بهبود کیفیت تطبیق پذیری نرم افزار های خود تطبیق مبتنی بر معماری با ارائه روش ترکیبی بر مبنای شیکه ی عصبی فازی

بهبود کیفیت تطبیق پذیری نرم افزار های خود تطبیق مبتنی بر معماری با ارائه روش ترکیبی بر مبنای شیکه ی عصبی فازی

نادر قانعی رودی1

1) دانشجوی کارشناسی ارشد کامپیوتر گرایش نرم افزار دانشگاه آزاد اسلامی واحد بیرجند

کد IOI مقاله : XYFZ-BBZFF
محل انتشار : کنفرانس بین المللی علوم مهندسی و تکنولوژی(icoesat.com)
چکیده :
    نرم¬افزارهای خودتطبیق، سیستم¬هایی هستند که تغییرات را از محیط درونی و بیرونی خود دریافت کرده و با توجه به وضعیتی که در آن قرار دارند، خود را با تغییرات تطبیق می¬دهند. از آن¬جا که این فرایند بر اساس نیازمندی¬هاي کاربران، منابع و شرایط محیطی صورت می¬گیرد، منجر به مطابقت نرم¬افزار با نیازهای کاربران می¬شود. این نرم¬افزارها قادرند بدون این¬که هرگونه درخواست تطبیقی از کاربر داشته باشند، خود را با توجه به تغییر شرایط داخلی یا بیرونی وفق دهند.در این تحقیق به پیش بینی حالات نرم¬افزارهای خودتطبیق مبتنی بر معماری در زمان اجرا با استفاده از ترکیب شبکه عصبی فازی انفیس و الگوریتمهای تکاملی پرداختیم.در این راستا ابتدا یک سیستم خود تطبیق را مورد بررسی قرار دادیم سپس مراحل طراحی سیستم فازی عصبی بهینه با استفاده از الگوریتم pso را بر روی داده های جمع آوری شده به ترییب زیر اجرا می نماییم،دریافت داده های آموزشی،ایجاد یک سیستم فازی پایه ،تنظیم پارامترهای سیستم فازی پایه با توجه به تابع خطای مدلسازی توسط الگوریتم بهینه سازی حرکت پرندگان ،برگرداندن سیستم فازی دارای بهترین مقادیر پارامترها به عنوان نتیجه نهایی این پژوهش می باشد.

کلمات کلیدی : شبکه عصبی الگوریتم تکاملی نرم افزار خود تطبیق