ورود
مقالات فارسیISIکنفرانسهاژورنالها

مقایسه روش Master-Slave و روش Island در موازی سازی الگوریتم بهینه سازی غذایابی باکتری

محل انتشار: کنفرانس بین المللی پژوهش های کاربردی در فناوری اطلاعات، کامپیوتر ومخابرات
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,230

فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/451204

شناسه ملی سند علمی:

ITCC01_417

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

هدف از این مقاله مقایسه معماری های Island و Master-Slave در موازی سازی الگوریتم غذایابیباکتری است. روش های مختلفی برای موازی سازی الگوریتم های مبتنی بر جمعیت توسط محققان پیشنهادشده اند. دو روش Island و Master-Slave معروف ترین این روش ها می باشند. الگوریتم غذایابیباکتری به دلیل ضعف در مواجهه با مسائل با ابعاد بالا مورد مناسبی برای موازی سازی می باشد. در اینتحقیق پس از مقایسه دو روش یاد شده مشخص شد که سرعت و کارائی الگوریتم موازی غذایابی باکتریبه روش Island بالاتر بوده و در حل مسائل پیچیده موفق تر عمل می کند.

کلیدواژه ها:

نویسندگان

سیدمرتضی موسوی

عضو هیئت علمی دانشگاه آزاد اسلامی- واحد اراک-گروه کامپیوتر – اراک- ایران

علی رفیعی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی- واحد اراک-گروه کامپیوتر – اراک- ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S.I. Bejinariu, Image Registration using Bacterial Foraging Optimization Algorithm International ...
  • International Conference o Information Tecbnology, Computer & Communication رایمنذپژو0 28 ...
  • K. M. Bakwad, S.S. Pattnik, B. S. Shi, S. Devi, ...
  • A. Delevacq, P. Delisle, M. Gravel, M. Krajecki, Parallel Ant ...
  • G.H. Luo, S.K. Huang, Y.S. Chang, S.M. Yuan, A Parallel ...
  • P. Pospichal , J. Jaros, and J. Schwarz, Parallel Genetic ...
  • Y. Zhou, and Y. Tan, GPU-based Parallel Particle Swarm Optimization, ...
  • H. Chen, Y. Zhu, and K. Hu, Adaptive Bacterial Foraging ...
  • A. Biswas, S. Dasgupta, S. Das, and A. Abraham, Synergy ...
  • K. M. Passino, Biomimicry of Bacterial Foraging for Distributed Optimization ...
  • M. Molga, C. Smutnicki, Test functions for optimization needs, Jourmal ...
  • D. H. Kim, A. Abraham, J. H. Cho, A hybrid ...
  • L.M. Schmitt, Theory of genetic algorithms, Theoretical Computer Science ScienceDirect, ...
  • C. Cabrita, J. Botzheim, A.E. Ruano, L.T. Koczy, Genetic Programing ...
  • T. Sato, M. Hagiwara, bee : system finding solution by ...
  • A. Colorni, M. Dorigo, V. Maniezzo, "Distributed Optimization by Ant ...
  • S. Mishra, A Hybrid Least Square-Fuzzy Bactrial Foraging Strategy for ...
  • J. Kennedy, R. Eberhart, Particle Swarm Optimization, Neural Networks Proccesings ...
  • H. Chen, Y. Zhu, and K. Hu, Cooperative Bacterial Foraging ...
    • نمایش کامل مراجع