گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” برنامه نویسی شبکه با الگوریتم ژنتیک ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
یک الگوریتم ژنتیک موثر برای برنامه نویسی شبکه |
| عنوان انگلیسی مقاله: |
An effective genetic algorithm for network coding |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2012 |
| تعداد صفحات مقاله انگلیسی | 12 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی فناوری اطلاعات و مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | شبکه های کامپیوتری و برنامه نویسی کامپیوتر |
| مجله | تحقیقات کامپیوتری و عملیاتی – Computers & Operations Research |
| دانشگاه | دانشکده مهندسی، دانشگاه وارویک، انگلستان |
| کلمات کلیدی | الگوریتم ژنتیک، کدینگ (برنامه نویسی شبکه)، به حداقل رسانی منبع، قانون غیر مستدل (ابتکاری) |
| شناسه شاپا یا ISSN | ISSN 2011.07.014 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 32 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. مقدمه
2 شکل گیری (فرمولاسیون مسئله)
3. طراحی GA برای DNCP
3.1 ایده ی اصلی Gas
3.2 ساختار کروموزومی
3.3 اپراتورهای تکوینی
3.4 قوانین ابتکاری
4. نتایج شبیه سازی
4.2 نتایج آزمایشی SNCP
4.3 نتایج آزمایشی DNCP
4.4 تحلیل بیشتر قانون 4 و 5
4.5 تاثیر اندازه ی میدان بر روی عملکرد GAs جدیدما
5. نتیجه گیری ها و کار آینده
- بخشی از ترجمه:
5. نتیجه گیری ها و کار آینده
به عنوان یک تئوری اطلاعاتی جدید، کدینگ شبکه ای قبلا یک تاثیر بسزا را بر روی بسیاری از زمینه های پژوهشی همانند سیستم های ارتباطی، پروتکل شبکه، شبکه های بی سیم و امنیت شبکه نشان داده است.بهینه سازی کدینگ شبکه که هدفش به حداقل رساندن منابع کدینگ شبکه همانند ندها و لینک هاست ،اخیرا توجه تحقیقاتی را به خود جلب نموده است،با تلاش هایی که تاکنون بیشتر بر روی روی مسئله ی کدینگ شبکه ی استاتیک تاکید داشته اند (SNCP).این مقاله در نظر داشته است که چطور مسئله ی کدینگ شبکه ی دینامیکی را از طریق ارائه ی فرمولاسیون کلی اش بررسی نماید و ازاینرو یک الگوریتم ژنتیک موثر را توسعه دهد (GA) تا آن را درک نماید.مدل جدید ارائه شده در این مقاله فرضیه ی کلی را نادیده می گیرد که یک سرعت هدف همیشه تا زمانیکه همه ی ندها کدینگ را اجازه دهند قابل دستیابی شود و سرعتی را که واقعا کسب شده است را در حفره ها معرفی می نمایند،در کنار سرعت هدف و منابع لازم،برای تابع هدف برای بهینه سازی سیستم.برای استخراج سرعتی که واقعا کسب شده است، GAگزارش شده بر اساس یک ساختار کروموزومی جدید طراحی می شود ،که اجازه می دهد هر کروموزومی یک پروتکل شبکه ی ویژه و یک برنامه ی کدینگ را ثبت نماید.در نتیجه، جریان اطلاعاتی در زمینه ی لینک ها می تواند در هر مرحله ای از بهینه سازی بررسی شود. نمایش جدید هم عملیات های تکوینی را از مسائل شدنی آزاد می سازد و تلفیق برخی از قوانین ابتکاری ویژه ی مسئله ی مفید را در الگوریتم ساده می سازد.اثر بخشی مدل جدید و GA از طریق شبیه سازی های هم SNCP و هم DNCP نشان داده می شود.
- بخشی از مقاله انگلیسی:
5. Conclusions and future work
As a relatively new information theory, network coding has already demonstrated a significant influence on many research areas such as communication systems, network protocol, wireless networks, and network security. The optimization of network coding, which aims to minimize network coding resources such as coding nodes and links, has recently attracted research attention, with efforts to date focused mainly on the static network coding problem (SNCP). This paper has considered how to address the dynamic network coding problem (DNCP) by proposing its general formulation, and then developing an effective Genetic Algorithm (GA) to realize it. The new model proposed in this paper discards the popular assumption that a target rate is always achievable as long as all nodes allow coding, and introduces the actually achieved rate at sinks, along with the target rate and required resources, to the objective function in order to optimize the system. In order to derive the rate actually achieved, the GA reported is designed based on a new chromosome structure, which allows each chromosome to record a specific network protocol and coding scheme. As a result, the information flow on links can be checked at any stage of optimization. The new representation also makes evolutionary operations free of feasibility problems, and makes it easy to integrate some useful problem-specific heuristic rules into the algorithm. The effectiveness of the new model and GA is illustrated by simulations of both the SNCP and the DNCP.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
برنامه نویسی شبکه با الگوریتم ژنتیک |
| عنوان انگلیسی مقاله: |
An effective genetic algorithm for network coding |
|
|