چکیده مقاله
در سالهای اخیر استفاده از معماری سرویس گرا جهت ساخت برنامه های کاربردی اهمیت بسیاری یافته است این نوع معماری از سرویس استفاده میکند در بسیاری از موارد یک سرویس به تنهایی عملکرد محدودی دارد، از این رو ترکیب سرویس ها ضروری می باشد در ترکیب سرویس، سرویسهای متعدد و ناهمگن در یک سرویس واحد جمع میشوند تا نیازهای مختلف کاربر را با توجه به محدودیت یا درخواست او برآورده سازد ترکیب سرویسها نیازهای مختلف کاربران را برآورده می سازد و هزینه ها و مشکلات ساخت برنامه های کاربردی تجاری جدید را کاهش میدهد یکی از محدودیتها و از چالشهای پر اهمیت در ترکیب سرویس زمان پاسخ میباشد با توجه به اینکه یافتن ترکیب بهینه از اهمیت ویژهای برخوردار است و از آنجایی که کارایی و بهینگی معمولا در تضاد هستند باید بدنبال راهکاری بود که بین این دو تعادل ایجاد شود در مواقعی که تنها بهینگی از اهمیت برخورداراست می توان از روشهای غیرهیورستیک استفاده نمود که ممکن است بدلیل تعداد زیاد وظایف و سرویسها و گسترش شبکه با مشکلات ناشی از پیچیدگی زمان بسیار بالا روبرو شود و اگر تنها کارایی مهم باشد می توان از روشهای متاهیورستیک استفاده کرد ما دراین مقاله با استفاده از مدل شبکه عصبی مصنوعی سعی کرده ایم که بین کارایی و بهینگی تعادل ایجاد نماییم شبکه های عصبی مصنوعی ابزارهای مفیدی برای حل انواع مسیله از جمله بهینه سازی با محدودیت می باشند در روش ارایه شده ترکیب بهینه سرویسها با سرعت بیشتری نسبت به مدل غیرهیورستیک دیکسترا ایجاد و اجرا میشود و زمان پاسخ به کاربر کاهش مییابد بعلاوه با ارایه روش پیشنهادی بدلیل اینکه مسیرهای غیر مرتبط یافت نمیشود حافظه کمتری مصرف شده و منابع بصورت بهینه استفاده میشود روش ارایه شده زمانی که تعداد سرویسها زیاد و طول مسیر کوتاه باشد موثر خواهد بود
کلیدواژهها
نویسندگان
شیوه ارجاع
�پهری فر، محمدکاظم و صدری کرمی، اکرم،1397،الگوریتمی برای یافتن ترکیب بهینه سرویس ها بر اساس شبکه های عصبی،پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات26 مهر 1397 · بابل