پیاده سازی مقاله: تشخیص احساس از روی گفتار فارسی با استفاده از ماشین بردار پشتیبان

پیاده سازی مقاله: تشخیص احساس از روی گفتار فارسی با استفاده از ماشین بردار پشتیبان

چکیده:

تشخیص خودکار احساس از روی گفتار مساله بسیار مهم، در عرصه تعامل انسان و ماشین است.قابلیت تشخیص احساس توسط کامپیوتر با دقتی همانند انسان، به منظور ایجاد رابطه طبیعی و دوستانهبین انسان و کامپیوتر، بسیار حائز اهمیت است. با وجود پیشرفتهای گسترده در حوزهً پردازشگفتار، استخراج و درک احساس پنهان در گفتار انسان، همچون خشم، شادی و جز اینها، از یکسو و تولید گفتار احساسی مناسب از سوی دیگر، یکی از چالشهای مهم برای ساخت ماشینهایهوشمند محسوب میشود. در این مقاله، یک سیستم تشخیص خودکار احساس ارائه شده است.سیستم معرفی شده، شامل دو بخش اصلی، استخراج ویژگی و آموزش مدل دسته بند می باشد.درمرحله استخراج ویژگی، ویژگیهای عروضی از جمله فرکانس گام، شدت و ویژگی های کلی ازسیگنال گفتار به ازای شش حس متفاوت خشم، تنفر، ترس، شادی، غم و خنثی استخراج شده است.پس از تشکیل بردار ویژگی، با روش دستهبند ماشین بردار پشتیبان آموزش داده شده اند. در نهایت،نتیجه محاسبات انجام شده حاکی از میانگین دقت 82/744 درصد می باشد که در مقایسه با روش های دیگر از کارایی بالاتری برخوردار است.

  • شریف پژوه

پیاده سازی مقاله: مروری بر روش های پیش بینی نقص های نرم افزاری مبتنی بر یادگیری ماشین

پیاده سازی مقاله: مروری بر روش های پیش بینی نقص های نرم افزاری مبتنی بر یادگیری ماشین

چکیده:

پیش بینی نقص نرم افزار یکی از مهمترین موارد پژوهشی در حوزه مهندسی نرم افزار می باشد. وجود نقص در سیستمنرم افزاری یک تهدید جدی برای کیفیت نرم افزار به شمار میرود و موجب عدم انطباق محصول با نیاز مشتری می شود. ازطرفی یکی از فاکتورهایی که منجر به تعداد بالای خطاهای نرم افزاری و در نتیجه تولید نرم افزاری با کیفیت پایین میشود،محدودیت منابع تضمین کیفیت می باشد. بنابراین با توجه به محدودیت منابع بهتر است ابتدا ماژول هایی که مستعد نقصهستند شناسایی شده، سپس منابع را برای رفع نقص صرف این ماژول ها کنیم. مدلهای تشخیص نقص در ماژول هاینرم افزاری تاکنون توسط محققان زیادی مورد مطالعه قرار گرفته است و این در حالی است که بسیاری از روشهای پیش بینیماژول های نقصدار هنوز در مرحله اولیه می باشند و نیازمند تحقیق بیشتر برای رسیدن به مدل های قوی هستند. دراین مقالهبه بررسی ادبیات مهندسی نرمافزار در مورد پیش بینی نقص های نرم افزاری خواهیم پرداخت. توضیحات این مقاله منعکسکننده اطلاعات اکثر مقالات چاپ شده در زمینه تحلیل و بررسی مدلهای پیش بینی نقص نرم افزاری می باشد.

  • شریف پژوه

پیاده سازی مقاله: پیشبینی بیشینه بار مصرفی در بازار برق با استفاده از سریهای زمانی

پیاده سازی مقاله: پیشبینی بیشینه بار مصرفی در بازار برق با استفاده از سریهای زمانی

چکیده:

یک سری زمانی شامل مجموعه مشاهداتی است که بر حسب زمان مرتب شده باشند،نتایجی که از تحلیل این سریها به دست می آیند دارای کاربردهای اساسی در زمینه های مختلف از جمله اقتصاد و علوم مهندسی هستند. تجزیه و تحلیل چنینمشاهداتی نیازمند روشهایی است که قسمت مهمی از علم آمار را در بر می گیرند. هدف ما در این پروژه برازش یک مدل مناسب بر روی ماکزیمم بار مصرفی پست انتقال چمران شهرستان کرمانشاه در هر روز می باشد. داده های مورد مطالعه شامل ماکزیمم بار مصرفی هر روز و در طول سال 1393 می باشد. به کمک این مدل می توانیم ماکزیمم بار مصرفی را برای آیندهپیش بینی و کنترل نماییم. پارامترهای مختلف سری زمانی با استفاده از نرم افزار MINTAB محاسبه شده است. مطالعات انجام شده بر اساس داده های یک ساله می باشد که چناچه حجم اطلاعات ورودی افزایش یابد و داده های سالهای گذشته نیز به آن اضافه شود نتایج دقیق تری بدست خواهد آمد

  • شریف پژوه

پیاده سازی مقاله: طبقه بندی زیرگروه ویروس آنفولانزا با استفاده از تکنیک های داده کاوی

پیاده سازی مقاله: طبقه بندی زیرگروه ویروس آنفولانزا با استفاده از تکنیک های داده کاوی

چکیده:

آنفولانزا یک بیماری شدیدا مسری، حاد و تب زاست که در اثر ویروس آنفولانزا ایجاد می شود ، این ویروس از سه نوع تشکیل شد ه-است: نوع B، Aو C. در طی قرن گذشته، اپیدمی های مختلفی از آنفولانزا نوع A، مرگ و میر و خسارات سنگین اقتصادی به جامعه انسانی تحمیل کرده است. آنفولانزا A بر اساس آنتی ژن های سطحی اش، هماگلوتینین و نورامینیداس تقسیم بندی میشود. تا کنون61 زیرگروه از هماگلوتینین و 9 زیرگروه از نورامینیداس شناسایی شده است. تشخیص زودهنگام و دقیق زیرگروه ویروس امری حیاتی است. کارهای معدودی در حوزه داده کاوی در این راستا، انجام شده است که غالبا روی ناحیه محدودی از دیتاست و تنها برای چند زیرگروه رایج بوده است؛ در این پژوهش، دیتاست بزرگی شامل 43533 توالی ثبت شده آنفولانزا نوعA در کتابخانهNCBI از سال 1900 تا کنون در قالب 4 گروه استفاده شده است: توالی های DNA و پروتئینی آنتی ژن هماگلوتینین، توالیهایDNA و پروتئینی آنتی ژن نورامینیداس. پس از پیش پردازش های متعدد، با استفاده از طبقه بندی جنگل تصادفی، جنگلی از طبقه-بندهای مستقل از هم، مدل دقیقی برای تشخیص زیرگروه ویروس، بدست آمد. این مدل قادر به تشخیص ویروس از تمام زیرگروه-ها، بر اساس توالی هر کدام از آنتی ژن های هماگلوتینین و نورامینیداس با تشخیص و حساسیت 99% میباشد.

  • شریف پژوه

پیاده سازی مقاله: ارائه یک الگوریتم جهت بهبود الگوریتم k-means

پیاده سازی مقاله: ارائه یک الگوریتم جهت بهبود الگوریتم k-means

چکیده:

؛k-means یکی ازمحبوب ترین روش های خوشه بندی می باشد، به این دلیل که سادگی، و سرعت آن در طبقه بندی داده های عظیم بسیار خوب است. با این حال خروجی الگوریتم k-means به انتخاب مراکز خوشه های اولیه بستگی دارد، چون به صورت تصادفی انتخاب می شود. محدودیت دیگر آن تعداد مورد نیاز خوشه ورودی است، که این نیاز به نوعی دانش شهودی در مورد مقدار مناسب k دارد. در این مقاله یک الگوریتم پیشنهاد شده بر اساس k-means که تعیین تعداد خوشه k به عنوان ورودی را نیاز ندارد پیچیدگی زمانی و کیفیت خوشه های تولید شده توسط الگوریتم پیشنهادی با الگوریتم k-means اصلی با استفاده از دو مجموعه داده مختلف، مقایسه شده است.
  • شریف پژوه

پیاده سازی مقاله: بررسی دقت و بخش بندی تصاویر پزشکی با استفاده از الگوریتم k-means

پیاده سازی مقاله: بررسی دقت و بخش بندی تصاویر پزشکی با استفاده از الگوریتم k-means

چکیده:

درباره شایعه خوشه بندی به عنوان یکی از روش های بدون ناظر و مهم در پردازش تصویر جهت قطعه بندی تصاویر مورد استفاده قرار می گیرند. در این روش به پیکسل های متعلق به دامنه تأثیر با توجه به میزان شباهت آن ها به مراکز خوشه ها به چند زیر مجموعه یا خوشه تقسیم می شوند. پرکاربردترین الگوریتم های خوشه بندی عبارتند از الگوریتم K-means و Fuzzy C-means . این مقاله به امکان سنجی قطعه بندی تصاویر پزشکی با استفاده از الگوریتم خوشه بندی K-means می پردازد.
  • 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

پیاده سازی مقاله: تشخیص حملات سایبری پیشرفته با استفاده از مدل سازی رفتاری مبتنی بر پردازش زبان طبیعی

پیاده سازی مقاله: تشخیص حملات سایبری پیشرفته با استفاده از مدل سازی رفتاری مبتنی بر پردازش زبان طبیعی

چکیده:

رشته حملات پیچیده و ماندگار نفوذ به شبکه از مراحل نامحسوس و مخفی متعددی تشکیل شده اند. یکی از دلایل ناکارآمدی سامانه های تشخیص نفوذ در برابر این حملات، استفاده از سازوکار دفاعی مبتنی بر آنالیز ترافیک شبکه ای سطح پایین است که در آن به روابط پنهان بین هشدارها توجه نمی شود. فرض ما این است که اطلاعات ساختاری پنهان در داده های ترافیکی وجود دارند و ما می خواهیم در ترافیک شبکه ای قواعدی مانند قواعد زبان تعریف کنیم و آن را برای توصیف الگوهای فعالیت های شبکه ای بدخواهانه به کار بگیریم. به این وسیله می توانیم مسئله کشف الگوهای سوء استفاده و ناهنجاری را همانند مسئله یادگیری ساختارهای نحوی و قطعات مفهومی "زبان شبکه" حل کنیم. در این مقاله برای مدل سازی در مرحله تولید دنباله ها برای اولین بار در حوزه سایبری از یک خوشه بندی جدید به عنوان خوشه بندی MD_DBSCAN که یکی از انواع بهبودیافته خوشه بندی DBSCAN است، استفاده شده است. علاوه بر این، از یک الگوریتم حریصانه با الهام از القاء گرامر در پردازش زبان طبیعی استفاده شده تا با ادغام فعالیت های سطح پایین بتوانیم فعالیت های سطح بالا را کشف کنیم و روابط بین فعالیت های سطوح مختلف را تعریف کنیم. در بخشی از الگوریتم پیشنهادی برای کشف فعالیت های سطح بالا، برای اولین بار معیار شباهت ویرایش در خوشه بندی سلسله مراتبی به معیارهای موجود در الگوریتم پایه اضافه شده است. نتایج نشان می دهد دقت تشخیص در فعالیت های سطح بالا نسبت به فعالیت های سطح پایین با توجه به نمودار ROC حدود 30 % بیشتر است. همچنین، با تنظیم بهترین حد آستانه در الگوریتم تشخیص حملات، با درنظرگرفتن معیار F1 ، برای لغات سطوح یک تا سه به ترتیب به نتایج 3/72 و 2/96 و 4/96 در پنجره پیش بینی با اندازه سه رسیده ایم که به طورکلی حدود 2/. نسبت به الگوریتم پایه بهبود نشان می دهد.
  • شریف پژوه

پیاده سازی مقاله: الگوریتم خوشه بندی اسناد بر پایه الگوریتم K-MEANS بهبود یافته

پیاده سازی مقاله: الگوریتم خوشه بندی اسناد بر پایه الگوریتم K-MEANS بهبود یافته

چکیده:

خوشه بندی یکی از مسائل مهم داده کاوی است که هدف آن گروه گروه کردن تعدادی از اشیاء به طوری است که اشیاء درون یک گروه به هم شباهت بیشتری داشته و اشیاء دو گروه مختلف نسبت به هم متفاوت باشند. در این مقاله به مسئله خوشه بندی اسناد پرداخته شده است. الگوریتم خوشه بندی به کاررفته بر اساس الگوریتم K-Means است. اعمال تغییراتی در این الگوریتم از جمله تعیین تعداد تکرار مرحله پالایش برحسب یک مقدار آستانه، اعمال تکنیک N-Gram و تکنیک های دیگر باعث افزایش درصد موفقیت الگوریتم، بیش از 12 درصد در مجموعه فارسی آزمایش شده و حدود 25 درصد در مجموعه انگلیسی آزمایش شده، شده است.

  • شریف پژوه

پیاده سازی مقاله: تشخیص امضای آفلاین با استفاده از SVM

پیاده سازی مقاله: تشخیص امضای آفلاین با استفاده از SVM

چکیده:

امروزه در بسیاری از معاملات روزمره به ویژه مالی و استفاده از چک ها و وام های بانکی و اسناد مختلف نیاز به امضا را به عنوان یکی از مهم ترین ابزارهای بیومتریک برای تایید هویت شخصی ضرورت داده است. با توجه به اینکه عوارض جانبی از امضا این است که می توانند به منظور جعل کردن اعتبار اسناد سوء استفاده قرار گیرند به همین منظور پزوهش در راه حل های کارامد برای شناخت امضا به روش آفلاین و تایید ان برای جلوگیری از جعل اسناد رو به افزایش است. سیستم شناسایی امضای آفلاین بر روی تصاویر اسکن شده از امضا کار می کند در این مقاله یک روش برای تشخیص آفلاین امضا با استفاده از طبقه بندی کننده SVM (support vector machine) جهت بازشناسی الگو ارائه شده است که به هنگام آموزش با حفظ فاصله اطمینان با اندازه قابل تنظیم مرز جدا کننده ای فرا می گیرد. برای این کار دو روش پیشنهادی معرفی می گردد. جزئیات و نتایج شبیه سازی در این مقاله مورد بحث قرار گرفته 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

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: ارایه الگوریتمی جدید برای جستجو در درخت های تصمیم با عمق زیاد

پیاده سازی مقاله: ارایه الگوریتمی جدید برای جستجو در درخت های تصمیم با عمق زیاد

چکیده:

درخت ها به ابزاری اجتناب ناپذیر برای ایده گرفتن و پیاده سازی و انتقال مفهوم در علم هوش مصنوعی و کامپیوتر تبدیل شده است . در پیاده سازی بسیاری از الگوریتم های مهم از درخت ها استفاده شده است و هرگونه بهبودی در استراتژی و الگوریتم های مربوط به درخت ها تاثیر بسیاری در سرعت اجرای برنامه ها خواهد داشت . در نوع خاصی از درخت ها به نام درخت تصمیم از روش جستجوی خصمانه جهت جستجو در درخت ها استفاده می شود. یکی از معایب الگوریتم های جستجوی خصمانه مصرف حافظه و پیچیدگی زمان اجرای آن ها در عمق زیاد است که هدف ما در این مقاله ارایه الگوریتمی جدید به نام Deepimax در جهت حل این مشکل می باشد . نتایج حاصل از پیاده سازی الگوریتم جدید نشان داد که این الگوریتم مصرف حافظه و پیچیدگی زمان اجرای کمتری برای جستجوها در عمق زیاد دارد.
  • شریف پژوه

پیاده سازی مقاله: پخش بار بهینه به کمک الگوریتم تکامل تفاضلی

پیاده سازی مقاله: پخش بار بهینه به کمک الگوریتم تکامل تفاضلی

چکیده:

به منظور توزیع مناسب منابع توان رأکتیو در شبکه قدرت روش های زیادی ارائه شده است. اهمیت این موضوع و تأثیر مستقیمی که بر کنترل توان در شبکه دارد، ارائه یک روش مفید، دقیق و ارزان را می طلبد. در این مقاله یک روش مؤثر و کارا برای توزع بهینه توان رآکتیو در شبکه بر اساس الگوریتم تکامل تفاضلی ارائه شده است که به طور هم زمان مسئله پخش بار اقتصادی را هم در شبکه قدرت حل می نماید. تابع هدف در مسئله توزیع توان رآکتیو متشکل از 3 پارامتر اصلی است که بر مقدار توان رأکتیو شبکه قدرت تأثیر مستقیم می گذارند که عبارتند از : تلفات اکتیو، پروفیل ولتاژ و پایداری ولتاژ. تابع هدف مسئله پخ بار اقتصادی هم مینیمم سازی هزینه سوخت است که برای سادگی تابعی درجه 2 از توان تولیدی نیروگاه ها در نظر گرفته شده است. در پایان هم الگوریتم پیشنهادی روی یک شبکه 12 باس پیاده سازی شده و نتایج آن ارائه گردیده است.
  • شریف پژوه

پیاده سازی مقاله: بهبود سیستم ایمنی مصنوعی با استفاده از منطق فازی

پیاده سازی مقاله: بهبود سیستم ایمنی مصنوعی با استفاده از منطق فازی

چکیده:

سیستم ایمنی مصنوعی یک تکنیک الهام گرفته شده از مکانیزمهای دفاعی سیستم ایمنی طبیعی میباشد که در زیرمجموعه الگوریتمهای مبتنی بر جمعیت و تکاملی قرار میگیرد. در این الگوریتم بهترین آنتیبادیهای به عنوان حافظه نگهداریمیشوند و مجموعه آنتیبادیها با انتخاب همزاد توسط ابرجهش به دنبال بهترین آنتیبادیها (پاسخها) هستند. از مشکلات الگوریتم اولیه سیستم ایمنی مصنوعی، میتوان به افتادن در بهینه محلی و پایین بودن سرعت همگرایی اشاره نمود. بنابراینتغییرات نرخ جهش (ابرجهش) در این الگوریتم به عنوان تنها و مهمترین عملگر تغییر که منجر به تغییرات سرعت همگرایی وخروج از بهینههای محلی میگردد، حائز اهمیت میباشد. در این مقاله با استفاده از منطق فازی، روش جدیدی برای بهبود تغییرات نرخ ابرجهش پیشنهاد شده است. آزمایشات بر روی چندین تابع محک استاندارد اعمال شده و نتایج روش پیشنهادی به همراه روشهای متداول دیگر، حاکی از مطلوبیت روش پیشنهادی 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

پیاده سازی مقاله: کاربرد محاسبات گرید در منابع بازار با کاربرد منطق فازی

پیاده سازی مقاله: کاربرد محاسبات گرید در منابع بازار با کاربرد منطق فازی

چکیده:

منطق فازی تکنولوژی جدیدی است که شیوه های مرسوم برای طراحی و مدل سازی یک سیستم را که نیازمند ریاضیات پیشرفته و نسبتا پیچیده ای است، با استفاده از مقادیر و شرایط زبانی با هدف ساده سازی و کارامد تر شدن طراحی سیستم جایگزین تا حدود زیادی تکمیل می نماید. در این پژوهش ضمن توضیح و تعریف مباحث مربوط به سیستم های گرید با استفاده از الگوریتم ژنتیک روشی برای تخصیص منابع بازار به برنامه ها و کروموزم ها ارایه داده شده است که می تواند نسبت به روش های قبلی برای زمانبندی منابع بازار در گریدهای اقتصادی، بار کاری و تعادل باری و بازه زمانی را کاهش دهد و در مقایسه با الگوریتم های قبلی که برای بهینه سازی زمانبندی منابع بازار در سیستم های گرید اقتصادی ارایه شده اند بهتر عمل کند و مشکلات روش های متمرکز، سلسله مراتبی و توزیع شده در زمانبندی منابع بازار در گریدهای اقتصادی را تا حد ممکن برطرف سازد. منابع این مهم با بهره گیری از روش طبقه بندی فازی برای برنامه ها انتخاب شده است. در انتها نتایج حاصل از روش پیشنهادی با روش های قبلی مانند QoS و Max-Min و Min-Min مقایسه شده و در نمودارهای مختلفی ارایه شده است. در الگوریتم پیشنهادی مناسب ترین منابع برای task انتخاب شده و الگوریتم پیشنهادی بهره وری بالاتری نسبت به سایر الگوریتم ها از نظر Make span یا بازه زمانی و بهره وری منابع بازار در کمترین زمان و همچنین کاهش بارکاری و تعادل بار را به همراه داشته است.
  • شریف پژوه

پیاده سازی مقاله: افزایش کارایی در گرید با استفاده از الگوریتم pso

پیاده سازی مقاله: افزایش کارایی در گرید با استفاده از الگوریتم pso

چکیده:

با رشد سریع داده ها محاسبات توزیع شده و گرید محاسباتی مورد توجه زیادی قرارگرفته است. کارایی گرید با استفاده از الگوریتمهای توازن بار قابل افزایش است هدف الگوریتم های توازن بار استفاده از تمام منابع موجود در گرید است منابع نقش موثری در افزایش و یا کاهش کارایی گرید دارند برای مثال منابع محدود قادر به ایجادگلوگاه شده و موجب کاهش کارایی در گرید می شوند درانی مقاله از یک الگوریتم هوش دسته جمعی برای ایجاد توازن بار درگرید استفاده شده ست از انجا که محیط گریدکاملا پویاست از الگوریتم PSO به منظور ایجاد توازن بار در سایت ها استفاده می کنیم نتایج شبیه سازی الگوریتم ارائه شده با نرم افزار GridSim نشان میدهد این الگوریتم قادر به افزایش کارایی و قابلیت اطمینان در محیط گرید می باشد.
  • شریف پژوه

پیاده سازی مقاله: یک رویکرد هوشمند برای مساله زمانبندی کار در گرید محاسباتی

پیاده سازی مقاله: یک رویکرد هوشمند برای مساله زمانبندی کار در گرید محاسباتی

چکیده:

مساله زمان بندی کارها یکی از چالش های مهم در یک گرید محاسباتی است. هدف مساله زمانبندی گرید، انتساب بهینه کارها به منابع است. با توجه به پویایی محیط گرید، ناهمگونی و خود مختار بودن گره های گرید و پیچیدگی کارهایکاربران ، کارایی محیط گرید به شدت به تکنیک های زمانبندی که دنبال می کند وابسته است. بنابراین ارایه یک تکنیک کارآمد، منطبق و کم هزینه برای زمانبندی کارها در محیط گرید بسیار مهم است .اکثر روش های زمان بندی متمرکز یانیمه متمرکز می باشند در نتیجه این روش ها با شرایط محیطی منطبق نمی باشند.در این اثر یک الگوریتم زمان بندی کار پویا مبتنی بر آتاماتای یادگیر برای حل مساله زمانبندی کار در گرید محاسباتی ارایه شده است. در روش پیشنهادی، با استفاده از الگوهای یادگیر ابتدا اطلاعاتی در مورد پارامترهای محیطی گرید همچون انواع کاربران، نرخ ترافیک کاربرانمختلف، توان محاسباتی گره های مختلف گرید و غیره توسط الگوریتم گردآوری می شود. سپس بر اساس اطلاعات بدست آمده سعی می شود تا فرایند تخصیص کار و زمانبندی کار متناسب با بار کاری کاربران مختلف باشد. کارایی الگوریتمپیشنهادی، با استفاده از نرم افزار متلب، تحت سه اندازه مختلف گرید، مورد آزمایش قرار گرفت. نتایج بدست آمده با دوروش مختلف زمان بندی کار مقایسه شده است. نتایج عددی برتری الگوریتم پیشنهادی را نسبت به دو روش موجود از نظر حداکثر زمان اجرای تمام کار های ارسالی، مجموع زمان تکمیل شدن تمام کارها و تعادل بار کاری قرار داده شده روی گره های گرید، تایید می کنند.
  • شریف پژوه

پیاده سازی مقاله: تاثیر انتخاب اپراتور برNSGA_III در بهینه سازی بیش هدفه- چند هدفه و تک هدفه

پیاده سازی مقاله: تاثیر انتخاب اپراتور برNSGA_III در بهینه سازی بیش هدفه- چند هدفه و تک هدفه

چکیده:

الگوریتم مناسب ژنتیک طبقه بندی شده (NSGA_III) یک الگوریتم بهینه چندگانه می باشد که با استفاده از چند جهت مرجع از پیشتعریف شده و در عین حال سازگار به حفظ تنوع در میان راه حل های آن است. خصوصا طراحی حل مسایل چندگانه ای که دارای چهاریا بیشتر تابع هدف است. محدودیتی وجود دارد که مانع از استفاده NSGA_III به مسایل بهینه سازی تک هدفه که در آن تنها یکجهت مرجع وجود دارد شده است که برای این منظور یک الگوریتم یکپارچه U_ NSGA_III به تازگی طراحی شده تا مطالعه اینمقاله را به عهده گیرد.U_ NSGA_III قابلیت تطبیق دهی خودکار به ابعاد شکل را دارد.به هر حال طراحان در این مقاله امکان چشم پوشی از محدودهNSGA_III و استفاده از ارزیابی عملکرد چند گانه برای حل مسایل چند گانه ، ضربه دری و تکی را داریم.در اینجا عملکرد ارزیابی روی یک سری مسایل چند گانه ،ضربه دری ، تکی ثابت و غیر ثابت به این منظورانجام می شوند که ضعفو عیب NSGA_III چند رشته ای در مقایسه با U_ NSGA_III بررسی شوند نقطه قوت NSGA_III در هر نوع مساله نیز شرحداده شده است این مطاله یک ارزیابی مقایسه ای در مورد روند کاری NSGA_III اصلی فراهم می کند.
  • شریف پژوه
موضوعات