خوشه بندی منابع شبکه با استفاده از الگوریتم مورچگان و الگوریتم های تخمین توزیع
Abstract(in Persian; no English abstract is available)
برای خوشه بندی منابع الگوریتم های مختلفی ارائه شده اند که هرکدام از آن ها با درنظر گرفتن معیارها و شرایط خاص مساله، سعی در یافتن جواب بهینه ی مساله را دارند. در این پایان نامه به منظور یافتن مناسب ترین گره ها برای قرار گرفتن در خوشه های یکسان الگوریتمی ارائه می شود که با استفاده از الگوریتم تخمین توزیع و بهینه سازی مارکوف گره های مشابه را می یابد و برای انتخاب سرخوشه ها که از بین گره های مجموعه ی مسلط همبند انتخاب می شوند، از الگوریتم مورچگان استفاده می کند؛ که سرخوشه های انتخاب شده بسته به شرایط و موقعیت قرارگیری گره ها، تشکیل یک مجموعه ی مسلط همبند یا همبند ضعیف خواهند داد. این الگوریتم cme-ach نام گذاری شده است. در نهایت، در این پایان نامه کارآیی cme-ach از لحاظ تابع به کار رفته برای نمونه گیری و الگوریتم به کار رفته برای انتخاب سرخوشه ها مورد ارزیابی قرار گرفته و این الگوریتم از لحاظ اندازه ی خوشه های ایجاد شده، میزان شباهت گره های هر خوشه به یکدیگر، سرعت فرآیند کشف منبع و میزان نزدیکی و شباهت منبع یافت شده با منبع مورد درخواست کاربر با چند الگوریتم مقایسه شده است که در همه ی موارد نتایج ارزیابی ها نشان دهنده ی کارآیی نسبتاً بالای الگوریتم نسبت به روش های شبیه سازی شده می باشد.