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

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

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