در اين مقاله روشهاي مختلف بهينهسازي از قبيل الگوريتم ژنتيك و الگوريتم ژنتيك با الهام از روش فرایند تدریجی سرد شدن فلزات و الگوريتم ژنتيک مبتني بر تصميم گيري فازي و همچنين روش گروه ذرات (PSO) در بهينهسازي يک آنتن ياگي 5 عنصره مورد استفاده قرار گرفته است. براي تحليل ا چکیده کامل
در اين مقاله روشهاي مختلف بهينهسازي از قبيل الگوريتم ژنتيك و الگوريتم ژنتيك با الهام از روش فرایند تدریجی سرد شدن فلزات و الگوريتم ژنتيک مبتني بر تصميم گيري فازي و همچنين روش گروه ذرات (PSO) در بهينهسازي يک آنتن ياگي 5 عنصره مورد استفاده قرار گرفته است. براي تحليل از نرمافزار Super NEC به دليل سرعت اجرايي بالاي آن استفاده شده است. از آنجايي که بهينهسازي آنتنها در يک باند فرکانسي از طريق الگوريتم ژنتيک و الگوريتم ژنتيك با الهام از روش فرایند تدریجی سرد شدن فلزات زمان خيلي زيادي براي اجرا میطلبد و از طرفي ممکن است با کم کردن اعضاي جمعيت و تعداد تکرار دقت بهينهسازي کم شود سيستم بهينهسازي ژنتيکي مبتني بر تصميم گيري فازي نيز معرفي شده است. همچنين روش گروه ذرات نيز به عنوان يک روش کارا و با همگرايي خوب در اين بهينهسازي معرفي شده است. مقايسه ميان تكنيكهاي بهينهسازي نشان میدهد که الگوريتم ژنتيك مبتني بر تصميم گيري فازي و همچنين روش گروه ذرات در رابطه با نتايج حاصله مؤثرتر و بهتر عمل نموده و همچنين از نظر اجرا نيز به زمان كمتري نياز دارد.
پرونده مقاله
در عصر حاضر، صنعت رایانش ابری به یک زنجیره تأمین جدید
بین ارائهدهندگان سرویس محاسباتی و درخواستدهندگان سرویس تبدیل
شده است. برای این منظور، مراکز دادهای ابر به طور گسترده از تکنولوژی مجازیسازی استفاده میکنند که به طور بالقوه قابلیت افزایش بهرهوری منابع محاسبات چکیده کامل
در عصر حاضر، صنعت رایانش ابری به یک زنجیره تأمین جدید
بین ارائهدهندگان سرویس محاسباتی و درخواستدهندگان سرویس تبدیل
شده است. برای این منظور، مراکز دادهای ابر به طور گسترده از تکنولوژی مجازیسازی استفاده میکنند که به طور بالقوه قابلیت افزایش بهرهوری منابع محاسباتی در سطح زیرساخت ابر را فراهم میکند. طرحهای ناکارامد جایگذاری ماشینهای مجازی منجر به کاهش بهرهوری سیستم، افزایش هدررفت منابع و در نتیجه مصرف بالای انرژی در مراکز دادهای ابر میشوند. بنابراین، این مقاله مسئله جایگذاری ماشینهای مجازی روی ماشینهای فیزیکی مرکز دادهای ابر را به یک مسئله بهینهسازی چندهدفه با رویکرد کمینهسازی دو هدف مصرف انرژی و هدررفت منابع فرمولبندی میکند که از لحاظ محاسباتی در رده مسایل
NP-hard قرار دارد. از آنجایی که اکثر الگوریتمهای فراابتکاری برای حل مسایل بهینهسازی پیوسته طراحی شدهاند و نیز کیفیت راه حل آنها با خطر گیرافتادن در بهینه محلی تهدید میشود، برای حل این مسئله ترکیبی و پیچیده، یک الگوریتم بهینهسازی مبتنی بر تبرید فلزات متناسب با فضای جستجوی گسسته تعریفشده در مسئله، توسعه داده میشود تا امکان گیرافتادن در بهینه محلی را کاهش دهد. جهت اعتبارسنجی روش پیشنهادی، سناریوهای مختلفی معرفی و هدایت میشوند. نتایج به دست آمده از شبیهسازی در سناریوهای مختلف، برتری روش پیشنهادی را نسبت به سایر روشهای موجود از لحاظ کاهش مصرف انرژی، هدررفت منابع و تعداد سرویسدهندههای فعال نشان میدهد.
پرونده مقاله