دسته‌ها
فناوری اطلاعات - ترجمه مقاله کامپیوتر - ترجمه مقاله مقالات انگلیسی رایگان مقالات ترجمه شده

ترجمه مقاله گسترش سناریوی محاسبات داوطلبانه: روش جدیدی برای استفاده از برنامه های موازی در محاسبات داوطلبانه

عنوان مقاله انگلیسی رایگان Expanding the volunteer computing scenario: A novel approach to use parallel applications on volunteer computing
عنوان فارسی ترجمه مقاله گسترش سناریوی محاسبات داوطلبانه: روش جدیدی برای استفاده از برنامه های موازی در محاسبات داوطلبانه
ترجمه مقاله گسترش سناریوی محاسبات داوطلبانه: روش جدیدی برای استفاده از برنامه های موازی در محاسبات داوطلبانه



:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی ترجمه مقاله گسترش سناریوی محاسبات داوطلبانه: روش جدیدی برای استفاده از برنامه های موازی در محاسبات داوطلبانه

 

چکیده

امروزه، محاسبات با کارایی بالا به لطف پلت فرم های مختلف مانند خوشه بندی، شبکه، و محیط های محاسبات داوطلبانه بهبود یافته است.

محاسبات داوطلبانه یک نوع از نمونه محاسبات توزیع شده است که در آن تعداد زیادی از رایانه ها، داوطلبانه توسط اعضای عمومی، برای اجرای پروژه های علمی، محاسبات را ارائه می دهند و منابع را ذخیره می کنند.

در حال حاضر، محاسبات داوطلبانه برای محاسبات با توان بالا استفاده می شود، اما برای برنامه های کاربردی موازی بر اساس MPI به دلیل مشکل در برقراری ارتباط در میان جفت های محاسباتی استفاده نمی شود.

همان گونه که Sarmenta و Hirano  (1999) [2] گفتند، چندین مسئله مربوط به پژوهش در پلت فرم های محاسبات داوطلبانه وجود دارد که حل شده است، یکی از آنها “اجرای انواع دیگر از برنامه ها” می باشد.

در واقع، گروهBOINC  (پلت فرم توسعه محاسبات داوطلبانه معروف) درخواست “پشتیبانی مشابهMPI-“را برای محاسبات داوطلبانه به عنوان یکی از موضوعات داغ خود را داده است.

این مقاله یک فرمت از قابلیت های معمول محاسبات داوطلبانه و سیستم های شبکه دسکتاپ با مجوز اجرای برنامه های موازی، بر اساس MPI، در این نوع از پلت فرم ها را ارائه داده است.

هدف از این مقاله توصیف یک روش برای تبدیل و انطباق برنامه های کاربردی MPI به منظور اجازه دادن به اجرای این نوع از برنامه های کاربردی در پلت فرم های محاسبات داوطلبانه و شبکه های دسکتاپ می باشد.

روش پیشنهادی نیاز به نصب MPI در سمت مشتری ندارد، و در آن نرم افزار نگه داشته می شود تا کاملا سبک وزن برروی سیستم مشتری نصب شود.

این مقاله نمونه ساخته شده را توصیف می کند، و همچنین ارزیابی های ساخته شده از این نمونه، را به منظور آزمون عملی بودن ایده مطرح شده در این مقاله، با نتایج امیدوار کننده، نشان می دهد.

این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:

مقاله درباره محاسبات داوطلبانه
مقاله درباره برنامه های موازی
مقاله درباره MPI
مقاله درباره ابر رایانه ها
مقاله درباره خوشه بندی

Volunteer computing
High throughput computing
High performance computing
Parallel application

1-مقدمه

امروزه، محاسبات با کارایی بالا را می توان در پلت فرم های مختلف پیدا کرد: ابر رایانه ها، خوشه بندی ها، شبکه ها، ابرها، محیط های محاسبات داوطلبانه، و شبکه های دسکتاپ. محاسبات داوطلبانه و شبکه های دسکتاپ گزینه های جالب توجه برای محاسبات با کارایی بالا با توجه به مقدار زیادی از منابع داوطلبانه موجود در جهان می باشند. محاسبات داوطلبانه [1] یک نوع از نمونه محاسبات توزیع شده است، که در آن تعداد زیادی از رایانه ها، داوطلبانه توسط اعضای عمومی، برای اجرای پروژه های علمی، محاسبات را ارائه می دهند و منابع را ذخیره می کنند…

دسته‌ها
فناوری اطلاعات - ترجمه مقاله مقالات انگلیسی رایگان مقالات ترجمه شده

ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای

عنوان مقاله انگلیسی رایگان An efficient hybrid approach based on PSO, ACO and k-means for cluster analysis
عنوان فارسی ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای
ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای
این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
مقاله درباره داده کاوی

مقاله درباره PSO
مقاله درباره ACO
مقاله درباره K-means
Ant colony optimization
Data clustering
Hybrid evolutionary optimization algorithm
k-means

<




:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی ترجمه مقاله یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای

/div>

چکیده

خوشه بندی، یک روش محبوب برای تحلیل داده ها و داده کاوی است. روش رایج برای خوشه بندی، بر اساس k-means است به طوری که داده ها به k خوشه تقسیم می شوند. با این حال، الگوریتم k-means بسیار وابسته به حالت اولیه است و به راه حل بهینه محلی همگرا می شود.

در این مقاله یک الگوریتم تکاملی ترکیبی جدید برای حل مسئله خوشه بندی تقسیمی غیر خطی ارائه می گردد. الگوریتم تکاملی ترکیبی پیشنهادی، ترکیبی از الگوریتم  FAPSO(بهینه سازی ازدحام ذرات تطبیقی فازی)، ACO (بهینه سازی کلونی مورچه) و k-means، به نام FAPSO-ACO-K است، که می تواند پارتیشن خوشه ای بهتری پیدا کند.

عملکرد الگوریتم پیشنهادی، از طریق چندین مجموعه داده معیار ارزیابی می گردد. نتایج شبیه سازی نشان می دهد که عملکرد الگوریتم پیشنهادی، بهتر از الگوریتم های دیگر مانند PSO، ACO، بازپخت شبیه سازی شده (SA)، ترکیبی از PSO و SA (PSO–SA)، ترکیبی از ACO وSA  (ACO–SA)، ترکیبی از PSO و ACO (PSO–ACO)، الگوریتم ژنتیک (GA)، جستجوی تابو (TS)، بهینه سازی جفت گیری زنبور عسل (HBMO) و K-means برای مسئله خوشه بندی تقسیمی است.

دسته‌ها
مقالات انگلیسی رایگان

ترجمه مقاله اینترنت اشیاء: ایجاد خانه هوشمند با استفاده از خوشه بندی Zigbee براساس درخت پوشای کمینه و بهینه سازی انبوه ذره

عنوان مقاله انگلیسی رایگان IoT: Smart Home using Zigbee Clustering Minimum Spanning Tree and Particle Swarm Optimization
عنوان فارسی ترجمه مقاله : ایجاد خانه هوشمند با استفاده از خوشه بندی Zigbee براساس درخت پوشای کمینه و بهینه سازی انبوه ذره

ترجمه مقاله اینترنت اشیاء: ایجاد خانه هوشمند با استفاده از خوشه بندی Zigbee براساس درخت پوشای کمینه و بهینه سازی انبوه ذره




:
:

:
:
تصویر پیش فرض

http://20elm.ir/wp-content/uploads/2016/10/%D8%AF%D8%A7%D9%86%D9%84%D9%88%D8%AF-%D8%AA%D8%B1%D8%AC%D9%85%D9%87-%D9%85%D9%82%D8%A7%D9%84%D9%87-%D9%88-%D8%AA%D9%88%D8%B6%DB%8C%D8%AD%D8%A7%D8%AA-%D8%A8%DB%8C%D8%B4%D8%AA%D8%B1.pngجزئیات بیشتر و دانلود مقاله ترجمه شده
(مقاله انگلیسی رایگان)
عنوان فارسی
ترجمه مقاله : ایجاد خانه هوشمند با استفاده از خوشه بندی Zigbee براساس درخت پوشای کمینه و بهینه سازی انبوه ذره
این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:
مقاله درباره Zigbee
مقاله درباره

مقاله درباره

مقاله درباره
مقاله درباره درخت پوشای کمینه
مقاله درباره بهینه سازی انبوه ذره
Zigbee
Clustering
Minimum Spanning Tree
Particle Swarm Optimization

 

چکیده

در محیط خانه هوشمند، وسائل توسط گره های حسگر پایش و کنترل می شوند.

شبکه درخت – خوشه ی Zigbee پروتکلی است که بطور گسترده برای محیط خانه هوشمند مورد استفاده قرار می گیرد.

حداقل مصرف انرژی و کمینه هزینه برای مسیر از جمله مسائل مهم در این نوع شبکه ها می باشند.

از میان راهکارهای بسیاری که توسط محققان پیشنهاد شده، تکنیک خوشه بندی، بهره وری انرژی بهتر و هزینه کمتری را فراهم می کند.

تکنیک توسط تقسیم بندی یا تفکیک شبکه به بخش های متعدد عمل می کند که هر یک از آنها دارای یک سرخوشه (CH) می باشد.

وظایف سرخوشه عبارتند از جمع آوری، ادغام، و ارسال داده ها به ایستگاه مبنا.

در این مقاله، روشی نوین برای خوشه بندی، به نامِ شبکه های درخت خوشۀ Zigbee، و براساس درخت پوشای کمینه و بهینه سازی انبوه ذره (MST-PSO) مطرح می کنیم. هدف از این کار، توسعه طول عمر شبکه و کاهش وابستگی روتر، به پروتکل Zigbee می باشد.

نتایج شبیه سازی نشان می دهند که روش پیشنهادی در مقایسه با پروتکل هایی همچون توپولوژی ستاره ای و مشِ Zigbee ازلحاظ طول عمر شبکه و مصرف انرژی موثر تر و کار آمد تر می باشد.