فایل ورد کامل بهینه سازی زمان بندی مسیر پایگاه داده ابری مبتنی بر ترکیب الگوریتم ژنیتک و الگوریتم کلونی مورچه ها

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل بهینه سازی زمان بندی مسیر پایگاه داده ابری مبتنی بر ترکیب الگوریتم ژنیتک و الگوریتم کلونی مورچه ها،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۴ صفحه

این مقاله الگوریتم زمان بندی مسیر پایگاه داده ابری را بر اساس ترکیب پویای الگوریتم ژنتیک و الگوریتم کلونی مورچه ها طراحی کرده است. راه حل اولیه تعیین شده براساس الگوریتم ژنیتک ارزش اولین فرومن مورد نیاز الگوریتم کلونی مورچه را تغییر داد سپس راه حل بهینه توسط الگوریتم کلونی مورچه بدست آمد. تابع کنترل ژنیتی برای کنترل فرصت ترکیب دو الگوریتم تنظیم شده است. این مقاله یک الگوریتم منطقی که می‌تواند پایگاه داده‌های مورد نیاز را کارا و سریع پیدا کند را پیشنهاد می‌دهد، بار مسیر پایگاه داده ابری را بطور پویا کاهش داده و کارایی محاسبات ابری را بهبود می‌بخشد.

کلمات کلیدی:‌ الگوریتم ژنتیک | الگوریتم کلونی مورچه | زمان بندی مسیر پویا

عنوان انگلیسی:

Optimization of Cloud Database Route Scheduling Based on Combination of Genetic Algorithm and Ant Colony Algorithm

~~en~~ writers :

ZHANG Yan-hua, Feng Lei, Yang Zhia,

For the cloud database route scheduling problem, this paper designed a cloud database route scheduling algorithm
according to the dynamic combination of the genetic algorithm and ant colony algorithm. The initial solution got by the
Genetic Algorithm was transformed into the pheromone initial value, which was needed by ant colony algorithm, then
the optimal solution by the ant colony algorithm was obtained .Genetic control function was set up to control the
opportunity of two algorithms fusion .This paper proposed a reasonable algorithm ,which could find the required
database rapidly and effectively, reduce the dynamical load of cloud database routing, and improve the efficiency of
cloud computing.

© ۲۰۱۱ Published by Elsevier Ltd. Selection and/or peer-review under responsibility of [CEIS 2011]

Key words: Genetic algorithm | Ant colony algorithm | Cloud database | Dynamic routing scheduling;

$$en!!