | انجام شده است |
| جداول داخل مقاله | ترجمه شده است |
چکیده فارسی
گزینش و انتخاب خدمات یک گردش کار بر اساس ویژگی های کیفیت خدمات (QoS) یک مسئله مهم در سیستم های سرویس گرا است. ویژگی QoS برای فرایند انتخاب بهتر براساس معیارهای کیفی غیرفعال مانند قابلیت اطمینان، قابلیت دسترسی و زمان پاسخ دادن امکان پذیر است. تحقیقات گذشته عمدتا به این مسئله با روشهای بهینه ای مانند روشهای برنامه نویسی خطی پرداخته است. با توجه به ماهیت سیستم های سرویس گرا که در آن تعداد زیادی از خدمات با مقادیر مختلف QoS در دسترس هستند، روش های بهینه مناسب نیستند و در نتیجه تکنیک های تقریبی ضروری هستند. در این مقاله، الگوریتم ژنتیک و بهینه سازی ازدحام ذرات برای فرآیند انتخاب خدمات مورد بررسی قرار گرفته است. به طور خاص، هر دو روش با یک الگوریتم انتساب بهینه (الگوریتم Munkres) به منظور دستیابی به کیفیت بالاتر (نسبت موفقیت) ترکیب شده اند و به اصطلاح الگوریتم memetic را تشکیل می دهد. آزمایش ها برای بررسی مناسب بودن رویکردها و مقایسه الگوریتم های memetic با قطعات غیرmemetic آنها انجام شده است. نتایج نشان می دهد که الگوریتم های memetic برای برنامه کاربردی در انتخاب مسئله گردش کار بسیار مناسب هستند.
چکیده لاتین
The selection of services of a workflow based on Quality of Service (QoS) attributes is an important issue in service-oriented systems. QoS attributes allow for a better selection process based on non¬functional quality criteria such as reliability, availability, and response time. Past research has mostly addressed this problem with optimal methods such as linear programming approaches. Given the nature of service-oriented systems where large numbers of services are available with different QoS values, optimal methods are not suitable and therefore, approximate techniques are necessary. In this paper, we investigate Genetic algorithms and particle swarm optimization for the service selection process. In particular, both methods are combined with an optimal assignment algorithm (Munkres algorithm) in order to achieve higher solution qualities (success ratios) and to form a so called memetic algorithm. Experiments are conducted to investigate the suitability of the approaches and to compare the memetic algorithms with their non-memetic counterparts. The results reveal that the memetic algorithms are very suitable for the application to the workflow selection problem
خرید و دانلود ترجمه این مقاله:
جهت خرید این مقاله ابتدا روی لینک زیر کلیک کنید، به صفحه ای وارد می شوید که باید نام و ایمیل خود را وارد کنید و پس از آن روی دکمه خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید، همچنین لینک دانلود به ایمیل شما نیز ارسال خواهد شد.
هیچ دیدگاهی برای این مقاله ثبت نشده است
دیدگاه ها