ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک
محل انتشار: سومین کنفرانس ملی مهندسی برق و کامپیوتر
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 463
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCELEC03_051
تاریخ نمایه سازی: 14 فروردین 1399
چکیده مقاله:
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 ها:
نویسندگان
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