ترکیب سرویس های ابری با یادگیری میزان رضایت کاربر با استفاده از الگوریتم های بهینه یابی آشوب گونه تجمع ذرات و ژنتیک
- سال انتشار: 1398
- محل انتشار: سومین کنفرانس ملی مهندسی برق و کامپیوتر
- کد COI اختصاصی: ISCELEC03_051
- زبان مقاله: فارسی
- تعداد مشاهده: 517
نویسندگان
دانشجو کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی، واحد الکترونیک تهران، دانشگاه آزاد اسلامی، تهران، ایران
استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
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 باشدکلیدواژه ها
سیستم ابر، ترکیب سرویس های ابری، یادگیری میزان رضایت کاربر، الگوریتم PSO ، نظریه آشوبمقالات مرتبط جدید
- tGraph_PheroWalk : یک الگوریتم جدید برای یادگیری بازنمایی گراف های پویا
- Efficient Triple Modular Redundancy for Reliability Enhancement of DNNs Using Explainable AI
- مقایسه فناوری CMUT با پیزوالکتریک برای کاربرد در تصویربرداری التراسونیک
- بهبود کنترل دست رباتیک به کمک کنترل کننده تطبیقی فازی-PID
- طراحی و شبیه سازی آنتن تک قطبی چند بانده فشرده با تغذیه ریز نوار برای بهبود عملکرد در باندهای فرکانسی ۲.۵، ۳.۸، ۵.۴ و ۶.۹ گیگاهرتز
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.