چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2000365 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
499 Kb
حجم فایل فارسی :
2 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
الگوریتم ژنتیک برای اتصال سرویس خودکار
عنوان انگليسي
A Genetic Algorithm for Automated Service Binding
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 10 صفحه انگلیسی به صورت پی دی اف و 16 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
اتصال وب سرویس واقعی برای وظایف درگیر در یک مدل ارکستراسیون، یک گام مهم در ترکیب وب سرویس پویا است. در کار قبلی ما مبنی بر اتصال سرویس خودکار، ما یک روش از ترکیب یک تکنیک قدرتمند برای محاسبه QoS از یک سرویس مرکب با روش بیان اولویت های مربوط به توازن بین پارامترهای مختلف QoS از یک سرویس مرکب خود، توصیف کرد‌ه‌ایم. در این مقاله، ما یک الگوریتم ژنتیک معرفی می کنیم که بهترین نگاشت سرویس‌های واقعی برای وظایف درگیر در ترکیب را پیدا میکند. این الگوریتم از روش ارائه شده در کار قبلی ما که تعداد راه حل های کاندید را تشکیل می دهد به منظور برآورد مناسب نگاشت استفاده میکند. ما چگونگی چالش های ناشی از استفاده این روش که طراحی الگوریتم ما را تحت تاثیر قرار داده است را توضیح میدهیم و نتایج تجربی را برای نشان دادن اثربخشی رویکرد خود گزارش میدهیم.
1-مقدمه
وب سرویس‌های مرکب که به قابلیت های پیشرفته دست پیدا میکنند می توانند با یکپارچه سازی وب سرویس‌های منحصر به فرد ساخته شوند. از آنجا که ترکیب وب سرویس یک کار پیچیده است، تلاش های جاری برای خودکارسازی این فرایند وجود دارد. وب سرویس‌ها یک ماهیت پویا دارند: در هر لحظه، یک سرویس ممکن است منتفی بشه یا یکی جدید ممکن است در دسترس قرار بگیرد. ویژگی های غیر عملکردی، مانند کیفیت سرویس (QoS)، نیز موضوعی برای تغییرات مکرر می باشد. بنابراین، تحقیقات زیادی در جهت خودکارسازی، روش های ترکیب وب سرویس پویا مدیریت میشوند...
مدل ارکستراسیون الگوریتم ژنتیک کیفیت سرویس
:کلمات کلیدی
Abstract
Binding concrete web services to the tasks involved in an orchestration model is an important step in dynamic web service composition. In our previous work on automated service binding, we have described a method of combining a powerful technique for computing the QoS of a composite service with our own approach of expressing preferences related to the trade-offs between the various QoS parameters of a composite service. In this paper, we introduce a genetic algorithm that finds the best mapping of concrete services to the tasks involved in the composition. The algorithm uses the method presented in our previous work in order to estimate the fitness of the mappings that make up a population of candidate solutions. We describe how the challenges posed by the use of this method have influenced the design of our algorithm and report the experimental results showing the effectiveness of our approach
Keywords:
QoS preferences service binding QoS aggregation genetic algorithms
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه الگوریتم ژنتیک