معماری پایگاه داده موازی به نوعی از معماری گفته می¬شود که در این نوع معماری سعی شده است
که با پیاده سازی روش¬های کار موازی کارایی سیستم را افزایش دهیم پردازش¬های موازی میتواند
در بخش¬های مختلف و وظایف مختلف از قبیل خواندن داده¬ها، تولید فهرست¬ها
و پردازش پرس¬و¬جو¬ها پیاده¬سازی شود همچنین در این نوع سیستم¬ها داده¬ها می¬توانند از لحاظ قرار¬گیری فیزیکی
پایگاه داده با معماری موازی
معماری چندپردازنده
ساختار معماری حافظه مشترک
معماری کاملا مستقل
معماری دیسک مشترک
معماری سلسلهمراتبی
تقسیمبندی بر اساس معماری هیبریدی در پایگاه داده موازی
معماری دستیابی حافظه غیر یکنواخت
معماری خوشه بندی
نگاهی تاریخی به فرایند شکلگیری پایگاه داده موازی
عمده مزایای پایگاه داده موازی
اجرای پرس و جوها در معماری موازی
عمده معایب پایگاه داده موازی
معماری پردازش پرسوجو در پایگاه داده موازی
کنترل همزمانی یا همروندی سیستم های پایگاه داده موازی
الف) الگوریتمهای تکزمانبند در پایگاه داده موازی
انواع توازی در سیستم پایگاه داده موازی
تسریع و توسعه در پایگاه داده موازی
خصوصیات فنی سیستمهای پایگاه داده با معماری موازی
پژوهش علمی حاصل به منظور بررسی و معرفی پایگاه داده موازی به صورت تحلیلی انجام گرفته است
برای این منظور ابتدا، مفهوم پایگاه داده مورد بررسی قرار گرفت سپس مروری بر انواع مختلف پایگاه داده¬ها
پایگاه داده متمرکز، خدمتگذار، توزیع شده و غیره انجام گرفت در ادامه تحقیق
مفاهیم اولیه پایگاه داده موازی معرفی گردیده و معایب و مزایای آن مورد بررسی جامع قرار گیرد
مقدمه.
1-پایگاه داده
الف) تعریف دادهها
ب) به روز رسانی.
ج) ارائه اطلاعات
د) اداره
2- مفهوم معماری پایگاه داده
3- انواع معماری پایگاه داده
3-1- سیستمهای متمرکز.
3-2- سیستم های مشتری/خدمتگزار
3-3- سیستمهای پایگاه داده توزیع شده
3-4- معماری موازی..
3-4-1- پردازش موازی..
3-4-2- پایگاه داده با معماری موازی..
3-4-2-1- معماری چندپردازنده
الف) ساختار معماری حافظه مشترک...
مزیت:
معایب:
ب) معماری کاملا مستقل..
مزیت:
معایب:
ج) معماری دیسک مشترک...
مزایا:
معایب:
د) معماری سلسلهمراتبی..
مزایا:
معایب:
3-4-2-2- تقسیمبندی بر اساس معماری هیبریدی در پایگاه داده موازی..
الف) معماری دستیابی حافظه غیر یکنواخت...
معماری خوشهبندی..
نگاهی تاریخی به فرایند شکلگیری پایگاه داده موازی..
عمده مزایای پایگاه داده موازی..
عمده معایب پایگاه داده موازی..
اجرای پرس و جوها در معماری موازی..
عملگرهای تک عملوندی در معماری موازی..
چکیده
در این پژوهش، الگوریتمی به نام سیمبایوجنسیس را برای ساخت پایگاه داده تولید رفتار به کار میبریم. این الگوریتم از مجموعه الگوریتمهای تکاملی است که با مجموعهای از اعضا سروکار دارد و هدف بهینه کردن شایستگی اعضای جمعیت است. طی آزمایشهای انجام شده روی این روش، این نتیجه بدست آمده است که سیمبایوجنسیس برای استفاده در مسائلی که توصیف کاملی از صورت مسئله وجود ندارد، کارایی خوبی دارد.
برای آزمایش اینگونه یادگیری، از بازی Pac-Man به عنوان مسئله مورد بررسی استفاده کردیم. سعی داریم در این مسئلهagent ای را آموزش دهیم که بتواند در زمین بازی، بهترین بازی خود را انجام دهد و بیشترین زمان ممکن نیز زنده بماند. برای مقایسه نتایج حاصل از آزمایش، یکی دیگر از معروفترین الگوریتمهای تکاملی، یعنی الگوریتم ژنتیکی را برای این مسئله پیاده سازی کردیم. نتایج حاصل از این پیادهسازی ها را ارایه خواهیم کرد و مقایسهای روی آنها انجام خواهیم داد.
فهرست مطالب
فصل اول – الگوریتم های تکاملی. 10
1-1- مقدمه. 10
1-2-علت استفاده از الگوریتم های تکاملی. 13
1-3-انواع الگوریتم های تکاملی. 13
1-3-1: استراتژی های تکاملی. 14
1-3-2: برنامه ریزی تکاملی. 15
فصل دوم: الگوریتم ژنتیک. 17
2-1: ژنتیک در طبیعت. 17
2-2: الگوریتم ژنتیک استاندارد:. 18
فصل سوم: الگوریتم تکاملی سیمبیوتیک (SEA). 20
3-1: علت معرفی SEA.. 20
3-2: عملگر ترکیب سیمبیوتیک:. 21
3-3: ایده کلی SEA:. 22
فصل چهارم: توصیف فضای مسئله. 26
4-1: agent 28
4-2: تابع محاسبه شایستگی. 34
فصل پنجم: تعریف الگوریتم ها برای مسئله Pac-Man. 36
5-1Pac-Man : با الگوریتم ژنتیکی. 36
5-2Pac-Man : با الگوریتم SEA.. 38
5-3: نتایج حاصل از پیاده سازی. 39
فصل ششم: مستندات کلاسهای پیاده سازی شده. 45
6-1: پیاده سازی الگوریتم ژنتیکی. 45
6-2: پیاده سازی الگوریتم SEA.. 53
فصل هفتم: نتیجه گیری و پیشنهادات. 68
مراجع. 69
پیوست. 71
فهرست اشکال
شکل1-1.طرح کلی الگوریتم تکاملی------------------------------------------------11
شکل1-2: شبه کد استراتژی تکاملی-------------------------------------------------15
شکل1-3: شبه کد برنامه ریزی تکاملی-----------------------------------------------16
شکل2-1: شبه کد الگوریتم ژنتیکی-------------------------------------------------19
شکل3-1: نمونه ای از ترکیب Symbiotic------------------------------------------21
شکل3-2: نمونه ای از الگوریتم جستجو symbiotic-----------------------------------23
شکل3-3: شبه کد الگوریتمSEA--------------------------------------------------24
شکل4-1: نقطه آغاز یک بازی Pac-Man-------------------------------------------26
شکل4-2:نقشه زمین بازی Pac-Man به همراه تمام حالات گردش-----------------------28
شکل4-3:شبه کد استراتژیagent برای بازی Pac-Man------------------------------31
شکل 5-1: مقایسه کارایی در الگوریتم GA وSEA برای بازی pac-man. اندازه جمعیت درGA برابر 150 می باشد--------------------------------------------------------------40
شکل 5-2: مقایسه کارایی در الگوریتم GA وSEA برای بازی pac-man.اندازه جمعیت درGA برابر 200 می باشد--------------------------------------------------------------41
شکل 5-3: مقایسه هزینه در دو الگوریتم GA وSEA برای نمودار 5-1.-------------------41
شکل 5-4: مقایسه هزینه در دو الگوریتم GA وSEA برای نمودار 5-2.-------------------42
فهرست جدولها
جدول4-1: تعیین وضعیت روح با توجه به موقعیت Pac-Man و روح نسبت به هم. ----------30
جدول4-2: شرح پارامترهای استفاده شده برای تعیین حرکت agent----------------------32
جدول5-1: پارامترهای مطرح شده در SEA------------------------------------------38
جدول5-2: بهترین مقادیر برای هر پارامتر SEA--------------------------------------39