用ABC算法调度传感器网格中间件的远程医疗

文摘

微机电系统(MEMS)和纳米技术的进步使得设计的低功耗无线传感器节点能够感觉到身体不同的生命体征。这些节点可以互相交流聚合数据和重要的参数传递到一个基站(BS)。基站的数据可用于实时监测健康。病人穿的传感器可能移动导致来自不同的数据聚合BS进行处理。处理实时数据计算密集型和远程医疗设施可能没有合适的硬件来处理实时数据有效。为了克服这一点,提出了传感器网格在文学中传感器数据集成到网格进行处理。这项工作提出了一个调度算法有效地处理远程医疗数据的网格。该算法使用流行的群集智能调度算法克服电网调度的NP完全问题。结果与其他启发式调度算法相比,显示了该算法的有效性。

1。介绍

远程医疗在病人管理起着非常重要的作用,已经被有效地用于intrahospital运输的病人。实时监控的病人在医院创造了新的挑战。类似的问题出现,在实时处理数据捕获。传感器网格可以在远程医疗克服面临的一些挑战。

人类的生活可以更全面的装备与现代诊断利用信息和通信领域的发展和该领域称为远程医疗。传感器网格计算中是一个方法,可以有效地用于提供这样的服务。网格计算(1,2)越来越多的分布式计算模式使协调异构资源全球共享。传感器网络(3)集团部署的传感器节点实时接收它们意义的参数值。传感器网格(4是传感器网络的集成和网格计算的两个范例可以用自己的优势互补。

结合传感器网络和网格计算的优势,形成传感器网格(5,6包括以下。(我)传感器所产生的大量的实时数据处理和存储在网格中。(2)设置的传感器可以被不同的用户共享基于他们使用的应用程序。(3)普遍的无缝访问传感器数据成为可能。

传感器网格体系结构监测病人接受移植手术在我们以前的工作提出了包括传感器中间件的体系结构(7,8]。调度组件提出了中间件是一个重要的组成部分。在一般情况下,调度发现资源和分配合适的任务适当的资源来满足这份工作的要求处理。好的调度算法的主要标准是响应时间,优化资源利用,负载平衡,满足QoS约束。

电网的调度程序分配资源以一种最优的方式工作。工作到达网格环境中指定资源的需求。工作资料的分配应该是最优的最大完工时间最小化,减少成本的分配资源,和最大化吞吐量9]。网格监控(10)收集状态和性能大规模分销系统的细节。系统上的负载等参数,运行状态的工作数量,和每个作业的性能运行状态收集通知消费者网格环境的行为。

各种调度算法在文献提出了网格环境。所有算法分为分类提出了(11]。第一级分类中局部和全局调度算法。在当地的调度,调度程序时间表的过程可以在一个CPU。全球多个cpu调度程序分配过程。电网调度使用全局调度。全球调度使用静态和动态调度。在静态调度,关于工作的信息和资源可用时调度。在动态调度,是无法预测的到达时间和资源请求工作,早些时候的时间调度。先进先出(FIFO)、平衡约束技术和成本制约技术的一些技术已被用于网格(12]。

由于网格调度的NP完全性,metaheuristics技术和粒子群优化(PSO)一样,蚁群优化(ACO)、遗传算法(GA)和人工蜂群(ABC)有效地用于电网调度(13- - - - - -16]。

ABC算法,本文提出了可用于调度资源的中间件中讨论(8)提供一个调度解决方案,优化的分批提交任务。

2。相关的工作

使用一个传感器远程医疗体系结构提出了P2P叠加和上述体系结构的中间件开发。在中间件中,调度扮演着不可避免的角色,这样一个合适的调度可能挽救一条生命。来自传感器的数据集应该将计算资源执行在SaaS。SaaS可以发送警报,如果生命体征异常,医生检查病人立即。调度算法的执行时间分析(17)表明,禁忌搜索算法是一个合适的选择包括远程医疗应用程序涉及静态调度。创建时间相对较小,同时安排的平均执行时间是最小的。总处理器周期消费模式18)显示为独立和粗粒度任务调度是有用的,也就是说,在网格节点调度的计算时间优于数据传输时间。

resource-performance-fluctuation-aware工作流调度算法提出了(19)认为动态网格资源性能波动,根据其执行和调度知识的波动。这个新算法在离线工作方式,使其能够很容易设置和运行成本较低。异构节点的计算能力的变化也反映在我们的算法。基于PSO的调度算法(20.)提出了计算网格任务调度问题。该系统降低了最小完成时间(MCT)。在[21),自适应负载均衡算法(AWLB)被纳入分布式分析环境(DIANE)用户级调度(摘要)环境。AWLB这给选择的能力资源的最适合的应用程序,和极限状态环境配备先进的策略来优化资源的使用。优化工作负载执行的AWLB适应资源特征(CPU、内存、网络带宽、输入/输出(I / O)速度,等等)和相应的应用程序需求。

两个模型来预测作业完成时间在服务网格提出了高et al。22]。单一服务模型预测工作完成时间在网格中只提供一个服务类型。多个服务模型预测工作完成时间在网格提供多种类型的服务。面对新的挑战在网格环境中作业调度,Fidanova和Durchova23)提出了一个启发式调度算法设计实现高吞吐量计算网格环境中。作者提出的算法保证负载平衡。

Fidanova [24]介绍了网格计算任务调度算法基于模拟退火(SA)。任务是第一个在一组,然后将收集的。所以任务到达时间是不重要的。任务安排在同一台机器上形成一个本地队列相关的机器。任务队列发送到机器上运行任务时从先前的队列。因此,发送时间不影响考时间。

调度工作流问题有关的服务质量(QoS)需求是具有挑战性的。虽然对网格工作流调度算法,解决大部分问题与一个QoS参数或较小的工作流。ACO算法调度大型工作流与不同的QoS参数提出了陈和张25),还允许用户指定他们的QoS参数和定义最小QoS阈值为特定的应用程序。该算法的目标是找到一个解决方案会议所有QoS约束和优化用户首选QoS参数。基于工作流调度特点,7新启发式算法方法设计一种自适应方案,允许人工蚂蚁选择提出了基于启发式信息素值。在十工作流应用程序有120个任务完成的实验证明该算法的有效性。

Di马蒂诺和Mililotti26)两级调度系统设计,第一级是由一组计算节点(网站参与电网),每个本地调度政策形成的二级超调度器。当地一次调度程序接受一份工作,并将它分配给当地有关当前硬件(本地)的信息。网格的工作分配仿真的结果。加戈和辛格27)提出了分层的设计/实现离散粒子群优化(H-DPSO)网格环境的依赖任务调度。在HDPSO,粒子是动态的,按照层级结构组织具有良好的粒子群躺上面,有多少影响。biobjective版本的问题是时间和总成本的同时优化标准被认为是。基于H-DPSO调度器是评估通过各种应用程序的任务图。仿真分析表明,基于H-DPSO的调度网格计算是非常可行的和有效的。

一个二进制人工蜂群(BABC)网格计算调度算法提出了金正日et al。28]。高效的二进制人工蜜蜂殖民地BABC的扩展,这其中包括一个灵活的排名策略(FRS)改善之间的平衡提出了勘探开发。FRS生成并使用新的解决方案多样化搜索初代和加速收敛后一代。引入了两个变异最大完工时间最小化。固定数量的最好的解决方案是使用与FRS第一,而在第二个最好的解决方案是减少的数量与每一个新的一代。仿真结果为基准作业调度问题显示,该方法的性能优于选择像SA, GA算法。

Khanli et al。29日)提出了一个可靠的作业调度器使用资源故障发生历史(RFOH)在网格计算。提高可靠性,RFOH存储故障发生的数量和执行的工作。根据RFOH信息遗传算法(GA)被用来找到一个最佳的安排。Pooranian等人提出了GLOA(一种新的网格计算任务调度算法)(30.]。组长优化算法(GLOA)是一种优化算法受社会团体领导人的角色。问题空间分为多个小部件,并分别处理每个部分并行找到一个最佳的解决方案。GLOA被用来找到一个最优时间表工作的到来和可用资源。GLOA迅速达到最优解。结果表明,考较低时comparingto所有其他传统的调度算法。

卡里和Motameni提出在计算网格任务调度使用混合离散粒子群优化(HDPSO) [31日]。最初的解决方案是通过敏敏的算法。对于每一个工作,一组最小完成时间在所有可用的处理器被发现。对每个任务,处理器选择最低预期完成时间。进行了模拟与特定的工作,以及处理时间为每个处理器preassumed。考和吞吐量的性能评价调度。结果与敏敏和极大极小算法等算法。比较表明,HDPSO算法给最大完工时间最小和最大吞吐量。Mandloi和古普塔提出自适应计算网格作业调度基于算法和遗传参数选择(32]。

Selvi和Umarani比较研究GA和ABC作业调度(33]。有效的工作安排在网格环境中,功能类似于遗传操作和蜜蜂行为的总和。数值结果表明,混合GA-ABC作业调度给高准确性和效率最低的工作完成时间比较GA和ABC的调度算法。

除了这些通用的调度算法,算法与远程医疗也调查了上下文。一个传感器调度服务34)注入目标的传感器基于来自用户的请求。传感器安排设计在某种程度上,它提供了可用性,忠诚,和QoS经济。面向服务的网格(35]开发了宝石项目支持由服务提供者提供医疗仿真服务给客户,如医院。它使用队列调度与先进的预订分配资源。Arogyasree [36]引入了上下文感知调度适当安排病人医生基于疾病他们可以处理较小的响应时间。一个网格中间件(37)实践基于事件的沟通在体内传感器节点由一个轻量级对接算法。这个算法时间表体内温度传感器节点部署联合行动的高热,放疗和化疗。

3所示。结构概述

传感器连接到病人的身体生命征值发送到网格通过移动设备。网格作为一个两层P2P架构设计,避免集中控制。网格节点的点对点的安排也可以提高可扩展性和容错性。第一层是结构化P2P层用于分析生命体征参数。应用程序分析值在网格节点提供SaaS。在分析如果SaaS发现以外的参数值超过正常的价值观,一个警告消息发送给医生。医生建议相应适当的药物。传感器也抽象为对象和存储在这一层。第二层是一个结构化的P2P存储层的重要参数值。病人或医生可以从数据库中检索数据,知道某个病人的历史。 This data can be shared with proper access rights. Distributed pipe communication is used for all the communications that take place between the sensors and grid nodes. The architectural overview is shown in Figure1。

该中间件如图2和被设计来实现上述给定的体系结构的范围。传感器数据发送到数据采集系统(DAS),作为一个移动基站。然后一个中间件转换成xml格式的数据转换元素可用于网格。调度组件分配计算资源在SaaS分析这些数据集。参与网格的节点分为区域是基于他们的位置。网格归档系统存储病人历史数据库中的时间戳连续监测。

4所示。调度算法

我们提出的中间件艾滋病在连续监测病人和将警报发送给医生如果病人生命体征异常值。DAS的数据集应该将计算资源来分析数据。调度组件应该有效地使用资源。在这方面,我们已经调整了ABC资源调度。

4.1。方法

人工蜂群算法是基于蜜蜂殖民地的社会行为,它可以应用于多个优化问题(14]。蜜蜂分享位置信息、数量和质量的食物。这种信息共享活动可用于电网调度的资源管理问题。有三种类型的蜜蜂蜜蜂殖民地。他们是旁观者蜜蜂,蜜蜂,和侦察蜂。采用蜜蜂并行搜索食物的位置和告诉其他蜜蜂的舞蹈。旁观者蜜蜂评估和选择最好的解决方案的解决方案中所有的蜜蜂。侦察蜂开始新的搜索解决方案(38]。

4.2。人工蜂群算法(ABC)

一只蜜蜂殖民地被认为是一群蜜蜂作为单独的个体。每个低级组件蜜蜂通过全球层面群组件工作形成一个系统。因此,系统的全局行为决定于个体的局部行为,个体之间的交互/协调导致一个有组织的系统,其特征是通过劳动部门集体互动行为,分布式同步任务绩效、自我组织,以及专门的个人。蜜蜂之间信息交换的结果调整集体知识的形成(39]。

ABC的设计目的是处理数值优化问题(40]。它位于两个自然过程:招聘的蜜蜂放弃食物来源和来源。美国广播公司和其他群体智能算法的区别是,在前,问题的解决方案是由食物来源,而不是蜜蜂。相比之下,蜜蜂作为变异运营商基于现有的发现新的食物来源。三种类型的蜜蜂被认为是在美国广播公司(ABC):,旁观者,侦察蜂。采用蜜蜂的数量相等的数量食物来源的蜜蜂被分配给每个食物来源。到达源,蜜蜂计算一个新的解决方案和保留最好的解决方案(使用贪婪启发式)。当源未能改善经过多次迭代,它是抛弃,取而代之的是食物来源位于侦察蜂,进而涉及到随机计算一个新的解决方案。

4.3。美国广播公司(ABC)的过程

经典的美国广播公司(包括4个阶段41]。

初始化阶段。食物来源,SN人口规模,侦察蜂是随机生成的。人工蜜蜂号码是NP。每一个食物来源是一个向量优化问题,有变量和搜索空间维度需要优化的目标函数。引发食物来源是随机产生的 在哪里和是目标函数的上界和下界的解决方案空间和是一个范围内的随机数。

采用蜜蜂阶段。蜜蜂飞和定位新的食物来源食物来源的地区。选择高质量的食物来源。一位邻居食物来源确定/计算吗 在哪里是随机选择的食物来源,是随机选择的参数指标,是一个随机号码范围内。食物来源健身找到全局最优至关重要。在ABC,健身是计算使用(3),之后一个贪婪的选择之间的应用和: 在哪里的目标函数值吗。在这个工作中,基于目标函数极小化和可用带宽。

旁观者蜜蜂阶段。旁观者看到蜜蜂摇摆舞跳舞区域并计算食物来源盈利能力和随机选择一个更高的食物来源。食物来源数量由盈利能力评估()的食物来源。是由 在哪里的健身。目标函数和适应度函数用于这项工作都是一样的。

侦查阶段。巡防队随机寻找新的解决方案。如果解决方案放弃,是一个新的解决方案吗是发现。被定义为 在哪里是新生成的食物来源,是一个随机号码范围内,和目标函数上界和下界的解决方案空间。

ABC系统的架构如图3。

算法的第一步,()解决方案是随机产生的,SN总数的食物来源。算法的第二步,每雇佣蜂,其总数=数量的一半食物来源,产生一个新的源(2)。在算法的第三步,一个旁观者蜜蜂选择食物源的概率由(4),产生一个新的源在选择食物来源网站(2)。旁观者分布良好的食物来源,从而消除非最优解决方案。如果由一个源的迭代次数不能改善大于预定的极限,来源被认为是筋疲力尽了。现在雇佣蜂与疲惫的来源是侦察搜索随机的问题域

模拟进行25工作,资源分为5组。使用动态到达时间的工作和资源的不同需求,提出的ABC调度算法运行5次。在每次运行时,考价值记录。图4显示了获得最大完工时间平均和图5显示每次运行中获得的个人考。

模拟也由不同工作岗位的数量从25到175年的25增量也增加资源的数量从5到15。建议的ABC与敏敏调度和基于配电网的调度。表1显示了不同数量的工作获得的平均时间和资源。

观察到的结果,极小化极大地降低了资源数量的增加。提出的ABC降低敏敏调度和配电网调度相比,在2.9%到3.66%和2.78%到3.33%的范围,分别。同样,该技术提高了考2.89%到3.98%的范围相比,敏敏调度和以2.52%对3.32%相比,算法方法当资源的数量是15。

表2显示了资源利用率。

从表2,看到提出技术更高的资源利用率。提出的ABC和敏敏调度相比,提高了资源利用率在15.17%到15.69%的范围和以1.16%对1.73%相比时配电网调度资源的数量是5。表3显示了标准偏差获得过五分。

它是观察从表3提出的ABC的标准差明显低于敏敏调度证明该算法的稳定性。固有的优势ABC算法如算法需要更少的控制参数和局部和全局搜索过程之间的良好平衡产生更好的结果,观察仿真结果。

5。结论

传感器网格中间件的设计不断的收到病人生命体征和监控检查异常。这个中间件的调度组件是一个必要的元素安排的数据计算资源执行在一个SaaS。在这篇文章中,我们已经适应美国广播公司(ABC)调度算法,有效地调度数据集计算资源成功地满足了中间件的范围。模拟是进行不同数量的就业机会和资源。从获得的模拟,可以观察到提出的ABC算法执行比算法和敏敏调度。

利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. 福斯特,c . Kesselman一起,s . Tuecke“网格的解剖学:支持可伸缩的虚拟组织,”国际期刊的高性能计算应用程序,15卷,不。3、200 - 222年,2001页。视图:出版商的网站|谷歌学术搜索
2. 福斯特,c . Kesselman一起,j·尼克,s . Tuecke网格的生理学:开放网格服务体系结构的分布式系统集成,开放网格服务基础设施WG、全球网格论坛,2002年6月。
3. i . f . Akyildiz w·苏y Sankarasubramaniam,大肠Cayirci,“无线传感器网络:一项调查,”计算机网络,38卷,不。4、393 - 422年,2002页。视图:出版商的网站|谷歌学术搜索
4. m·盖纳s l·默尔顿·m·威尔士e·拉康姆猪罗文,j·韦恩,“将无线传感器网络与网格”,IEEE网络计算,8卷,不。4,32-39,2004页。视图:出版商的网站|谷歌学术搜索
5. b . l .典当m . t .勇·慕克吉t . l . Vinh f·w·翁和美国西蒙,”传感器网格:集成无线传感器网络和网格”《IEEE会议上本地计算机Networks-30th周年(LCN ' 05)澳大利亚悉尼,页91 - 98,,2005年11月。视图:出版商的网站|谷歌学术搜索
6. C.-K。Tham和r . Buyya Sensorgrid:集成传感器网络和网格计算”,印度计算机协会(CSI)通信卷,29号1,24-29,2005页。视图:谷歌学术搜索
7. m·a·m·默罕默德和t . Vigneswari“医疗监测、传感器网格架构”《第99个印度科学大会卷3 - 7日,布巴内斯瓦尔,印度,2012年1月。视图:谷歌学术搜索
8. t . Vigneswari和m . a . Maluk穆罕默德”医疗监测传感器网格中间件,”《国际会议在信息技术进步2012年6月,香港,。视图:谷歌学术搜索
9. m . Ruda和h . Rudova“电网调度和监控”学报第4届英国规划和调度车间特殊利益集团(PLANSIG 05)城市大学,页98 - 99年,伦敦,英国,2005年。视图:谷歌学术搜索
10. a . Krenek“C-GMA-capability-based网格监控体系结构,”科技。众议员6/2005,CESNET,布拉格,捷克共和国,2005年。视图:谷歌学术搜索
11. t . l . Casavant和j·g·库尔”,一个通用的分布式计算系统调度的分类问题,“IEEE软件工程,14卷,不。2、141 - 154年,1988页。视图:出版商的网站|谷歌学术搜索
12. f .董和s . k .阿克勒说道,“网格计算的调度算法:最先进的、开放的问题,“技术。众议员2006 - 504,学校的计算,皇后大学,金斯敦,安大略省,加拿大,2006年1月。视图:谷歌学术搜索
13. d . Karaboga和b . Akay人工蜂群(ABC)、和谐搜索和蜜蜂在数值优化算法,”程序的创新生产机器和系统虚拟会议,2009年。视图:谷歌学术搜索
14. d . Karaboga和b . Basturk”性能的人工蜂群算法(ABC),“应用软计算,8卷,不。1,第697 - 687页,2008。视图:出版商的网站|谷歌学术搜索
15. a . l . Bolaji a t埃塞俄比亚m . a . Al-Betar和m . a . Awadallah“人工蜂群算法,它的变异和应用程序:一个调查,“理论和应用信息技术杂志》上卷,47号2、434 - 459年,2013页。视图:谷歌学术搜索
16. r . Buyya d·艾布拉姆森,j .头晕和h .袜子”经济模型在网格计算资源管理和调度,“并发性和计算:实践和经验,14卷,不。13 - 15,1507 - 1542年,2002页。视图:出版商的网站|谷歌学术搜索
17. p . Martincova和m . Zabovsky”比较模拟电网的调度算法,Systemova Integrace4卷,第75 - 69页,2007年。视图:谷歌学术搜索
18. f . Xhafa和a·亚伯拉罕,Eds。元。固定播送时间。在Distri。广告样稿,一样。施普林格,SCI 146年,柏林,德国,2008年。
19. f .董和s . g .阿克勒说道,“pfa: resource-performance-fluctuation-aware工作流调度算法对网格计算,”21国际并行和分布式处理的程序研讨会(IPDPS ' 07)美国加州长滩,2007年3月。视图:出版商的网站|谷歌学术搜索
20. l . Zhang y陈,r .太阳,美国,和杨,“一个基于PSO的网格计算任务调度算法,”计算智能研究的国际期刊,4卷,不。1,37-43,2008页。视图:谷歌学术搜索
21. 诉诉Korkhov, j . t . Moscicki,诉诉Krzhizhanovskaya”可分负载并行应用程序的用户级调度与资源选择和自适应网格负载平衡,”IEEE系统杂志,3卷,不。1,第130 - 121页,2009。视图:出版商的网站|谷歌学术搜索
22. y高、h·荣和j . z黄”与遗传算法自适应网格作业调度”,未来一代计算机系统,21卷,不。1,第161 - 151页,2005。视图:出版商的网站|谷歌学术搜索
23. Fidanova和m . Durchova“蚂蚁算法网格调度问题,”大规模科学计算施普林格,页405 - 412年,柏林,德国,2006年。视图:谷歌学术搜索
24. s . Fidanova“模拟退火对电网调度问题,”《IEEE约翰·文森特Atanasoff现代计算国际研讨会(JVA 06年)41 - 45页。索非亚,保加利亚,2006年10月。视图:出版商的网站|谷歌学术搜索
25. W.-N。陈和j .张“蚁群优化方法的网格工作流调度问题不同的QoS要求,“IEEE系统,人与控制论C部分:应用程序和评论,39卷,不。1,29-43,2009页。视图:出版商的网站|谷歌学术搜索
26. 诉Di马蒂诺和m . Mililotti”子使用遗传算法优化调度网格中,“并行计算,30卷,不。5 - 6,553 - 565年,2004页。视图:出版商的网站|谷歌学术搜索
27. r·加戈和a·k·辛格“加强基于离散粒子群优化的网格工作流调度使用层次结构,”国际期刊的计算机网络和信息安全(IJCNIS),5卷,不。6,18-26,2013页。视图:出版商的网站|谷歌学术搜索
28. s . s . Kim j . h .机构h·刘,a·亚伯拉罕和s . McLoone”最优作业调度在网格计算中使用有效的二进制人工蜂群优化”软计算,17卷,不。5,867 - 882年,2013页。视图:出版商的网站|谷歌学术搜索
29. l . m . Khanli m e, a Ghaffari,“可靠的作业调度器使用RFOH网格计算,”新兴的趋势在计算和信息科学杂志》上,1卷,不。1,2010。视图:谷歌学术搜索
30. z Pooranian, m . Shojafar j . h . Abawajy和m . Singhal”GLOA-a新的网格计算任务调度算法,”国际人工智能和交互式多媒体杂志》上,卷2,不。1,2013。视图:谷歌学术搜索
31. m·卡里和h . Motameni”,在网格计算任务调度使用混合离散粒子群优化,“国际期刊的电网和分布式计算》第六卷,没有。2、2013。视图:谷歌学术搜索
32. 美国Mandloi h·古普塔,“自适应计算网格作业调度基于蚁群优化与遗传参数选择,”国际先进的计算机研究杂志》上,3卷,不。9日,第71 - 66页,2013年。视图:谷歌学术搜索
33. 诉Selvi和r . Umarani”比较研究GA和ABC作业调度,“国际期刊的软计算和工程(IJSCE),卷2,不。6,2231 - 2307年,2013页。视图:谷歌学术搜索
34. w·m·奥马尔和a . Taleb-Bendiab E-health基于面向服务的体系结构,支持服务”IT专业人员,8卷,不。2,35-41,2006页。视图:出版商的网站|谷歌学术搜索
35. s e·米德尔顿m . Surridge s Benkner和g . Engelbrecht”商业医疗网格服务的服务质量协商,“《网格计算,5卷,不。4、429 - 447年,2007页。视图:出版商的网站|谷歌学术搜索
36. 美国Kailasam、美国Kumar和j . Dharanipragada”Arogyasree:一个增强的基于网格的方法移动远程医疗,”国际期刊的远程医疗和应用程序ID 536237条,卷。2010年,11页,2010年。视图:出版商的网站|谷歌学术搜索
37. r·卡马尔·m·a·Razzaque,和香港,“比起现场传感器节点网格中间件,”学报》国际会议信息网络(ICOIN 11)西班牙巴塞罗那,页200 - 205,,2011年1月。视图:出版商的网站|谷歌学术搜索
38. m . s . Kiran和m . Gunduz”小说人工蜜蜂colony-based算法求解数值优化问题,“国际期刊的创新计算、信息和控制,8卷,不。9日,2012年。视图:谷歌学术搜索
39. s·m·萨博,n . k . t . El-Omari, h·o·侯赛因”开发使用人工蜂群优化算法系统。”计算和通信杂志,4卷,不。3、391 - 396年,2009页。视图:谷歌学术搜索
40. e . Mezura-Montes m . Damin-Araoz, o . Cetina-Domingez“智能飞行和动态公差约束优化的人工蜜蜂殖民地”学报第六届IEEE 10国会对进化计算(CEC),页1 - 8,巴塞罗那,西班牙,2010年7月。视图:出版商的网站|谷歌学术搜索
41. 燕和c·李”,一个有效的基于混沌搜索的改进人工蜂群优化算法和pid控制应用程序调优,“计算信息系统杂志》上,7卷,不。9日,第3316 - 3309页,2011年。视图:谷歌学术搜索

版权

版权©2014 t . Vigneswari和m . a . Maluk穆罕默德。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。