الگوریتم زمان بندی ماشین های مجازی بر اساس بهینه سازی ذرات در رایانش ابری
این مقاله به بررسی الگوریتم زمان بندی ماشین های مجازی بر اساس بهینه سازی ذرات در رایانش ابری می پردازد
بررسی و کاربرد هوش ازدحامی در مسئله مدیریت بحران
عنوان تحقیق: بررسی و کاربرد هوش ازدحامی در مسئله مدیریت بحران
فرمت فایل: word
تعداد صفحات: 63
شرح مختصر:
مسئله مدیریت بحران در سالهای اخیر اهمیت شایانی یافته است . با توسعه محیطهای شهری ،هنگام وقوع یک بحران خطرات جانی و مالی زیادی افراد شهر را تهدید می کند .به این دلیل ایجاد سیستم مدیریت بحران مؤثر و سازمان یافته بسیار ضروری است. هر بحران شامل چندین حادثه با درخواست تعداد معینی واحد اورژانسی است .وضعیت نابهنجار زمانی به وجود می آید که مسئله کمبود منابع و رقابت برای منابع مطرح می شود.با اینکه هر بحران درجه شدت متفاوتی دارد، اما واکنش مناسب به درخواست هر بحران بسیار ضروری است. با تخصیص واحدهای اورژانسی به حوادث به طور خودکار ، گام بلندی در جهت حذف خطاهای بشری برداشته شده است .
در این پروژه روشهای هوش ازدحامی برای تخصیص تعداد بهینه از منابع در محیطی با چند بحران پیشنهاد شده است. این روشها تکنیکهای جدیدی در مدل کردن روند بحرانی با جمعیتی از عاملها و تخصیص منابع است به طوری که همه بحرانها بتوانند از منابع موردنظرشان استفاده کنند. هوش ازدحامی سیستمی است متشکل از تعداد زیادی افراد که با یک کنترل نا متمرکز و خودسامانده متعادل و هماهنگ می شوند . هوش ازدحامی ، منبع الهامی جهت توسعه سیاست های تخصیص گردش کار است. الگوریتم هایی که از این رفتار الهام میگیرند به طور موفقیت آمیزی جهت کاهش زمان های تنظیم شده و زمان های عملکرد در تولید زمان بندی صنعتی به کار میرود .
در این پروژه روشهایی برای بهینه سازی تخصیص منابع به وقایع بحرانی مختلف با توجه به محدودیتهایی همچون دسترس پذیری منابع ، وضعیت بحرانی وقایع، تعداد منابع خواسته شده و غیره ارائه شده است. روش پیشنهادی به سمت مدیریت رخداد وقایع بحرانی به طور همزمان در یک محیط از پیش تعریف شده خاص با مراکز تخصیص منبع تعیین شده در همان محل پیش می رود. هدف افزایش بهره وری واحدهای واکنش اضطراری به همراه کاهش زمانهای واکنش است. هدف اصلی از تخصیص خدمات اورژانسی ، بیشینه سازی کارایی واحدهای واکنش اضطراری در دسترس و موجود و کمینه سازی زمان واکنش برای کاهش آثار یک یا چند واقعه است.
فهرست مطالب
فصل اول – مقدمه. ۱
فصل دوم-مدیریت بحران. ۳
۲-۱-مقدمه. ۳
۲-۲-مدیریت بحران. ۴
۲-۳-آژانسهای مدیریت بحران. ۷
۲-۳-۱- آژانس مدیریت اضطراری فدرال (FEMA) 7
2-3-2-اینفوسفر- سیستم دریافت و پاسخ.. ۹
۲-۳-۳-سیستم مدیریت بحران (CMS). 10
2-4-انواع روشهای الگوریتمی تخصیص منابع. ۱۲
۲-۴-۱-برنامه نویسی پویا: ۱۳
۲-۴-۲-برنامه نویسی عدد صحیح.. ۱۴
۲-۴-۳-روش ضرب کننده لاگرانژ: ۱۵
۲-۴-۴-باز پخت شبیه سازی شده ۱۶
۲-۴-۵-الگوریتم ژنتیک… ۱۸
۲-۴-۶- انشعاب و کران. ۲۰
۲-۴-۷- الگوریتم حریص…. ۲۰
۲-۴-۸- جستجوی تابو. ۲۱
۲-۴-۹- تئوری بازیها ۲۲
۲-۵-عملیات نجات روبوکاپ[۲] ۲۲
۲-۵-۱-ساختار سیستم: ۲۴
۲-۵-۲-ساختار عاملها: ۲۴
۲-۵-۳-تشکیل تیم. ۲۶
فصل۳ -هوش ازدحامی.. ۲۸
۳-۱- مقدمه. ۲۸
۳-۲-الگوریتم بهینه سازی کلونی مورچه ها(ACO) 30
3-2-1-مورچه ها چگونه می توانند کوتاهترین مسیر را پیدا کنند؟. ۳۱
۳-۲-۲-کاربردهای ACO.. 32
3-3- الگوریتم بهینه سازی انبوه ذرات (PSO). 33
3-3-1-الگوریتم pso. 34
3-3-2 کاربردهای pso. 36
3-4-الگوریتم ژنتیکGA ۳۶
۳-۴-۱- الگوریتم GA.. 37
3-4-2-کاربردهای GA.. 37
فصل چهارم : استفاده از هوش ازدحامی در مدیریت بحران. ۳۹
۴-۱-مقدمه. ۳۹
۴-۲-هوش ازدحامی ۴۱
۴-۳-حوزه مدیریت اورژانسی.. ۴۳
۴-۴-روش شناسی.. ۴۴
۴-۵-مکانیزم های تخصیص کار مرسوم. ۴۴
۴-۶-روند واکنش اورژانسی.. ۴۶
۴-۷-ساخت و ارزیابی مدل. ۴۸
۴-۸-روش شبیه سازی.. ۴۹
۴-۹-طراحی آزمایشات: ۵۱
۴-۱۰-روش مقایسه مکانیزم. ۵۳
۴-۱۱-رتبه بندی.. ۵۳
فصل پنجم-نتیجه گیری و پیشنهادات.. ۵۷
منابع و مراجع. ۵۹
ترجمه مقاله فرااکتشافات در بهینه سازی ترکیبی مرور و مقایسه مفهومی
عنوان انگلیسی مقاله:
Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison
عنوان فارسی مقاله: فرااکتشافات در بهینه سازی ترکیبی: مرور و مقایسه مفهومی
رشته: مهندسی کامپیوتر و فن آوری اطلاعات
قالب بندی فایل ترجمه: word
تعداد صفحات فایل ترجمه شده: 25
لینک دانلود مقاله انگلیسی:
قسمتی از متن ترجمه شده:
موضوع توابع فرااکتشافی برای کاربرد در مسائل بهینه سازی ترکیبی زمینه تحقیقاتی است که با سرعت در حال رشد است. این به دلیل اهمیت مسائل بهینه سازی ترکیبی در دنیای صنعت و علم است. در اینجا مروری بر روشهای فرااکتشافی از دیدگاه مفهومی ارائه می شود. مولفه ها و مفاهیم متفاوتی که در فرااکتشافات مختلف برای تحلیل شباهتها و تفاوتها به کار می روند، مطرح میگردند. دو مفهوم بسیار مهم در فرااکتشافات، متمرکزسازی و متنوع سازی است. این دو مفهوم، رفتار تابع فرااکتشافی را تعیین می کنند. این دو از جهتی متناقض و از جهتی تکمیل کننده هستند. با طرح مزایا و معایب رویکردهای فرااکتشافی متفاوت، اهمیت ترکیب فرااکتشافات همچنین اجتماع فرااکتشافات و روشهای دیگر بهینه سازی مشخص می گردد.
5. 1 . تعاریف اولیه
بسیاری از مسایل بهینه سازی عملی و نظری، شامل جستجوی بهترین پیکربندی برای مجموعهای از متغیرها برای رسیدن به هدفهاست. آنها به طور طبیعی، به دو مقوله تقسیم می شوند: مسائلی که راه حل آنها با متغیرهای دارای مقادیر حقیقی کدگذاری شده و آنهایی که با متغیرهای گسسته کدگذاری شدهاند. در میان دسته دوم، کلاسی از مسائل به نام مسائل بهینه سازی ترکیبی (CO) وجود دارد. در مسائل بهینه سازی ترکیبی، ما در یک مجموعه متناهی یا نامتناهیشمارا به دنبال یک شئ می گردیم، مانند یک عدد صحیح، زیر مجموعه، جایگشت یا ساختار گراف.
تعریف1: یک مسئله بهینه سازی ترکیبی P=(S,f) به این شکل تعریف می شود:
- مجموعه ای از متغیرها X={ x1,x2,…, xn}
تحقیق تئوری بهینه سازی
تحقیق تئوری بهینه‌سازی
بهینه‌سازی
یافتن جواب عملی
شبه بهینه‌سازی
در شرایطی که ما به یافتن جواب در همسایگی جواب بهینه راضی باشیم هدف جستجو را شبه بهینه‌سازی می‌نامند. شبه بهینه‌سازی دارای دوطبقه است. اگر هدف یافتن جواب عملی خوب در فاصله تعریف شده‌ای از جواب بهینه باشد به آن بهینه‌سازی نزدیک4 گفته میشود. اگر شرط فاصله تعریف شده برای جواب بدست‌آمده حذف گردد و تنها یافتن جواب نزدیک بهینه با احتمال بالا، هدف باشد به آن بهینه‌سازی تقریبی5 گفته میشود.
بیشتر مسائل عملی آنقدر مشکل هستند که در آنها هدف، شبه‌بهینه‌سازی در نظر گرفته میشود تا از این طریق تعادلی بین کیفیت جواب بدست آمده و هزینه جستجوی آن جواب برقرار گردد. همچنین از آنجایی که تعداد محاسبات مسائل بهینه‌سازی ترکیبی به اعداد نجومی می‌رسد حذف شرط بهینگی یک ضرورت اقتصادی است. در شبه‌بهینه‌سازی باید الگوریتم‌هایی ارائه کرد که حدود مناسب میزان محاسبات و نزدیکی به بهینگی را تضمین نموده و تعادلی بین آنها برقرار نمایند. این الگوریتم‌ها باید مجهز به پارامترهای قابل تنظیم باشند تا کاربر بتواند با تغییر آن پارامترها تعادل مطلوب بین جواب بدست آمده و میزان محاسبات را برقرار نماید (پیرل6 1984، 1-10).
2-انواع مسائل بهینه‌سازی
در اینجا، مسائل بهینه‌سازی از نگاه نوع فضای جواب مسئله به دو دسته کلی تقسیم شدهاند.
ارائه روشی در محیط محاسبات ابری برای بهینه سازی زمانبندی وظیفه
محاسبات ابری مجموعه ای مجازی از منابع را از طریق اینترنت برای کاربران فراهم می کند . در این سیستم ها جهت افزایش نرخ تکمیل کار و افزایش بهره وری از منابع و در نتیجه افزایش توان محاسباتی، از زمانبندی استفاده میشود. زمانبندی وظایف یک فرایند کلیدی در محیط محاسبات ابری است که هدف آن اجرای درخواست های وارد شده به سیستم بر روی منابع، به شیوه ای کارآمد با در نظر گرفتن سایر خصوصیات محیط ابر است.