gray wolf algorithm
در نشریات گروه فناوری اطلاعات-
امنیت یک هدف اصلی در طراحی شبکه اینترنت اشیاء صنعتی است. با توجه به پیشرفت های روز افزون در اینترنت اشیاء لازم است از روش های جدید در تشخیص حملات فعال شبکه استفاده شود. در این مقاله یک سیستم تشخیص نفوذ برای اینترنت اشیاء صنعتی پیشنهادشده است. این سیستم از ترکیب الگوریتم های فرا ابتکاری گرگ خاکستری( GWO ) و الگوریتم های طبقه بندی درخت تصمیم (DT) ، نزدیک ترین همسایه (KNN) و شبکه عصبی مصنوعی (ANN) استفاده می کند. ابتدا داده ها پیش پردازش و سپس نرمال سازی شده، در مرحله بعد استخراج ویژگی داده ها با استفاده از الگوریتم گرگ خاکستری برای استخراج ویژگی های مستقل و موثر آن انجام می شود. سپس با استفاده از الگوریتم های طبقه بندی آموزش و درنهایت ارزیابی می شود. نتایج به دست آمده نشان می دهد که استفاده از الگوریتم ترکیبی GWO-ANN با دقت 22/93 درصد در میزان تشخیص حملات عملکرد بهتری دارد. همچنین الگوریتم ANN نسبت به الگوریتم های DT و KNN در تلفیق با الگوریتم GWO دارای دقت بالاتری است.
کلید واژگان: سیستم تشخیص نفوذ، الگوریتم گرگ خاکستری، اینترنت اشیاء صنعتیSecurity is a main goal in the design of industrial Internet of Things network. Due to the ever-increasing developments in the Internet of Things, it is necessary to use new methods to detect active network attacks. In this article, an intrusion detection system for industrial Internet of Things is proposed. This system uses the combination of gray wolf meta-heuristic algorithms (GWO) and decision tree (DT), nearest neighbor (KNN) and artificial neural network (ANN) classification algorithms. First, the data is pre-processed and then normalized, in the next step, data feature extraction is performed using the gray wolf algorithm to extract its independent and effective features. Then it is trained using classification algorithms and finally evaluated. The obtained results show that the use of the combined GWO-ANN algorithm with 93.22% accuracy has a better performance in detecting attacks. Also, the ANN algorithm is more accurate than the DT and KNN algorithms when combined with the GWO algorithm. ,
Keywords: Intrusion Detection System, Gray Wolf Algorithm, Industrial Internet Of Things -
محاسبات لبه موبایل تجربه کاربران نهایی را برای دستیابی به خدمات مناسب و کیفیت خدمات بهبود می دهد. در این مقاله مسئله بهبود تخصیص منابع هنگام بارگیری وظایف براساس دستگاه های تلفن همراه به سرورهای لبه در سیستم های محاسباتی بررسی می شود. برخی وظایف به صورت محلی پردازش و برخی به سرورهای لبه بارگذاری می شوند. مسئله اصلی این است که وظایف تخلیه شده برای ماشین های مجازی در شبکه های محاسباتی بصورت مناسب زمانبندی شوند تا زمان محاسبات، هزینه خدمات، اتلاف شبکه های محاسباتی و حداکثر ارتباط یک کار با شبکه به حداقل برسد. در این مقاله الگوریتم ترکیبی ازدحام ذرات و گرگ خاکستری برای مدیریت تخصیص منابع و زمان بندی وظایف برای دستیابی به یک نتیجه بهینه در شبکه های محاسبات لبه معرفی شد. نتایج مقایسه نشان دهنده بهبود زمان انتظار و هزینه در رویکرد پیشنهادی است. نتایج نشان می دهد که به طور میانگین مدل پیشنهادی با کاهش 10 درصدی زمان انجام کار و افزایش استفاده از منابع به میزان 16 درصد بهتر عمل کرده است.
کلید واژگان: بهبود تخصیص منابع، محاسبات لبه موبایل، الگوریتم بهینه سازی ازدحام ذرات، الگوریتم گرک خاکستری.Mobile edge computing improves the experience of end users to achieve appropriate services and service quality. In this paper, the problem of improving resource allocation when offloading tasks based on mobile devices to edge servers in computing systems was investigated. Some tasks are processed locally and some are offloaded to edge servers. The main issue is that the offloaded tasks for virtual machines in computing networks are properly scheduled to minimize computing time, service cost, computing network waste, and the maximum connection of a task with the network. In this paper, it was introduced using the hybrid algorithm of particle swarm and gray wolf to manage resource allocation and task scheduling to achieve an optimal result in edge computing networks. The comparison results show the improvement of waiting time and cost in the proposed approach. The results show that, on average, the proposed model has performed better by reducing the work time by 10% and increasing the use of resources by 16%.
Keywords: Improving Resource Allocation, Mobile Edge Computing, Particle Swarm Optimization Algorithm, Gray Wolf Algorithm -
In today's world, networks play a very important role in people's lives. One of the important issues related to networks is the issue of detecting communities. These communities are also called groups and clusters. Communities include nodes that are closely related to each other. Most of the nodes that are members of a community have common properties. In social networks, it is important to detect the community in order to analyze the network and it is a very important tool to understand the information of the network and its structure. Studying community detection has garnered significant interest in last few years, leading to the development of numerous algorithms in this area. this research, we used the gray wolf meta-heuristic algorithm and improved it with operators such as mutation, combination, and local search, and also improved the final solution of the gray wolf algorithm with the label propagation algorithm to detect communities. Experiments showed that the proposed method has high accuracy and also due to the applied techniques, the problem converges to the best solution very quickly.
Keywords: Community Detection, Gray Wolf Algorithm, Label Propagation Algorithm, Optimization -
شبکه مبتنی بر نرم افزار (SDN) در بسیاری از سناریوهای مدرن شبکه به مدلی محبوب برای کنترل و مدیریت متمرکز تبدیل شده است. بااین حال، برای مراکز داده بزرگ با صدها هزار سرور و چندین هزار سوییچ، حالت کنترل کننده تک باعث می شود سیستم از عدم مقیاس پذیری و قابلیت اطمینان رنج ببرد. استفاده از معماری توزیع شده می تواند عملکرد سیستم را بهبود بخشد، اما محدودیت اصلی این کار نگاشت ایستا بین سوییچ و کنترل کننده است که ممکن است منجر به عدم تعادل بار در کنترل کننده ها شود. استفاده از چندین کنترل کننده توزیع شده در SDN برای بهبود مقیاس پذیری و قابلیت اطمینان، جایی که هر کنترل کننده یک بخش ثابت از شبکه را مدیریت می کند، استفاده شده است. درروش پیشنهادی، یک کنترل کننده متعادل (بالکن)، به عنوان طرحی برای انتقال پویای سوییچ SDN برای دستیابی به تعادل بار بین کنترل کننده های SDN با هزینه مهاجرت کم به کار گرفته شده است. تصمیم گیری برای مهاجرت توسط نظارت بر اساس ترافیک شبکه انجام می شود. برای تعادل بار در شبکه مبتنی بر نرم افزار، از یک استراتژی انتقال سوییچ مرحله ای استفاده می شود و کنترل کننده هدف توسط الگوریتم گرگ خاکستری انتخاب می گردد. نتایج نشان می دهد که زمان پاسخ روش پیشنهادی 13% بهتر از روش بالکن است. همچنین با افزایش نرخ ارسال به 8.33%، توان عملیاتی کنترل کننده در مقایسه با روش بالکن بهبود می یابد. لذا، تعادل بار روش پیشنهادی عملکرد بهتری نسبت به کارهای پیشین دارد.کلید واژگان: شبکه مبتنی بر نرم افزار، مهاجرت سوئیچ، تعادل بار، الگوریتم گرگ خاکستریSoftware Defined Network (SDN) has become a popular model for centralized control and management in many modern network scenarios. However, for large data centers with hundreds of thousands of servers and several thousand switches, a single controller mode causes the system to suffer from lack of scalability and reliability. The use of distributed architecture can improve system performance, but the main limitation of this work is the static mapping between the switch and the controller, which may lead to load imbalances in the controllers. The use of multiple controllers distributed in SDN has been used to improve scalability and reliability, where each controller manages a fixed partition of the network. In the proposed method, a balanced controller (BalCon) is used as a scheme to dynamic migrate the SDN switch to achieve load balance between SDN controllers with low migration cost. The decision to migrate is made by the monitor based on network traffic. To balance load in the software-based network, a staged switch migration strategy is used and the target controller is selected by the gray wolf algorithm. The results show that the response time of the proposed method is 13% better than the BalCon method. Also, by increasing the sending rate to 8.33%, the controller's throughput improves compared to the BalCon method. Therefore, the load balance of the proposed method has a better performance than previous works.Keywords: Software defined network, Switch Migration, Load Balancing, Gray wolf algorithm
-
The increase in the power generated by the wind hashad effects on the performance of the power system incases such as power quality, safety, stability, andvoltage control. The wind turbines are used to generateelectrical energy from wind. They can work in fixedor variable speeds. The asynchronous generator isdirectly connected to the grid for the fixed-speed windturbines. In order to connect the DFIG (Doubly-FedInduction Generator) to the grid, this machine must beable to integrate its generated power into the grid in aspecific voltage (the grid voltage level). The mainDFIG controlling method is the use of field-orientedvector control for regulating the rotor flux. The DFIGvector control consists of two main parts as grid sideconverter control and rotor side converter control. Therotor side converter is used to control the grid outputpower. This converter regulates the power factors inthe terminals, and actually restores the generatedpower deviation from the reference power through thePID controllers, besides guaranteeing the stability ofthe induction generator. In the current study, the powerwas controlled through the determination of the PIDoptimal coefficient of the rotor and grid sidescontrollers and the gray wolf algorithm in theMATLAB software. In addition, the stability of thesmall signal of the grid equipped with the doubly-fedwind generator in the wind speed turbulenceconditions was optimized to satisfy the requiredcriteria in output active and reactive power of a DFIG.From the simulation results it is observed that theproposed controller yields better results whencompared to other methods in literature in terms ofperformance index.Keywords: Optimization, Doubly-Fed Induction, Generator, Wind turbine, gray wolf algorithm
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.