دانلود ترجمه مقاله متدهای آرایش خدمات وب

• فهرست مطالب:

چکیده
۱- مقدمه
۲- روش‌های مبتنی بر الگوریتم‌های غیرتکاملی
۳- شیوه‌های مبتنی بر الگوریتم‌های تکاملی
۴- نتیجه‌گیری

• بخشی از ترجمه:

۴- نتیجه‌گیری
تعامل بین خدمات دنیای اطلاعات مبتنی بر اینترنت را به ابری از خدمات تغییر می‌دهد. در این محیط گسترده و توزیع شده، به آرایش خدمات برای پاسخ به درخواست‌های مختلف نیاز داریم. آرایش خدمات یک مسئلۀ سخت NP است. این مسئله، شامل طرح آرایش و منتخب خدمات برای هر وظیفه در زبان‌های جریان کار (یعنی BPEL) در قالب ورودی‌هایی است که برای یافتن بهترین راه حل این آرایش باید بیابیم.
در این مقاله، شیوه‌های متعدد آرایش خدمات را مطالعه کردیم. ما آنها را در دو مقوله گروه‌بندی کردیم: شیوه‌های مبتنی بر الگوریتم‌های تکاملی و شیوه های مبتنی بر الگوریتم‌های غیرتکاملی. شیوه‌های مقولۀ اول به صورت محدود راه حل بهینه را برای این مشکل می‌یابند ولی پیچیدگی این شیوه‌ها بالا است. اگرچه برخی از ذهنیت‌ها در سرعت بخشیدن و بهبود این پیچیدگی به آنها کمک می‌کند. شیوه‌های مقولۀ دوم سریعتر تغییر می‌کنند ولی مشکل اصلی این مقوله آن است که راه حل نهایی ضرورتاً راه حل بهینه نمی‌باشد.
لذا به محیط‌ها یا موقعیت‌های کوچک‌مقیاس پیشنهاد می‌کنیم که فرآیندهای کسب و کار، فرآیندهایی ساده بوده یا منتخب‌ها با استفاده از الگوریتم‌های غیرتکاملی محدودتر شده و کارآیی بیشتری داشته و در محیط‌هایی که فرآیندهای کسب و کار پیچیده و منتخب‌های خدمات توزیع شده هستند شیوه‌های مبتنی بر الگوریتم‌های تکاملی می‌تواند بهترین راه حل را در یک زمان منطقی به دست آورد.

• بخشی از مقاله انگلیسی:

IV. CONCLUSION

Interaction between services transform the world of information oriented internet to a cloud of services. In this wide and distributed environment we need service composition to answer different requests. Service composition is a NP-hard problem. The problem is by getting a composite plan and service candidates for each task in workflow languages (e.g. BPEL) as inputs, we need to find the best solution for the composition. In this paper we studied several methods in service composition. We grouped them in two categories: methods based on evolutionary algorithms and methods based on non-evolutionary algorithms. Methods in first category definitely find an optimal solution to the problem but, complexity in these methods is high. Although, some heuristics help them to speed up and improve the complexity. Methods in second category converge faster but the main problem in this category is that the final solution is not necessarily optimal. So we suggest for small scale environment or locations that business processes are simple or candidates are limited, using non-evolutionary algorithms is more efficient and in environments that the business processes are complex and service candidates are distributed, using methods based on evolutionary algorithms can achieve best solution in a reasonable time.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله