دانلود مقاله ترجمه شده ترکیب خدمات پویای وب با بهینه ‌سازی کلونی مورچه – مجله IEEE

• فهرست مطالب:

چکیده
۱- مقدمه
۲- پژوهش مرتبط
۳- اطلاعات پس‌زمینه‌ای
۱-۳- نمادها و پارامترهای سیستم
۲-۳- ترکیب خدمات وب QoS محور
۳-۳- ویژگی‌های QoS و اجتماع خدمات کامپوزیت
۴- انتخاب خدمات وب دینامیک با MO-ACO
۱-۴- تجزیۀ خدمات کامپوزیت
۲-۴- الگوسازی MOP و سنجش عملکرد جهانی
۳-۴- نرمال‌سازی مقادیر ویژگی‌های QoS
۴-۴- فرمولاسیون سیستم مورچه برای مسئلۀ ترکیب دینامیک خدمات
۵- پژوهش تجربی
۱-۵- الگوی شبیه‌سازی MO-ACO و تجزیۀ خدمات
۲-۵- تحلیل و مقایسۀ عملکرد
۳-۵- تحلیل مقیاس‌پذیری
۶- نتیجه‌گیری

• بخشی از ترجمه:

۶- نتیجه‌گیری
به دلیل اینکه خدمات کامپوزیت به طور کلی دارای گراف کاربردی پیچیده‌ای هستند و بنابراین کنترل آنها دشوار است، راهبردی را برای تجزیۀ خدمات کامپوزیت با ساختار جریان کلی در مسیرهای اجرایی موازی پیشنهاد کردیم. در نتیجه ترکیب خدمات دینامیک را به ازای هر مسیر اجرایی به صورت مسئلۀ بهینه‌سازی چندهدفی ساختاربندی کردیم و در حال حاضر نسخۀ جدید الگوریتم ACO یعنی MO_ACO را برای حل این مسئله به دست آوردیم. نتایج حاکی از آن است که رویکرد MO_ACO می‌تواند راه حل‌های بهینه‌تری را برای مسائل چندهدفی خارج از فضای جستجوی عظیم و به طریقی کارآمد بیابد. همچنین نتایج نشان می‌دهند که MO_ACO برای پشتیبانی از ترکیب بسیار پیچیدۀ خدمات وب مقیاس‌پذیر است.
در زمینۀ پژوهشی ACO، برخی دستاوردها برای بهبود بیشتر عملکرد الگوریتم‌های ACO پیشنهاد شده است. در چارچوب پژوهش‌های آتی، به کشف احتمال یکپارچه‌سازی راهبرد بهبود در MO_ACO به منظور دستیابی به QoS های بهتر خدمات کامپوزیت حاصل از ترکیب خدمات پویای وب با استفاده از بهینه‌سازی کلونی مورچه خواهیم پرداخت.

• بخشی از مقاله انگلیسی:

۶ Conclusion

Due to the fact that composite services generally have a complex functional graph and are thus hard to handle, we propose a strategy to decompose a composite services with a general flow structure into parallel execution paths. We then model dynamic service composition for each execution path as a multi-objective optimization problem, and present a new version of ACO algorithm, MO ACO, to handle this problem. The experiments illustrate that our MO ACO approach can find near-optimal solutions on the fly for multi-objective problems out of a huge search space in a very efficient way. The experiments also reveal that MO ACO is scalable to support composition of very complex web services. In the research field of ACO, some improvement has been proposed to further improve the performance of ACO algorithms. As future work, we will explore the possibility to integrate the improvement strategy into our MO ACO in order for achieving even better QoS of composite service from dynamic web service composition by ant colony optimization.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله