کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
493868 1446779 2013 10 صفحه PDF 27 صفحه WORD دانلود کنید
عنوان انگلیسی مقاله
Memetic algorithms applied to the optimization of workflow compositions
ترجمه فارسی عنوان
الگوریتهای memetic اعمال شده برای بهینه سازی ترکیبات گردش کار
کلمات کلیدی
الگوریتم های ژنتیکی، بهینه سازی ازدحام ذرات، الگوریتم مانکرس (Munkres)، کیفیت خدمات، الگوریتم های ممتیک (Memetic)
فهرست مطالب مقاله
کلمات کلیدی

معرفی

شکل 1. معماری سرویس گرا.

کار مرتبط

ترکیب گردش کار

مثال گردش کار

شکل 2. مثال گردش کار کشف دانش. 

کیفیت خدمات متریک و تابع هدف

طرح سطح خدمات

جدول 1. سطح خدمات استاندارد برای برنامه های مختلف خدمات.

رویکردها

الگوریتم Munkres

رویکرد الگوریتم Memetic (MA) 

رویکرد بهینه سازی ازدحام ذرات (MPSO)

الگوریتم 2. الگوریتم MPSO. 

آزمایشات و نتایج

راه اندازی آزمایشی

نتایج

جدول 1. نسبت های موفقیت و زمان اجرای الگوریتم ها

شکل 3. نسبت موفقیت برای افزایش نسل.

شکل 4. زمان اجرایی برای افزایش نسل. 

شکل 5. نسبت موفقیت برای افزایش میزان جمعیت. 

شکل 6. زمان اجرا برای افزایش میزان جمعیت. 

شکل 7. نسبت موفقیت برای افزایش اندازه ذرات.

شکل 8. زمان اجرا برای افزایش اندازه ذرات.

جدول 2. نسبت های موفقیت و زمان اجرا برای افزایش درصد بخش Munkres.

شکل 9. نسبن موفقیت برای افزایش اندازه گردش کار.

شکل 10. زمان اجرای برای افزایش گردش کار، از جمله الگوریتم Munkres.

نتیجه گیری
ترجمه چکیده
گزینش و انتخاب خدمات یک گردش کار بر اساس ویژگی های کیفیت خدمات (QoS) یک مسئله مهم در سیستم های سرویس گرا است. ویژگی QoS برای فرایند انتخاب بهتر براساس معیارهای کیفی غیرفعال مانند قابلیت اطمینان، قابلیت دسترسی و زمان پاسخ دادن امکان پذیر است. تحقیقات گذشته عمدتا به این مسئله با روشهای بهینه ای مانند روشهای برنامه نویسی خطی پرداخته است. با توجه به ماهیت سیستم های سرویس گرا که در آن تعداد زیادی از خدمات با مقادیر مختلف QoS در دسترس هستند، روش های بهینه مناسب نیستند و در نتیجه تکنیک های تقریبی ضروری هستند. در این مقاله، الگوریتم ژنتیک و بهینه سازی ازدحام ذرات برای فرآیند انتخاب خدمات مورد بررسی قرار گرفته است. به طور خاص، هر دو روش با یک الگوریتم انتساب بهینه (الگوریتم Munkres) به منظور دستیابی به کیفیت بالاتر (نسبت موفقیت) ترکیب شده اند و به اصطلاح الگوریتم memetic را تشکیل می دهد. آزمایش ها برای بررسی مناسب بودن رویکردها و مقایسه الگوریتم های memetic با قطعات غیرmemetic آنها انجام شده است. نتایج نشان می دهد که الگوریتم های memetic برای برنامه کاربردی در انتخاب مسئله گردش کار بسیار مناسب هستند. © Elsevier B.V. 2012. همه حقوق محفوظ است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی

The selection of services of a workflow based on Quality of Service (QoS) attributes is an important issue in service-oriented systems. QoS attributes allow for a better selection process based on non-functional quality criteria such as reliability, availability, and response time. Past research has mostly addressed this problem with optimal methods such as linear programming approaches. Given the nature of service-oriented systems where large numbers of services are available with different QoS values, optimal methods are not suitable and therefore, approximate techniques are necessary. In this paper, we investigate Genetic algorithms and particle swarm optimization for the service selection process. In particular, both methods are combined with an optimal assignment algorithm (Munkres algorithm) in order to achieve higher solution qualities (success ratios) and to form a so called memetic algorithm. Experiments are conducted to investigate the suitability of the approaches and to compare the memetic algorithms with their non-memetic counterparts. The results reveal that the memetic algorithms are very suitable for the application to the workflow selection problem.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Swarm and Evolutionary Computation - Volume 10, June 2013, Pages 31–40
نویسندگان
,