دانلود پروژه رایانش ابری Cloud Computing (تعداد صفحات 187)کامل و دقیق و تست شده
افزایش لحظه ای کاربران و نیاز آنها به خدمات اینترنتی باعث شد که در اندک زمانی شرکت هایی که این گونه از خدمات را به کاربران ارائه می دادند ، با مشکلاتی نظیر عدم توانایی در پاسخگویی سریع به کاربران و افزایش هزینه هایشان روبرو شوند. از این رو بسیاری از این شرکت ها با سرمایه گذاری های هنگفت در زمینه های تحقیقاتی به فکر شیوه ای مؤثر و مقرون به صرفه برای سرویس دهی به حجم بالایی از کاربران افتادند و به این ترتیب محققان و صاحب نظران در سراسر جهان با مطالعه و الهام گرفتن از شیوه هایی که پیش از آن استفاده شده ب ود به فناوری نوین و کارآمدی به نام رایانش ابری دست یافتند. اهمیت و عملکرد رایانش ابری به گونه ای است که امروزه تمامی شرکت های بین المللی با تحقیقاتی گسترده و تلاشی خستگی ناپذیر در پی گسترش این فناوری بوده و هر روزه خدمات جدید و جالبی را در اختیار کاربران قرار می دهند تا بدین ترتیب سهم بیشتری از این بازار پر رونق را از آن خود نمایند.
فهرست :
مقدمه
تعاریف رایانش ابری
بررسی دیدگاه های مختلف در مورد رایانش ابری
اهمیت و وضعیت رایانش ابری در عصر حاضر
بررسی محبوبیت واژه Cloud Computing
در مورد رایانش ابری IDC نظرسنجی مؤسسه
بررسی سود چهار شرکت بین المللی در زمینه رایانش ابری
میزان شغل و درآمد در زمینه های رایانش ابری
مزایای رایانش ابری
معایب رایانش ابری
بررسی باید و نبایدها در استفاده از رایانش ابری
چه کسانی می بایست از رایانش ابری استفاده نمایند؟
چه کسانی نباید از رایانش ابری استفاده نمایند ؟
تأثیر رایانش ابری بروی محیط زیست
چه زمانی تأثیر رایانش ابری بر روی سازمان ها حداکثر می شود ؟
مقدمه
معماری رایانش ابری
مشخصه های اصلی رایانش ابری
اجزای ابر
مشتریان
مرکز داده
سرورهای توزیع شده
زیرساخت های رایانش ابری
مجازی سازی
انواع مجازی سازی
مجازی سازی کامل
مجازی سازی برتر یا ابر مجازی سازی
مزایای مجازی سازی
پردازش گرید، مشبک، شبکه ای
SETI
NAREGI
کشف پروتئین های جدید و غنی کردن مواد غذایی
دلایل استفاده از پردازش مشبک
تفاوت های رایانش ابری و پردازش مشبک
کیفیت ارتباط در پردازش مشبک
معماری مبتنی بر سرویس
خصوصیات اصلی معماری مبتنی بر سرویس
زیرساخت های معماری مبتنی بر سرویس
ذخیره سازی در ابرها
قابلیت انتقال اطلاعات بین ابرها
معماری لایه های رایانش ابری
نرم افزار به عنوان سرویس (SaaS)
ویژگی های اصلی نرم افزار به عنوان سرویس
مزایای مدل نرم افزار به عنوان سرویس
موانع مدل سرویس دهیِ نرم افزار به عنوان سرویس
پلتفرم به عنوان سرویس (PaaS)
ویژگی های سرویس دهی PaaS
مزایای مدل پلتفرم به عنوان سرویس
موانع مدل پلتفرم به عنوان سرویس
زیرساخت به عنوان سرویس (IaaS)
تفاوت مدل های IaaS و PaaS
تفاوت مدل های PaaS و SaaS
PaaS و SaaS امنیت در مدل های سرویس دهی
بررسی خدمات ارائه شده در لایه های رایانش ابری
خدمات ارائه شده در لایه SaaS
خدمات ارائه شده در لایه PaaS
خدمات ارائه شده در لایه IaaS
انواع ابرها در رایانش ابری
ابرهای خصوصی
مزایای ابرهای خصوصی
ابرهای عمومی
ابرهای هیبریدی، آمیخته، پیوندی
ابر انجمنی، گروهی
مقدمه
بررسی سیستم عامل های مبتنی بر رایانش ابری
Windows Azure
موارد کاربرد ویندوز Azure
خدمات ارائه شده در ویندوز Azure
بخش های اصلی ویندوز Azure
میزان استقبال از ویندوز Azure
آموزش ثبت نام در ویندوز Azure
Google Chrome OS
Eye OS
Eye OS نگاه دقیق تر به امکانات و ویژگی های
Eye OS جوایز کسب شده توسط
Joli OS
متفاوت است ؟ Joli OS چرا سیستم عامل
Peppermint OS
You OS
Easy Peasy OS
ویژگی های اصلی Easy Peasy OS
Ghost OS
G ho st ویژگی های مهمِ سیستم عامل
Cloudo OS
Desktop Two
معرفی سایر سیستم عامل های رایانش ابری
معرفی نرم افزارها و سرویس های مبتنی بر رایانش ابری
DropBox
Windows Live Sky Drive
Cloud Drive Amazon
Evernote
Hi Task
Zoho
Mindmeister
Panda Cloud Antivirus
Google Ducs
Cloud Printer
مزایای سرویسِ تحت وب Cloud Printer
معرفی سایر برنامه های رایانش ابری
مقدمه
تعریف امنیت
تعریف امنیت اطلاعات
دلایل اهمیت امنیت اطلاعات
امنیت اطلاعات در رایانش ابری
تهدیدات امنیتی رایانش ابری
نگرانی های امنیتی در پردازش ابری
فعالیت های مرتبط در حوزه امنیت رایانش ابری
کنترل دسترس
کنترل ذخیره سازی
جستجوی خصوصی همکار در ابر
مقدمه
نظرسنجی از مدیران درخصوص اهمیت رایانش ابری
نظرسنجی از مدیران درخصوص مشکلات رایانش ابری
تأثیر رایانش ابری در کاهش هزینه ها
تأثیر رایانش ابری در مورد تمرکز روی کسب و کار
بررسی وضعیت کشورهای مختلف در زمینه رایانش ابری
رایانش ابری در ژاپن
رایانش ابری در استرالیا
رایانش ابری در ایالات متحده آمریکا
آلمان
جمهوری اسلامی ایران
رایانش ابری در ایران SWOT تحلیل
نقاط قوت
نقاط ضعف
فرصت ها
تهدیدها
سرمایه گذاری غیرمستقیم در بورس
دنیا برای جداکردن افرادی که فاقد دانش حرفه ای اند، از کسانی که حرفه ای بازار سرمایه اند، سرمایه گذاری غیرمستقیم در بورس را توصیه می کند. دراین روش، به منظور اطمینان از اعمال نیروهای عرضه و تقاضا و عادلانه بودن توزیع اطلاعات، سرمایه گذاران غیرحرفه ای، از طریق واسطه در بازار سرمایه حضور می یابند، و خود به طور مستقیم به خرید تک سهم نمی پردازند . این مقاله در 12 صفحه و با فرمت پی دی اف ( غیر قابل ویرایش ) به بررسی این موضوع می پردازد.
آشنایی با الگوریتم بهینه سازی PSO و بکارگیری آن در پروسه Curve Fitting
فرمت فایل: docx
حجم فایل: 765 کیلوبایت
تعداد صفحات فایل: 85
موضوع آشنایی با الگوریتم بهینه سازی PSO و بکارگیری آن در پروسهCurve Fitting فرمت doc فقط اسمت رو بنویس و تحویل بده
چکیده
فرض کنید شما و گروهی از دوستان تان به دنبال گنج می گردید هر یک از اعضای گروه یک فلزیاب و یک بی سیم دارند که می تواند مکان و وضعیت کار خود را به همسایگان نزدیک خود اطلاع بدهد بنابراین شما می دانید آیا همسایگان¬ تان از شما به گنج نزدیکترند یا نه ؟ پس اگر همسایه ای به گنج نزدیکتر بود شما می توانید به طرف او حرکت کنید. با چنین کاری تماس شما برای رسیدن به گنج بیشتر می شود و همچنین گنج زودتر از زمانی که شما تنها باشید پیدا می شود.
این یک مثال ساده از رفتار جمعی یا swarm behavior است که افراد برای رسیدن به یک هدف نهایی همکاری می کنند . این روش موثرتر از زمانی است که افراد جداگانه عمل کنند. Swarm را می توان به صورت مجموعه ای سازمان یافته از موجوداتی تعریف کرد که با یکدیگر همکاری می کنند. در کاربردهای محاسباتی swarm intelligence از موجوداتی مانند دسته ی پرندگان و مورچه ها ، زنبورها ، موریانه ها ، دسته ماهیان الگو برداری می شود . در این نوع اجتماعات هر یک از موجودات ساختار نسبتاً ساده ای دارند ولی رفتار جمعی آنها بی نهایت پیچیده است . برای مثال در کولونی مورچه ها هریک از مورچه ها یک کار ساده ی مخصوص را انجام می دهد ولی به طور جمعی عمل و رفتار مورچه ها ، ساختن بهینه لایه ، محافظت از ملکه و نوزادان ، تمیز کردن لانه ، یافتن بهترین منابع غذایی و بهینه سازی استراتژی حمله را تضمین می کند. رفتار کلی یک swarm به صورت غیر خطی از آمیزش رفتارهای تک تک اجتماع بدست می آید. یا به عبارتی یک رابطه ی بسیار پیچیده بین رفتار جمعی و رفتار فردی یک اجتماع وجود دارد. رفتار جمعی فقط وابسته به رفتار فردی افراد اجتماع نیست بلکه به چگونگی تعامل میان افراد نیز وابسته است . تعامل بین افراد ، تجربه ی افراد درباره ی محیط را افزایش می دهد و موجب پیشرفت اجتماع می شود . ساختار اجتماعی swarm بین افراد مجموعه کانال های ارتباطی ایجاد می کند که طی آن افراد می توانند به تبادل تجربه های شخصی بپردازند مدل سازی محاسباتی swarm، کاربردهای موفق و بسیار را در پی داشته است. به طور کلی موضوع پروژه رسم تابع تخمینی در بحث ریاضیات برای رسم یک سری داده با استفاده از نرم افزار متلب می باشد. جمعیتی که در این پروژه مورد مطالعه و بررسی قرار می گیرند با توجه به ماهیت پروژه یکسری داده مربوط به یک تابع مشخص می باشند که ما در هر مرحله نتایج را با مقادیر دادهها مقایسه کرده تا بتوانیم ذراتی تولید کرده که بهینه شده باشند و کمترین اختلاف را با جمعیت اولیه داشته باشند. برای این منظور پروژه تا حد ممکن طوری تنظیم شده که همه جنبه های اساسی موضوع چه از نظر کاربردی و چه از نظر تئوری را در بر گیرد. در بحث آشنایی با الگوریتم و تعاریف مربوط به آن سعی شده تا هرچه بیشتر موضوع باز شده و مثال هایی به همراه داشته باشد تا موضوع ساده و روان بوده و به راحتی قابل درک باشد.
کلمات کلیدی
بهینه سازی(Optimization)، تابع برا زنگی(fitness)، بهترین سراسری(g_best)،
بهترین شخصی(p_best)، الگوریتم بهینه سازی،کلونی
فصل اول: “آشنایی با برخی ازانواع الگوریتم های بهینه سازی ”
مقدمه ای بر بهینه سازی
۱- ۱ الگوریتم اجتماع پرندگان(particle swarm optimization Algorithm – pso)
۱-۲ الگوریتم ژنتیک(Genetic Algorithm – GA
۱-۳ الگوریتم کلونی مورچه ها(Aco- Ant colony optimization Algorithm
۱-۴ الگوریتم کلونی زنبور عسل(Abc-Artificial bee colony algorithm
۱-۵ الگوریتم چکه های آب هوشمند یا چکاه(Intelligent water Drops Algorithm -Iw
فصل دوم : ” الگوریتم(particle swarm optimization – pso) و
” Cooperative Particle swarm optimization – cpso) (
مقدمه
۲-۱ ماهیت الگوریتم
۲-۲ مفاهیم اولیه
۲-۳ فلو چارت
۲-۴ اطلاعات فنی
۲-۵ ساختار کلی
۲-۶ قاعده کلی توپولوژی همسایگی
۲-۷ نکات کلیدی
۲-۷-۱ خاصیت هوش جمعی
۲-۷-۲ هوش ذرات
۲-۷-۳ کنترل الگو ریتم
۲-۷-۴ تعداد ذرات
۲-۷-۵ محدوده ی ذرات
۲-۷-۶ شرایط توقف
۲- ۸ مزایا و کاربردهای الگو ریتم
۲-۹ ذرات swarm در تعدادی فضای واقعی
۲-۱۰مثال هایی از حرکت ذرات
۲-۱۰ مثالی از پرواز پرندگان برای یافتن غذا
۲-۱۱ الگوریتم Cooperative Particle swarm optimization
۲-۱۲ معرفی نرم افزار بکار رفته در شبیه سازی پروسه
فصل سوم: به ” بکار گیری cpsoو pso در پروسه ی Curve Fitting”
مقدمه
۳-۱ ماهیت کار
۳-۲ مراحل انجام کار به کمک الگوریتمpso
۳-۲-۱ بدست آوردن تابع برازندگی
۳-۲-۲ مشخص کردن اندازه جمعیت اولیه و ابعاد آن
۳-۲-۳ بررسی خروجی های بدست آمده از تابع Fitnessدر تکرار اول
۳-۲-۴ ایجاد لیست اول جهت نگهداری خروجی های بدست آمده
۳-۲-۵ پیدا کردن بهترین خروجی تابع Fitness و یافتن مکان آن در لیست اول
۳-۲-۶ آبدیت کردن سرعت و مکان ذرات با توجه به اینکه سرعت اولیه ذرات قبلا تعریف
۳-۲-۷ ایجاد لیست دوم جهت نگهداری خروجی های تابع Fitness در تکرار دوم
۳-۲-۸ پیدا کردن مکان بهترین ذره در جمعیت دوم
۳-۲-۹ مقایسه خروجی های تابع Fitness در دو تکرار اول
۳-۲-۱۰ پیدا کردن بهترین ذرات در دو جمعیت اول و دوم و تولید جمعیت سوم
۳-۲-۱۱ محاسبه تابع Fitness برای جمعیت سوم
۳-۲-۱۲ تکرار از مرحله پنجم الی یازدهم تا رسیدن به نقاط بهینه
۳-۳ مراحل انجام کار برای الگوریتمcpso
فصل چهارم : نتایج
۴-۱ انجام پروسه توسط الگوریتم pso
۴-۲ انجام پروسه توسط الگوریتم cpso
۴-۳ بررسی تفاوت بین psoوcpso
فصل پنجم: نتیجه گیری و پیشنهاد
۵-۱ نتیجه گیری
۵-۲ پیشنهاد
مراجع
پیوست