إسراء خالد أحمد عبدالرحمن2023-03-292023-03-292023http://hdl.handle.net/123456789/19094بحث مقدم لنيل درجة الدكتوراة في تقانة المعلوماتالمستخلص في هذه الدراسة تكمن مشكلة البحث في صعوبة إستيفاء طلبات العملاء وبطئها، زأيضاً تكون النتائج غير دقيقة، تهدف الدراسة إلى حل مشكلة الدقة والزمن التي تعاني منها خوارزمية التطور التفاضلي (Deferential Evolution)(DE)، فتم إستخدامها مع خوارزمية تحسين سرب الجسيمات (Particle Swarm Optimization)(PSO)، التي تقوم بتقسيم محموعة الحلول الى عدة أجزاء ثم تختار الحل الأفضل، تم إتباع المنهج الوصفي التحليلي باستخدام خوارزمية التطور التفاضلي مع خوارزمية تحسين سرب الجسيمات واجريت التجارب على شركة دهانات المهندس والمدرسة الخيرية الأهلية. وأيضاً تطبيق الخوارزميات (DE,PSO) وPSO)) على موازنة الحمل وتطبيقها على حالة واقعية للإستفادة منها تقليل وقت إستجابة الخادم وزيادة الأداء بشكل عام والحصول على نتائج أفضل. تناول البحث مفهوم الخوارزميات التطوريه ومفهوم توزيع الحمل وتطبيقهم باستخدام خوارزمية التطور التفاضلي وخوارزمية تحسين سرب الجسيمات، كما تناول الدراسة مفهوم المصادر المفتوحة ومزاياها، حيث تمت برمجة الخوارزميات بإستخدام لغة بايثون وهي من البرمجيات مفتوحة المصدر. هدفت الدراسة إلى تطبيق خوارزمية التطور التفاضلي وخوارزمية تحسين سرب الجسيمات وتطبيقهما على ثلاث من قواعد البيانات وذلك للوصول إلى نتائج محددة. أهم النتائج التي توصل إليها الباحث أنه عند دمج خوارزمية التطور التفاضلي مع خوارزمية تحسين سرب الجسيمات أن الخوارزمية المقترحة (DE,PSO) تفوقت على خوارزمية التطور التفاضلي من حيث الدقة وتقليل وقت التنفيذ حيث أثبت الخوارزمية أدائها في التعامل مع الطلبات بصورة أحسن. أهم التوصيات التي توصل اليها الباحث أنه يجب تحسين خوارزمية التطور التفاضلي بإستخدام خوارزميات أخرى مثل الخوارزمية الجينية (Genetic Algorithm) و خوارزمية مستعمرات النمل Optimization) (Ant Colony والنحل Bee Colony Algorithm) ). Abstract this study, the problem of the study is the difficulty of fulfilling customer requests and its slowness. The study area is based on the problem of the study and its deafness, which the differential evolution (DE) algorithm suffers from, so it was used with the particle swarm optimization algorithm. Improvement) (PSO), which divides the set of solutions into several solutions, the descriptive analytical approach was followed using the differential evolution algorithm with the particle swarm optimization algorithm, and experiments were conducted on the Engineer Paints Company and the National Charity School. And also the application of algorithms (DE, PSO) and PSO)) on load balancing and applying them to a realistic situation to benefit from them by reducing server response time, increasing performance in general, and obtaining better results. The research dealt with the concept of evolutionary algorithms and the concept of load distribution and their application using the differential evolution algorithm and the particle swarm optimization algorithm. The study also dealt with the concept of open source and its advantages, as the algorithms were programmed using the Python language, which is an open source software. The study aimed to apply the differential evolution algorithm and the particle swarm optimization algorithm and apply them to three databases in order to reach specific results. The most important findings of the researcher is that when the differential evolution algorithm is combined with the particle swarm optimization algorithm, the proposed algorithm (DE, PSO) is superior to the differential evolution algorithm in terms of accuracy and reducing execution time, as the algorithm has proven its performance in dealing with requests in a better way. The most important recommendations reached by the researcher is that the differential evolution algorithm should be improved by using other algorithms such as the Genetic Algorithm and the Ant Colony Optimization Algorithm (Ant Colony and Bee Colony Algorithm).الخوارزمياتخوارزمية التطور التفاضليThesis