بهینه سازی شبکه عصبی با الگوریتم جستجوی فاخته برای پیش بینی ورشکستگی

سفارش انجام پروژه پیش بینی ورشکستگی به کمک روش های شبکه ی عصبی و الگوریتم جستجوی فاخته:

پیش بینی ورشکستگی یکی از مهم ترین عنوان های کاربرد داده کاوی در حوزه های مالی است. در این راستا، عوامل، شرایط و اقداماتی که نهایتا به مشکلات مالی منجر می شود، شناسایی خواهند شد. در طول سال های اخیر، تحقیقات مالی و حسابداری گسترده ای در این زمینه انجام شده است. اهمیت این مسئله به حدی است که بسیاری از سرمایه گذاری ها و همکاری های مالی قبل از حصول اطمینان از عدم امکان ورشکستگی انجام نمی شود. برای مطالعه جزییات بیشتر در مورد پیش بینی ورشکستگی کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم جستجوی فاخته (Cuckoo search)، مجموعه داده های مربوط به پیش بینی ورشکستگی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

پروژه داده کاوی امتیاز اعتباری (Credit scoring) با نرم افزار رپیدماینر (RapidMiner)

سفارش انجام پروژه داده کاوی امتیاز اعتباری:

امتیاز اعتباری یک عبارت عددی است که با تکنیک‌های آماری و بر اساس اطلاعات واقعی که بیانگر وضعیت جاری و سابقه‌ای فرد یا شرکت هستند محاسبه می‌شود. امتیاز اعتباری یک نمره قابل مقایسه است؛ لذا تصمیم‌گیری بر این مبنا، در مقایسه با روش‌های سلیقه‌ای و گزارش‌های متنی، به مراتب قابل اطمینان‌تر و منصفانه‌تر خواهد بود. برای مطالعه جزییات بیشتر در مورد امتیازاعتباری کلیک کنید.

در این پروژه، با استفاده از نرم افزار رپیدماینر (RapidMiner)، مجموعه داده های مربوط به امتیاز اعتباری مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

پیاده سازی مقاله: پیش بینی قیمت سهام بانک صادرات با استفاده از شبکه عصبی مصنوعی

پیاده سازی مقاله: پیش بینی قیمت سهام بانک صادرات با استفاده از شبکه عصبی مصنوعی

چکیده:

امروزه سرمایه گذاری در بورس، بخش مهمی از اقتصاد جامعه را تشکیل می دهد. تغییرات قیمت سهام یکی از مهم ترین موضوعات مورد توجه هر سرمایه گذار است. به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت بالایی برخوردار است تا بتوانند از سرمایه گذاری خود، سود بیشتری کسب کنند. در این نوشتار سعی بر این است که به پیش بینی قیمت سهام روز بعد بانک صادرات در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چند لایه از شبکه های عصبی مصنوعی بپردازیم و سعی میکنیم مدلی را انتخاب کنیم که میانگین مجموع مربعات خطای آن (MSE) کمتر باشد. متغیرهای زیادی بر قیمت سهام تاثیرگذار هستند، اما از بین آن ها تاثیر شاخص های اقتصادی را می توان بیشتر دانست. از جمله : نرخ ارز، قیمت طلا و قیمت نفت. این شاخص ها به عنوان متغیرهای مستقل برای پیش بینی قیمت سهام درنظر گرفته می شوند. نتایج حاصل نشان می دهد شبکه با ترکیب 20-80 و معماری 1-14-4 به بهترین پاسخ همگرا می شود.
  • شریف پژوه

سفارش انجام پروژه پیش بینی قیمت سهام با تلفیق روش های درخت تصمیم و الگوریتم کلونی زنبور عسل

سفارش انجام پروژه پیش بینی قیمت سهام با تلفیق روش های درخت تصمیم و الگوریتم کلونی زنبور عسل:

 

در این پروژه، با استفاده از تلفیق روش های درخت تصمیم (decision tree) و الگوریتم کلونی زنبور عسل (Artificial bee colony algorithm)، مجموعه داده های مربوط به پیش بینی قیمت سهام مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

پیاده سازی شبکه عمیق پرسپترون برای سری های زمانی

پیاده سازی شبکه عمیق پرسپترون برای سری های زمانی:

در این پروژه، با استفاده از پایتون پیاده سازی شبکه عمیق پرسپترون برای سری های زمانی به همراه توضیحات مربوطه، ارائه می گردد.

  • شریف پژوه

پیاده سازی مقاله: تشخیص افراد ریسکی در صنعت بیمه با استفاده از درخت تصمیم Hoeffding

پیاده سازی مقاله: تشخیص افراد ریسکی در صنعت بیمه با استفاده از درخت تصمیم Hoeffding

چکیده:

با رشد روزافزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجود می آیند. در حال حاضر مسئله ی پیش روی سازمان ها، دیگر جمع آوری داده ها نیست، بلکه توانایی استخراج اطلاعات مفید از میان آنهاست. همانند دیگر بخش های اقتصادی، شناخت و جذب مشتریان کم ریسک و سودآور برای صنعت بیمه نیز دارای اهمیت است. اگر شرکت ها بیمه به طبقه بندی مشتریان با توجه به ویژگی های قابل مشاهده بپردازند، می توانند نرخ پوشش دهی بیمه و سود خود را افزایش دهند واز سوی دیگر فشاری بر افراد با ریسک کم برای جبران خسارات وارده، به وسیله ی افراد ریسک زیاد به شرکت های بیمه وارد نشود. در این مقاله قصد داریم مروری بر روش های تشخیص افراد ریسک در صنعت بیمه داشته باشیم سپس در مطالعه موردی به شناسایی افراد ریسکی بپردازیم. برای این منظور از درخت تصمیم Hoeffding برای کلاس بندی مشتریان بیمه استفاده شده است.
  • شریف پژوه

پیاده سازی مقاله: ارائه یک سیستم خبره فازی جهت مدیریت ریسک پروژه ها

پیاده سازی مقاله: ارائه یک سیستم خبره فازی جهت مدیریت ریسک پروژه ها

چکیده:

امروزه عدم اطمینان در پروژه ها، سازمانها را با چالش های متعددی مواجه ساخته است. همچنین بروز خطا در تصمیم گیری، زیانهای جبران ناپذیری را به بار می آورد. لذا روشهای قدیمی و غیر علمی جوابگوی نیاز سازمانها نمی باشد. مدیریت ریسک رویکردی نوین در راستای ارتقای اثر بخشی سازمانها بوده که با توجه به ماهیت نامطمئن پروژه ها و لزوم صرف بهینه منابع پروژه ها از اهمیت انکار ناپذیری برخوردار است. مدیریت ریسک پروژه به دلیل ماهیت کیفی متغیرها، زمینه ای مناسب جهت استفاده از کارکردهای تئوری فازی می باشد. در این مقاله سیستم خبره فازی به عنوان ابزاری کارا در حوزه تحلیل ریسک پروژه معرفی می گردد. در ادامه سیستم خبره فازی طراحی شده جهت ارزیابی و الویت بندی ریسکهای پروژه، به طور عملی مورد اعتبار سنجی قرار می گیرد.
  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی سرطان

سفارش انجام پروژه داده کاوی تشخیص سرطان به کمک روش های شبکه ی عصبی و الگوریتم بهینه سازی ازدحام ذرات:

سرطان نامی است که به مجموعهٔ بیماری‌هایی اطلاق می‌شود که از تکثیر مهارنشده سلول‌ها پدید می‌آیند. سلول‌های سرطانی از سازوکارهای عادی تقسیم و رشد سلول‌ها جدا می‌افتند. علت دقیق این پدیده همچنان نامشخص است ولی احتمال دارد عوامل ژنتیکی یا مواردی که موجب اختلال در فعالیت سلول‌ها می‌شوند در هسته سلول اشکال وارد کنند. از جملهٔ این موارد می‌توان از مواد رادیو اکتیو، مواد شیمیایی و سمی یا تابش بیش از حد اشعه‌هایی مانند نور آفتاب نام برد. در یک جاندار سالم، همیشه بین میزان تقسیم سلول، مرگ طبیعی سلولی و تمایز، تعادلی وجود دارد. برای مطالعه جزییات بیشتر در مورد بیماری سرطان کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم بهینه سازی ازدحام ذرات (particle swarm optimization algorithm)، مجموعه داده های مربوط به سرطان مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

سفارش انجام پروژه تشخیص اسپم با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی

سفارش انجام پروژه تشخیص اسپم با تلفیق روش های درخت تصمیم و الگوریتم سیستم ایمنی مصنوعی:

 

به سوءاستفاده از ابزارهای الکترونیکی مانند ایمیل، مسنجر، گروه‌های خبری ایمیلی، فکس، پیام کوتاه و... برای ارسال پیام به تعداد زیاد و به صورت ناخواسته اسپم می‌گویند. با توجه به هزینه اندک این روش نسبت به پست سنتی که در گذشته برای ارسال پلاک به پلاک تبلیغات مورد استفاده قرار می‌گرفت و همچنین ناقص بودن قوانین بین‌المللی برای محدود کردن هرزنامه، در حال حاضر اسپم ها در سطح وسیعی ارسال می‌شوند. امروزه اسپم‌ها به‌طور عمده با هدف‌های تجاری منتشر می‌شوند ولی اسپم‌های غیرتجاری مانند اسپم های سیاسی یا مذهبی نیز روز به روز در حال افزایش هستند. برای مقابله با اسپم ها تاکنون روش‌های متعددی ایجاد شده است و این روند با توجه به ابعاد گسترده آن، همچنان ادامه دارد. برای مطالعه جزییات بیشتر در مورد تشخیص اسپم کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های درخت تصمیم (decision tree) و الگوریتم سیستم ایمنی مصنوعی (Artificial immune system algorithm)، مجموعه داده های مربوط به تشخیص اسپم مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم ممتیک برای داده کاوی بیماری کلیوی

سفارش انجام پروژه داده کاوی تشخیص بیماری کلیوی به کمک روش های شبکه ی عصبی و الگوریتم ممتیک:

کلیه یکی از اندام‌های درونی بدن انسان و برخی دیگر از جانداران است. کار کلیه تصفیه خون از مواد زائد و دفع متابولیت‌های بدن می‌باشد جالب است بدانید انسان می‌تواند با ۲۰٪ کلیه‌هایش زندگی نسبتاً سالمی داشته باشد. کلیه نقش مهمی در دفع مواد زائد و تعادل آب و الکترولیتها در بدن دارد. نارسایی حاد کلیوی در اثر تخریب کلیه‌ها پدید می‌آید و با فقدان سریع عملکرد کلیوی مشخص می‌شود. این بیماری منجر به ناهنجاری‌های الکترولیتی و بر پایه اسید و احتباس فراورده‌های زاید نیتروژنی از قبیل اوره و کراتینین می‌گردد. برای مطالعه جزییات بیشتر در مورد کلیه و بیماری های آن کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ممتیک (memetic algorithm)، مجموعه داده های مربوط به بیماری کلیوی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

انجام پروژه بهبود یادگیری عمیق با الگوریتم رقابت استعماری برای شناسایی اعداد دست نویس

سفارش انجام پروژه بهبود یادگیری عمیق با الگوریتم رقابت استعماری برای شناسایی اعداد دست نویس:

 

در این پروژه، با استفاده از تلفیق روش های یادگیری عمیق (Deep Learning) و الگوریتم رقابت استعماری (Imperialist competitive algorithm)، مجموعه داده های مربوط به اعداد دست نویس، مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

سفارش انجام پروژه پیش بینی قیمت سهام با تلفیق روش های درخت تصمیم و الگوریتم هارمونی

سفارش انجام پروژه پیش بینی قیمت سهام با تلفیق روش های درخت تصمیم و الگوریتم هارمونی:

 

در این پروژه، با استفاده از تلفیق روش های درخت تصمیم (decision tree) و الگوریتم هارمونی (Harmony algorithm)، مجموعه داده های مربوط به پیش بینی قیمت سهام مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی بیماری دیابت

سفارش انجام پروژه داده کاوی تشخیص بیماری دیابت به کمک روش های شبکه ی عصبی و الگوریتم بهینه سازی ازدحام ذرات:

دیابت یا بیماری قند یک اختلال سوخت و سازی (متابولیک) در بدن است. در این بیماری توانایی تولید هورمون انسولین در بدن از بین می‌رود یا بدن در برابر انسولین مقاوم شده و بنابراین انسولین تولیدی نمی‌تواند عملکرد طبیعی خود را انجام دهد. نقش اصلی انسولین پایین آوردن قند خون توسط سازوکارهای مختلف است. دیابت دو نوع اصلی دارد. در دیابت نوع یک، تخریب سلول‌های بتا در پانکراس منجر به نقص تولید انسولین می‌شود و در نوع دو، مقاومت پیش رونده بدن به انسولین وجود دارد که در نهایت ممکن است به تخریب سلول‌های بتای پانکراس و نقص کامل تولید انسولین منجر شود. برای مطالعه جزییات بیشتر در مورد بیماری دیابت کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم بهینه سازی ازدحام ذرات (particle swarm optimization algorithm)، مجموعه داده های مربوط به بیماری دیابت مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

پیاده سازی مقاله: ترکیبی از الگوریتم سیاه چاله با الگوریتم تبرید تدریجی

پیاده سازی مقاله: ترکیبی از الگوریتم سیاه چاله با الگوریتم تبرید تدریجی

چکیده:

امروزه اغلب مسائل بهینه سازی از نوع مسائل NP-hard هستند. از جمله راه حل های موجود در برخورد با این گونه مسائل، استفاده از الگوریتمهای تقریبی یا ابتکاری است. الگوریتم سیاه چاله (BH) یک روش ابتکاری جدید است که از پدیده سیاه چاله طبیعی الهام گرفته شده است، این الگوریتم سرعتی بالا و ساختاری ساده برای پیاده سازی دارد ولی در جستجوی محلی ضعیف عمل میکند. بنابراین در این مقاله ترکیبی از الگوریتم BH و الگوریتم تبرید تدریجی (SA) با نام BH-SA معرفی می شود. ما از الگوریتم SA برای بهبود جستجوی محلی و فرار از بهینه محلی استفاده کرده ایم. روش پیشنهادی بر روی تعدادی تابع محک رایج، مورد آزمایش قرار گرفته است. نتایج آزمایش ها نشان می دهد که روش پیشنهادی از دقت بالاتری در رسیدن به جواب بهینه سراسری برخوردار است. به عنوان مثال پاسخ حاصل از میانگین گیری 20 بار اجرای الگوریتم پیشنهادی روی تابع Griewank، نشان می دهد که خطای نسبی روش پیشنهادی 69.44 برابر کمتر از روش BH پایه است.
  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی سرطان

سفارش انجام پروژه داده کاوی تشخیص سرطان به کمک روش های شبکه ی عصبی و الگوریتم کلونی زنبور عسل:

سرطان نامی است که به مجموعهٔ بیماری‌هایی اطلاق می‌شود که از تکثیر مهارنشده سلول‌ها پدید می‌آیند. سلول‌های سرطانی از سازوکارهای عادی تقسیم و رشد سلول‌ها جدا می‌افتند. علت دقیق این پدیده همچنان نامشخص است ولی احتمال دارد عوامل ژنتیکی یا مواردی که موجب اختلال در فعالیت سلول‌ها می‌شوند در هسته سلول اشکال وارد کنند. از جملهٔ این موارد می‌توان از مواد رادیو اکتیو، مواد شیمیایی و سمی یا تابش بیش از حد اشعه‌هایی مانند نور آفتاب نام برد. در یک جاندار سالم، همیشه بین میزان تقسیم سلول، مرگ طبیعی سلولی و تمایز، تعادلی وجود دارد. برای مطالعه جزییات بیشتر در مورد بیماری سرطان کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم کلونی زنبور عسل (Artificial bee colony algorithm)، مجموعه داده های مربوط به سرطان مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

پیاده سازی مقاله: استفاده از سیستم تکاملی ایمنی مصنوعی برای امنیت شبکه های کامپیوتری

پیاده سازی مقاله: استفاده از سیستم تکاملی ایمنی مصنوعی برای امنیت شبکه های کامپیوتری

چکیده:

سیستم ایمنی بدن ،یک سیستم محاسباتی جالب و کارا برای بسیاری از کاربردها در زمینه مهندسی وبخصوص تشخیصنفوذ است این سیستم دفاعی بر اساس عامل ،بصورت توزیع شده و خود تطبیق است که بر اساس یک معماری لایه ای وسلسله مراتبی عمل می کند. در این مقاله ابتدا عناصرمعماری سیستم های های تشخیص ویروس که شامل چهار قسمتتبدیل داده ،ایجاد و تشخیص ویروس و شناسایی سلول های حافظه می باشد با تمرکز بر عناصر شبکه های کامپیوتریبیان شده است.سپس چند نمونه سیستم ایمنی مصنوعی برای امنیت شبکه را مورد بررسی قرار داده ایم. از جمله سیستمایمنی فورست که فقط ترافیک TCP/IP را در یک شبکه محلی مانیتور میکند . در انتها با توجه به ویژگی های الگوریتمهای هوش محاسباتی نتیجه گیری و پیشنهاداتی برای استفاده موثر از این الگوریتم ها بیان شده اند.

  • شریف پژوه

بهینه سازی ساختار شبکه عصبی با الگوریتم ژنتیک برای داده کاوی مشکلات ارتوپدی

سفارش انجام پروژه داده کاوی تشخیص مشکلات ارتوپدی به کمک روش های شبکه ی عصبی و الگوریتم ژنتیک:

جراحی ارتوپدی (Orthopedic surgery) یا استخوان‌پزشکی به شاخه‌ای از علم پزشکی گفته می‌شود که شامل درمان بیماری‌ها و اصلاح ناهنجاری‌های مربوط به استخوان‌ها و مفاصل است. برای مطالعه جزییات بیشتر در مورد جراحی ارتوپدی و انواع آن کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم ژنتیک (genetic algorithm)، مجموعه داده های مربوط به مشکلات ارتوپدی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

  • شریف پژوه

پیاده سازی مقاله: شناسایی و رتبه بندی موانع موثر بر عدم استفاده معلمان از فناوری اطلاعات و ارتباطات

پیاده سازی مقاله: شناسایی و رتبه بندی موانع موثر بر عدم استفاده معلمان از فناوری اطلاعات و ارتباطات

چکیده:

چکیده: کارکردهای متعدد و متنوع فناوری اطلاعات و ارتباطات تمامی سازمان ها و از جمله نظام آموزشی را دچار تغییر و تحولات اساسی کرده اند؛ اما به نظر می رسد آن چنان که شایسته است فناوری اطلاعات و ارتباطات در نظام آموزشی مورد استفاده معلمان قرار نمی گیرد، از این رو هدف پژوهش توصیفی حاضر، شناسایی و رتبه بندی موانع موثر بر عدم استفاده معلمان از فناوری اطلاعات و ارتباطات (فاوا) بوده است که جهت تحقق این امر، پرسش نامه محقق ساخته ای میان معلمان دبیرستان های شهر تهران توزیع و داده های گردآوری شده با استفاده از آزمون های تی و فریدمن تحلیل شدند، نتایج حاکی از آن است که مهم ترین موانع عدم استفاده از فناوری اطلاعات و ارتباطات توسط معلمان، عوامل زیرساختی - فنی، فردی، اقتصادی و فرهنگی - آموزشی بوده اند که متناسب با هر یک پیشنهادهایی ارایه شده است.
  • شریف پژوه

پیاده سازی مقاله: آموزش شبکه عصبی مصنوعی چند لایه مبتنی بر الگوریتم خفاش اصلاح شده

پیاده سازی مقاله: آموزش شبکه عصبی مصنوعی چند لایه مبتنی بر الگوریتم خفاش اصلاح شده

چکیده:

کارایی شبکه عصبی مصنوعی وابسته به وزن اتصالات بین نرون های آن است که از طریقالگوریتم های آموزش شبکه تعیین می شوند. در این مقاله، ما الگوریتم خفاش اصلاح شده(MBA) را جهت محاسبه مقدار بهینه وزن های شبکه عصبی مصنوعی پیشنهاد می دهیم. الگوریتمخفاش (BA) یک الگوریتم بهینه سازی الهام گرفته از طبیعت است که به علت برقراری تعادلیمناسب بین نرخ همگرایی و قدرت اکتشاف، عملکرد نسبتاً خوبی در حل مسائل بهینه سازی از خودنشان داده است. MBA با تغییراتی در تولید جمعیت اولیه BA بدست می آید که باعث می شودقابلیت جستجوی سراسری در الگوریتم بصورت موثری افزایش یابد. جهت ارزیابی، عملکردالگوریتم BA, MBA و الگوریتم مبتنی بر گرادیان لونبرگ مارکارد را در آموزش شبکه عصبیبا آزمایشاتی بر روی دو مجموعه داده محک شناخته شده خانه بوستون (Boston Housing) وفریدمن (Friedman) بررسی کرده ایم. نتایج نشان داده است که بطور کلی MBA در مقایسه باالگوریتم BA از کارایی بهتری برخوردار می باشد؛ همچنین، دو الگوریتم MBA و BA نسبت بهالگوریتم مبتنی بر گرادیان لونبرگ مارکارد دارای قابلیت تعمیم بهتری در مجموعه داده خانهبوستون می باشند.

  • شریف پژوه

پیاده سازی مقاله: بهینه سازی تخصیص منابع در رایانش ابری با استفاده از الگوریتم ارزیابی چندهدفه

پیاده سازی مقاله: بهینه سازی تخصیص منابع در رایانش ابری با استفاده از الگوریتم ارزیابی چندهدفه

چکیده:

توسعه سریع‌ استفاده از رایانش ابری منجر به انتشار مراکزداده مختلفی در سراسر جهان شده است که این افزایش تعداد مراکزداده، تعداد منابع با عملکرد مشابه ولی مشخصات مختلف را افزایش داده است، همچنین از آنجایی که منابعی که به صورت مستقل توسعه داده شده‌اند ممکن است همیشه با هم سازگاری نداشته باشند، حال پیش بینی همه منابع مورد نیاز، انتخاب منابع بهینه و ترکیب این منابع، چالش‌های مطرح در این مساله خواهند بود. بنابراین انتخاب منبع ساده و مناسب و بهینه برای ترکیب با یکدیگر برای پاسخگویی درخواست های بزرگ، یکی از مهمترین مشکلات در تخصیص منابع ابری می‌باشد. تاکنون کارهای زیادی روی تخصیص منابع در ابر صورت گرفته است و در هر روش معیارهای متفاوتی نظیر اطمینان پذیری، توان مصرفی، کارایی، دسترس پذیری بررسی گردیده است. اما در کارهای گذشته چندین معیار با یکدیگر بررسی نشده اند و در واقع انتخاب منابع بر اساس یک یا دو معیار بوده است. ما در این پایان نامه قصد داریم تا تخصیص منابع را بر اساس ترکیبی از چهار معیار دسترس پذیری، اطمینان پذیری، هزینه و ترافیک بررسی کنیم تا بتوانیم با توجه به معیارهای مهم برای کاربر بهترین منابع را برای وی انتخاب کنیم و به وی پیشنهاد دهیم. با توجه به اینکه می خواهیم چندین معیار را برای انتخاب منابع بهینه درنظر بگیریم، نیاز است تا از الگوریتم های ارزیابی چندهدفه استفاده نماییم. استفاده از رویکرد پیشنهادی، سبب افزایش میزان رضایت‌مندی کاربران از فراهم کنندگان ابری و در نتیجه افزایش سودآوری برای ارائه دهندگان ابری خواهد شد. ارائه دهند‌گان منابع ابری از جمله: مایکروسافت، گوگل، آمازون و... می توانند با بهره‌گیری از رویکرد پیشنهادی، نیازهای کاربران را با توان بیشتری پاسخ دهند.
  • شریف پژوه
موضوعات
Archive