دانلود مقاله هوش مصنوعی در مدار خدمت طراحی نرم افزار
تعداد کلمات فایل انگلیسی:15884کلمه 19صفحه pdf
تعداد صفحات فایل ترجمه:45صفحه word فونت14 Arial
چکیده
معماری سرویس گرا (SOA) محبوبیت قابل توجهی بدلیل گسترش برنامه های کاربردی توزیع شده در گستره سازمانی در صنعت نرم افزار به دست آورده است. الگوی SOA قابلیت استفاده مجدد و گردآوری نرم افزار در محیط های ناهمگن را بوسیله استانداردهای باز ترویج می کند. اکثر شرکت های نرم افزاری با کشف و ساخت خدماتی که در حال حاضر بر روی اینترنت در دسترس هستند, بر روی SOA سرمایه گذاری می کنند، در حالی که سازمان های دیگر به کنترل داخلی برنامه های کاربردی و توسعه خدمات تازه با ویژگی کیفیتی متناسب با محیط مخصوص خود را احتیاج دارند. از اینرو، بر مبنای نیازهای معماری و تجاری، توسعه دهندگان می توانند از انتخاب های متنوعی در درون چارچوب SOA برای طراحی برنامه نرم افزار خود استفاده کنند. هر یک از این انتخابها بر توازن بین صفات، مانند کارکرد، قابلیت اعتماد و در دسترس بودن، در میان دیگر صفات، دلالت دارند. در این زمینه، هوش مصنوعی (AI) می تواند توسعه دهندگان را در برخورد با طراحی سرویس گرا با تاثیر مثبت در اندازه گیری و مدیریت صفات عمومی کمک کند. در این مطالعه، ما به تجزیه و تحلیل دقیق، مفهومی و ترکیبی آثار تحقیقات هوش مصنوعی که در کشف، ساخت، یا گسترش خدمات نقش داشته اند, می پردازیم. همچنین مسائل تحقیقاتی باز و چالش های موجود در حوزه های تحقیقاتی فوق را تشخیص خواهیم داد. نتایج حاصل از خصوصیات ۶۹ شیوه معاصر در جهت تحقیقات بالقوه در این حوزه ها نشان داده شده است. به این نتیجه رسیدیم که هوش مصنوعی در بهره برداری از منابع معنایی و دستیابی به خواص با کیفیت کمک کرد تا به تولید، ترکیب، و توسعه خدمات انعطاف پذیر و متغیر سازگار برسد.
- مقدمه
معماری سرویس گرا (SOA) توسط صنعت نرم افزاری برای ساخت برنامه های کاربردی نرم افزار تجاری و گسترده، که باید هر دو ویژگی با کیفیت بالا و سازگار با تغییرات بازار (Erickson و Siau، 2008) را داشته باشند, انتخاب شده است. علاوه بر این، SOA فرصت هایی برای بهبود چابکی و سرعت در هماهنگی با نیازهای تجاری با زیرساخت های فناوری اطلاعات را ایجاد می کند (Hassanzadeh et al., 2011). در این زمینه، SOA استفاده مجدد از خدمات را ترویج می دهد به این صورت که به سرعت برنامه های کاربردی که خدمات نامیده شده و در حال حاضر اجرا می شوند و در اینترنت در دسترس هستند, را مونتاژ می کند. هر دو خدمات وب موجود در اینترنت و نیاز به برآورده کردن نیاز های متعدد کاربر و کیفیت سرویس (QoS) منجر به ایجاد یک موقعیت برای استفاده از هوش مصنوعی (AI) می شوند. مزیت اصلی استفاده از AI که ناشی از عملکرد کارآمد آن در محیط های دینامیکی، گسترده، غیر قطعی و نامشخص می باشد; کاهش فضای جستجو است. علاوه بر این، AI به نظر می رسد زمانی که مقیاس پذیری بالا, مدیریت صفات عمومی و ترکیب سرویس معتبر و تایید شده (آزادی بن بست و خواص ایمنی)مورد نیاز است, کارآمد باشد.
Abstract
Service-Oriented Architecture (SOA) has gained considerable popularity for the development of distributed enterprise-wide applications within the software industry. The SOA paradigm promotes the reusability and integrability of software in heterogeneous environments by means of open standards. Most software companies capitalize on SOA by discovering and composing services already accessible over the Internet, whereas other organizations need internal control of applications and develop new services with quality-attribute properties tailored to their particular environment. Therefore, based on architectural and business requirements, developers can elaborate different alternatives within a SOA framework to design their software applications. Each of these alternatives will imply trade-offs among quality attributes, such as performance, dependability and availability, among others. In this context, Artificial Intelligence (AI) can assist developers in dealing with service-oriented design with the positive impact on scalability and management of generic quality attributes. In this paper, we offer a detailed, conceptualized and synthesized analysis of AI research works that have aimed at discovering, composing, or developing services. We also identify open research issues and challenges in the aforementioned research areas. The results of the characterization of 69 contemporary approaches and potential research directions for the areas are also shown. It is concluded that AI has aimed at exploiting the semantic resources and achieving quality-attribute properties so as to produce flexible and adaptive-to-change service discovery, composition, and development
کد:fr127
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله هوش مصنوعی در مدار خدمت طراحی نرم افزار
تعداد کلمات فایل انگلیسی:15884کلمه 19صفحه pdf
تعداد صفحات فایل ترجمه:45صفحه word فونت14 Arial
چکیده
معماری سرویس گرا (SOA) محبوبیت قابل توجهی بدلیل گسترش برنامه های کاربردی توزیع شده در گستره سازمانی در صنعت نرم افزار به دست آورده است. الگوی SOA قابلیت استفاده مجدد و گردآوری نرم افزار در محیط های ناهمگن را بوسیله استانداردهای باز ترویج می کند. اکثر شرکت های نرم افزاری با کشف و ساخت خدماتی که در حال حاضر بر روی اینترنت در دسترس هستند, بر روی SOA سرمایه گذاری می کنند، در حالی که سازمان های دیگر به کنترل داخلی برنامه های کاربردی و توسعه خدمات تازه با ویژگی کیفیتی متناسب با محیط مخصوص خود را احتیاج دارند. از اینرو، بر مبنای نیازهای معماری و تجاری، توسعه دهندگان می توانند از انتخاب های متنوعی در درون چارچوب SOA برای طراحی برنامه نرم افزار خود استفاده کنند. هر یک از این انتخابها بر توازن بین صفات، مانند کارکرد، قابلیت اعتماد و در دسترس بودن، در میان دیگر صفات، دلالت دارند. در این زمینه، هوش مصنوعی (AI) می تواند توسعه دهندگان را در برخورد با طراحی سرویس گرا با تاثیر مثبت در اندازه گیری و مدیریت صفات عمومی کمک کند. در این مطالعه، ما به تجزیه و تحلیل دقیق، مفهومی و ترکیبی آثار تحقیقات هوش مصنوعی که در کشف، ساخت، یا گسترش خدمات نقش داشته اند, می پردازیم. همچنین مسائل تحقیقاتی باز و چالش های موجود در حوزه های تحقیقاتی فوق را تشخیص خواهیم داد. نتایج حاصل از خصوصیات ۶۹ شیوه معاصر در جهت تحقیقات بالقوه در این حوزه ها نشان داده شده است. به این نتیجه رسیدیم که هوش مصنوعی در بهره برداری از منابع معنایی و دستیابی به خواص با کیفیت کمک کرد تا به تولید، ترکیب، و توسعه خدمات انعطاف پذیر و متغیر سازگار برسد.
معماری سرویس گرا (SOA) توسط صنعت نرم افزاری برای ساخت برنامه های کاربردی نرم افزار تجاری و گسترده، که باید هر دو ویژگی با کیفیت بالا و سازگار با تغییرات بازار (Erickson و Siau، 2008) را داشته باشند, انتخاب شده است. علاوه بر این، SOA فرصت هایی برای بهبود چابکی و سرعت در هماهنگی با نیازهای تجاری با زیرساخت های فناوری اطلاعات را ایجاد می کند (Hassanzadeh et al., 2011). در این زمینه، SOA استفاده مجدد از خدمات را ترویج می دهد به این صورت که به سرعت برنامه های کاربردی که خدمات نامیده شده و در حال حاضر اجرا می شوند و در اینترنت در دسترس هستند, را مونتاژ می کند. هر دو خدمات وب موجود در اینترنت و نیاز به برآورده کردن نیاز های متعدد کاربر و کیفیت سرویس (QoS) منجر به ایجاد یک موقعیت برای استفاده از هوش مصنوعی (AI) می شوند. مزیت اصلی استفاده از AI که ناشی از عملکرد کارآمد آن در محیط های دینامیکی، گسترده، غیر قطعی و نامشخص می باشد; کاهش فضای جستجو است. علاوه بر این، AI به نظر می رسد زمانی که مقیاس پذیری بالا, مدیریت صفات عمومی و ترکیب سرویس معتبر و تایید شده (آزادی بن بست و خواص ایمنی)مورد نیاز است, کارآمد باشد.
Abstract
Service-Oriented Architecture (SOA) has gained considerable popularity for the development of distributed enterprise-wide applications within the software industry. The SOA paradigm promotes the reusability and integrability of software in heterogeneous environments by means of open standards. Most software companies capitalize on SOA by discovering and composing services already accessible over the Internet, whereas other organizations need internal control of applications and develop new services with quality-attribute properties tailored to their particular environment. Therefore, based on architectural and business requirements, developers can elaborate different alternatives within a SOA framework to design their software applications. Each of these alternatives will imply trade-offs among quality attributes, such as performance, dependability and availability, among others. In this context, Artificial Intelligence (AI) can assist developers in dealing with service-oriented design with the positive impact on scalability and management of generic quality attributes. In this paper, we offer a detailed, conceptualized and synthesized analysis of AI research works that have aimed at discovering, composing, or developing services. We also identify open research issues and challenges in the aforementioned research areas. The results of the characterization of 69 contemporary approaches and potential research directions for the areas are also shown. It is concluded that AI has aimed at exploiting the semantic resources and achieving quality-attribute properties so as to produce flexible and adaptive-to-change service discovery, composition, and development
کد:fr127
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com