این تحقیق بصورت Word و با موضوع الگوریتم های تخصیص داده پویا در سیستم های پایگاه داده توزیعی انجام گرفته است.تحقیق برای مهندسی کامپیوتر و IT مناسب است و در 24 برگه می باشد. می توانید این تحقیق را بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.
شایان ذکر است که این فایل شامل PowerPoint (پاورپوینت) با 27 اسلاید نیز می باشد .
پیشرفت در تکنولوژی های شبکه و پایگاه داده در دهه های اخیر منجر به ایجاد سیستم های پایگاه داده توزیع شده گشته است .یک سیستم پایگاه داده توزیع شده مجموعه ای از سایتها می باشد که از طریق شبکه به هم متصل شده اند که هر کدام از سایت ها پایگاه داده مخصوص به خود دارد اما می توانند با یکدیگر کار کنند بنابراین هر کاربری در هر سایتی می تواند به همه داده های موجود در شبکه دسترسی داشته باشد درست مانند اینکه همه داده ها در سایت کاربر ذخیره شده است .
دغدغه اصلی سیستم های پایگاه داده توزیع شده قطعه قطعه کردن و تخصیص پایگاه داده اصلی میباشد واحد قطعه داده می تواند یک فایل باشد که در این حالت موضوع تخصیص همان تخصیص فایل خواهد بود مشکل تخصیص داده یک مسئله NP-complete می باشد بنابراین نیاز به هیوریستیکهای سریع برای تولید راه حل های موثر می باشد علاوه بر اینها تخصیص بهینه اشیا پایگاه داده به طور شدید بستگی به استراتژی اجرای پرس وجو که به وسیله پایگاه داده توزیع شده پیاده سازی شده دارد .
هزینه اصلی در اجرای پرس و جو در سیستم های پایگاه داده توزیع شده هزینه انتقال داده هنگام انتقال یک رابطه در موقع درخواست پرس و جو از یک سایت و انتقال آن از یک سایت متفاوت می باشد . هدف اصلی الگوریتم های تخصیص داده تعیین نسبت دادن فرگمنتها به سایتهای مختلف برای کمینه کردن هزینه انتقال داده در اجرای یک مجموعه از پرس و جو ها می باشد که معادل کمینه کردن زمان متوسط اجرای پرس و جو می باشد که اهمیت اصلی در محیط های توزیع شده و پایگاه داده چند رسانه ای دارد .
فهرست مطالب1. مقدمه. 12. الگوریتم های استاتیک... 23. الگوریتم ژنتیک... 34. الگوریتم Simulated Evolution. 45. هیوریستیک نگاشت... 56. الگوریتم MFA.. 57. الگوریتم تخصیص داده جستجوی تصادفی همسایگی.. 78. الگوریتم تخصیص پویا89. الگوریتم شمارنده ساده. 810. الگوریتم Load Sensitive counter1011. الگوریتم Incremental1012. الگوریتم Threshold. 1213. الگوریتمNear Neighborhood Allocation با حد آستانه نسبی.. 1614. الگوریتم Revise Relative Threshold Near Neighborhood Allocation. 1815. آزمایش ها و تجربه ها18منابع.. 21هدف از این برنامه که با الگوریتم MOO و به زبان متلب نوشته شده است
یافتن بزرگترین نقطه از صفحه محصور بین دو تابع با استفاده از ژنتیک الگوریتم است.
مقادیر اولیه درنظر گرفته شده به صورت زیر است:
دو تابع مرزی:
f1(X) = 2*x1 + 3*x2
f2(X) = 2/x1 + 1/x2
دامنه مقادیر:
x1<20 & x1>10
x2<30 & x2>20
تنظیمات اولیه :
iterations = 500;
population_size = 500;
mutation_rate = 0.02;
crossover_rate = 0.3;
population = zeros(population_size,3);
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه16
آشنایی با الگوریتم ژنتیک
الگوریتم ژنتیک از روشهای جستجوی مستقیم اتفاقی است که بر پایه اصول انتخاب طبیعی و بقای اصلح قرار دارد. اصطلاحات بکار رفته در الگوریتم ژنتیک کاملاً شبیه واژگان ژنتیک طبیعی است و حتی تشابه نزدیکی بین عناصر این دو وجود دارد. این روش، اولین بار توسط جان هلند از دانشگاه میشیگان در سال 1975 پیشنهاد شد.
ساختار اصلی که توسط الگوریتم پردازش میشود، رشته ( کرموزم ) است. یک رشته زنجیره ای از تعدادی کد ( اغلب کدهایی دودیی ) با طول معلوم است. بیتهای رشته (صفر یا 1 در یک رشته دودویی) معادل ژنهای طبیعیاند. هر کدام بیانگر یک متغیر ( مشابه یک ویژگی در ژنتیک طبیعی همانند رنگ چشم ) و هر مصداق خاصی از کد به طور مستقیم یا غیر مستقیم بیانگر مقدار مشخصی از آن متغیر است ( معادل مثلاً چشم آبی ).
شکل 1- رشته در الگوریتم ژنتیک شامل پارامترها بصورت کد دودویی است.
کدهای یک رشته به اندازه تعداد متغیرهاست، پس یک رشته اساسا بیانگر یک جواب ممکن است. با الگوریتم ژنتیک ایجاد یک جمعیت اولیه از رشتهها از طریق انتخاب تصادفی مقادیر بیتهای رشته آغاز میشود. تعداد رشتهها (کروموزمها) در جمعیت، اندازه جمعیت نامیده میشود. اندازه جمعیت در ابتدا توسط کاربر تعیین میشود یا اینکه بر طبق قاعدهای که بعدا خواهد آمد، توسط کامپیوتر تعیین میشود و در طی جستجو، ثابت نگه داشته میشود.
برازندگی یک رشته (جواب ممکن ) توسط تابع محاسبه میشود. چون الگوریتم ژنتیک دنبال ماکزیمم کردن برازندگی جوابهای ممکن است، در یک مسأله ماکزیمم سازی، برازندگی برابر مقدار تابع هدف محاسبه شده برای مقادیر خاص پارامتر که هر رشته بیان میکند، میباشد. یعنی تابع برازندگی همان تابع هدف است اما در مسأله مینیمم سازی برازندگی با افزایش تابع هدف کاهش مییابد. یک راه برای جبران آن تعریف تابع برازندگی به صورت :
1- تابع هدف- مقدار ثابت = تابع برازندگی
که مقدار ثابت به اندازه کافی بزرگ انتخاب میشود تا از منفی شدن برازندگی جلوگیری شود. یک مقدار متداول برای این مقدار ثابت، مجموع و ماکزیمم تابع هدف درهر نسل است.
روش دیگرمعکوس کردن تابع هدف میباشد.
فرمت فایل: word (قابل ویرایش)، تعداد صفحات: 11 صفحه
چکیده
تولید سلولی یک شیوه ی موثر برای اجرای تکنولوژی گروهی در محیط های تولیدی میباشد،که در آن خانواده های مختلف قطعات با فرایند تولید یکسان با هم دسته بندی میشوند،تا در سلول های تولید مختلف فرآوری شوند.موضوعات و روش های مختلفی برای سیستم تولید سلولی(CMS)در این مقاله توضیح داده شده اند. و مزایا و معایب هریک بحث شده اند.مدل برنامه ریزی انتگرال خطی برای طراحی سلول های تولیدی پیشنهاد شده و این مدل جابجایی بین سلولی برای ماتریس برخورد را به حداقل میرساند. روش پایه الگوریتم ژنتیک برای مدل ریاضی که پیکربندی سلول را به ارمغان میآورد،پیشنهاد شده است.الگوریتم ژنتیک مورد بحث انتگرال گرفته میشود و توسط قواعد جایگزینی جزیی تا سلول و نیز خانواده قطعات پیکربندی میشود.الگوریتم ژنتیک توسط بسته ی نرم افزاری LINGO صحه گذاری شده است.مثال های تصویری نیز صحت فرمولبندی و بازده مدل را تصدیق میکند.