سپس گزیده ای از ترجمه را بررسی کنید!
در این مقاله قصد داریم یک روش مبتنی بر تجزیه را به منظور حل دقیق مسئله تخصیص افزونگی چند هدفه برای سیستم های موازی –سری ارائه دهیم. مسئله تخصیص افزونگی را میتوان یک شکلی از بهینه سازی قابلیت اطمینان دانست که مورد توجه مطالعات زیادی قرار گرفته است. اغلب این مطالعات، مسئله تخصیص افزونگی را به عنوان یک مسئله تک هدفه در نظر گرفته اند که قابلیت اطمینان سیستم را بیشینه نموده و یا هزینه مربوط به محدودیت های خاصی را کمینه میسازد. مطالعات کمی نیز وجود دارند که مسئله تخصیص افزونگی را به عنوان یک مسئله بهینه سازی چند هدفه در نظر گرفته اند و متکی به روش های راه حل فرا هیروستیکی بوده اند. اگرچه روش های فراهیروستیکی با محدودیت های زیادی روبرو هستند: این روش ها مسئله بهینه بودن را تضمین نکرده و مهم تر اینکه ممکن است همه نقاط پارتو بهینه را تشخیص ندهند. در این مقاله، مسئله تخصیص افزونگی را به عنوان یک مسئله چند هدفه –که یک مورد کاربردی رایج میباشد- در نظر میگیریم. از این رو مسئله اصلی را به چندین زیر مسئله چند هدفه تجزیه کرده و زیر مسائل را به صورت دقیق و کارآمد حل میکنیم و سپس به صورت سیستماتیک راه حل ها را ترکیب میکنیم. روش مبتنی بر تجزیه میتواند تمامی راه حل های پارتو بهینه را برای مسئله تخصیص افزونگی ایجاد کند. نتایج آزمایشی نیز نشان داده است که این متد پیشنهادی، نسبت به متد های هیروستیک دارای عملکرد بهتری بوده است.
مسئله تخصیص افزونگی، بهینه سازی چند هفه، تجزیه، سیستم های موازی-سری
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 14500 تومانسپس گزیده ای از ترجمه را بررسی کنید!
مسیریابی در شبکه پویا یک فعالیت چالش انگیز است، چون توپولوژی شبکه ثابت نمی باشد. این مسئله در این بررسی با استفاده از الگوریتم موریانه ای برای مد نظر قرار دادن شبکه هایی که از چنین بسته های اطلاعاتی استفاده می کنند، مطرح می گردد. مسیرهای ایجاد شده توسط الگوریتم انت (موریانه) به عنوان داده ورودی برای الگوریتم ژنتیک می باشد. الگوریتم ژنتیکی مجموعه ای از مسیرهای مناسب را پیدا می کند. اهمیت استفاده از الگوریتم موریانه ای، کاهش اندازه جدول مسیر می باشد. اهمیت الگوریتم ژنتیک بر مبنای اصل تکامل مسیرها به جای ذخیره مسیرهای از پیش محاسبه شده می باشد.
مسیریابی، الگوریتم موریانه ای، الگوریتم ژنتیکی، معبر، جهش، هر یک از این موارد در زیر به بحث گذاشته می شود.
مسیریابی به عنوان فرایند انتقال بسته ها از گره مبدا به گره مقصد با هزینه حداقل می باشد. از این رو الگوریتم مسیریابی به دریافت، سازماندهی و توزیع اطلاعات در مورد وضعیت شبکه می پردازد. این الگوریتم به ایجاد مسیرهای عملی بین گره ها پرداخته و ترافیک داده ها را در بین مسیرهای گلچین شده ارسال کرده و عملکرد بالایی را حاصل می کند. مسیریابی به همراه کنترل تراکم و کنترل پذیرش به تعریف عملکرد شبکه می پردازد. الگوریتم مسیریابی می بایست دارای اهداف کلی از استراتژی مسیریابی بر مبنای اطلاعات سودمند محلی باشد. این الگوریتم همچنین می بایست کاربر را در مورد کیفیت خدمات راضی نگه دارد. بعضی از روش های مطرح شده برای رسیدن به این اهداف عبارتند از شبیه سازی حشرات اجتماعی و شبکه بسته شناختی. این دو روش از جدول مسیریابی احتمالات استفاده کرده و این امکان را به بسته ها می دهد تا به بررسی و گزارش توپولوژی و عملکرد شبکه بپردازند. دوریگو ام و دی کارو جی، شبکه موریانه ای را به عنوان روشی برای مسیریابی در شبکه ارتباطات مطرح می کنند. ار اسکوندر وورد، اون هالند، جانت (موریانه) بروتن و و لئون روسکرانت، در مقاله شان به بحث در مورد حاصل شدن توازن ظرفیت در شبکه های ارتباطاتی با استفاده از الگوریتم موریانه ای می پردازند. تونی وارد در مقاله تخصصی اش به شرح این موضوع می پردازد که چگونه عوامل محرک بیولوژیکی می تواند برای حل مشکلات مدیریت و کنترل در ارتباطات مورد استفاده قرار گیرد.
هدف این مقاله ایجاد راه حلی با استفاده از الگوریتم موریانه ای (استعاره حشره اجتماعی) و بهینه سازی راه حل با استفاده از الگوریتم های ژنتیکی می باشد. الگوریتم موریانه ای دسته ای از تراکم اطلاعاتی می باشد. تراکم اطلاعاتی روش جایگزینی را در ارتباط با طراحی سیستم اطلاعاتی ارائه می دهد که در آن عملیات خودگردانی، ظهور و توزیع جایگزین کنترل، پیش برنامه ریزی و تمرکز می گردد. این روش تمرکزش را بر روی توزیع، انعطاف پذیری، توانمندی و ارتباطات مستقیم و غیرمستقیم در میان عوامل نسبتا ساده قرار می دهد. الگوریتم ژنتیک به عنوان الگوریتمی می باشد که در آن جمعیت مرتبط با هر گره در مجموع برای حل مشکلات مشارکت دارد.
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 14500 تومانسپس گزیده ای از ترجمه را بررسی کنید!
مسئله مسیریابی خودرویی واجد شرایط با استفاده از تقاضاهای تصادفی و پنجره های زمانی را می توان یک مسئله توسعه یافته از مسئله مسیریابی خودرویی واجد شرایط با تقاضاهای تصادفی دانست، که در آن تقاضاها به صورت تصادفی بوده و یک پنجره زمانی نیز بر روی هر رأس اعمال می شود. خطای رأس که به دلیل فزونی یافتن تقاضای ادراک شده ایجاد می شود، ممکن است یک واکنش زنجیری از خطاها را بر روی سایر خودروها و در همان مسیر به دلیل وجود پنجره زمانی، تحریک کند. این مقاله، به مدل سازی این مسئله به عنوان یک برنامه استوکاستیک یا تصادفی با منابع پرداخته و یک روش جستجوی هیروستیک را همسایگی انطباقی را به عنوان راه حل ارائه می دهد. در آزمایشات، از روش نمونه های بنچ مارک Solomon تغییر یافته استفاده شده است. نتایج محاسباتی به وضوح نشان می دهند که روش هیروستیک پیشنهادی ما نسبت به روش های دیگر، برتری هایی را به همراه دارد.
مسیریابی خودرویی استوکاستیک (تصادفی)، جستجوی بزرگ همسایگی انطباقی، هیروستیک
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 12000 تومانسپس گزیده ای از ترجمه را بررسی کنید!
مسامات ریزبرگ، جوانه های برگ، گونه های درمانی، جداتنده های فنولی
گونۀ Crassulaceae از گیاهان Crassulacean Acid Metabolism (CAM) هستند. گیاهان CAM برخلاف گاهان C3 و C4 در هنگام شب CO2 جوی را به صورت اسیدهای C4 جذب می کنند و در نتیجه در طی روز بعد این CO2 رابه سطح کربوهیدرات تثبیت می کند. دو گونه از این خانواده شامل Kalanchoe pinnata (Lam.) Pers. و K. crenata (Andrews) Haw. در درمان بیماری های چون برونشیت و التهاب معده کاربرد دارند. این دو گونه علاوه بر کاربردهای رایج و معمول، دارای ویژگی های مشترک مربوط به مورفولوژی برگ مثل برگ های چلیپای، شاداب و بدون کرک میباشند؛ حالت بیضی تا کناره های برگ مستتر و لبه های کنگره دار میباشند. با وجود اینکه crenata دارای برگ های ساده و K. pinnata دارای برگ های ساده و مرکب است، اما برگ های شبیه به هم دارند، بویژه زمانی که K. pinnata فقط برگ های ساده دارد. به خاطر این شباهت ها، هر دو گونه در برزل به نام folha-dacosta، saião و coirama شناخته می شود.
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 14500 تومانسپس گزیده ای از ترجمه را بررسی کنید!
ما جهش یافته های مریستم شاخۀ مسطح (fsm) درگیاه برنج را جدا کردیم که رشد ناقص جوانه رانشان دادند ودرمرحلۀ رویش خشک شدند. از آنجائیکه اکثر گیاهان fsm دارای مریستم (بخشینه) های راسی شاخۀ کوچک و مسطح بودند (SAMها)، ما نشان خواهیم داد که FSM برای حفظ کامل SAM لازم است. FSM یک ارتولوگ مفروض FASCIATA1 آرابیدوپسیس (FAS1) را رمزگذاری میکند که با زیرواحد p150 عامل 1اجتماع کروماتین (CAF-1) مطابقت دارد. FSM به صورت تکه تکه در سلولهای با تقسیم فعالانه نمایان میشود که نشان دهندۀ ارتباط محکم FSMبا مراحل چرخۀ سلول ویژه میباشد. هدف مضاعف در محل هیبریدشدگی لکه دار با ژنهای نشانگر چرخۀ سلول نشان داد که FSM عمدتا در مرحلۀ G1 بیان میشود. در fsm، بیان دو ژن نشانگر که مراحل S و G2 تا M را نشان میدهند، در SAM بهتر شد. علیرغم کاهش تعداد سلول ها در SAM، حاکی از آن است که مراحل S و G2 در fsm طولانی هستند. علاوه بر این، رویدادهای رشد در برگ های fsm در زمان کامل رخ میدهد. این نشان میدهد که تنظیم موقتی رشد، جدا از دورۀ چرخۀ سلول رخ میدهد. بر خلاف فنوتیپ خط دار (fascinated) Arabidopsis fas1، فنوتیپ fsm کاهش اندازۀ SAM رانشان داد. فنوتیپ های مخالف بین fsm و fas1 نشان میدهد که حفظ SAM بین برنج و آرابیدوپسیس به صورت متفاوت تنظیم میشود.
مریسم شاخه مسطح (Flattened shoot meristem)، برنج، مریستم راسی، CAF-1، چرخۀ سلول، Fasciata1
در نهایت ترجمه را خریداری کنید!
دانلود ترجمه فارسی -- قیمت: 19500 تومان