دانلود مقاله ISI انگلیسی شماره 150512
ترجمه فارسی عنوان مقاله

تخصیص بهینه سازی بیش از حد برای به حداکثر رساندن قابلیت اطمینان شبکه کامپیوتری چند حالته به دلیل شکست های همبسته

عنوان انگلیسی
Optimal redundancy allocation to maximize multi-state computer network reliability subject to correlated failures
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
150512 2017 13 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Reliability Engineering & System Safety, Volume 166, October 2017, Pages 138-150

ترجمه کلمات کلیدی
تخصیص مجدد خط فیزیکی، شبکه کامپیوتری چند حالت، حداکثر سازی قابلیت اطمینان، توزیع دوتایی مرتبط شبیه سازی شده،
کلمات کلیدی انگلیسی
Physical line redundancy allocation; Multi-state computer network; Reliability maximization; Correlated binomial distribution; Simulated annealing;
پیش نمایش مقاله
پیش نمایش مقاله  تخصیص بهینه سازی بیش از حد برای به حداکثر رساندن قابلیت اطمینان شبکه کامپیوتری چند حالته به دلیل شکست های همبسته

چکیده انگلیسی

Modern society depends on the stability of computer networks. One way to achieve this goal is to determine the optimal redundancy allocation such that system reliability is maximized. Redundancy requires that each edge in computer networks possess several binary-state physical lines allocated in parallel. A computer network implementing redundancy allocation is called a multi-state computer network (MSCN), since each edge can exhibit multiple states with a probability distribution according to the number of binary-state physical lines that are operational. However, past research often fails to consider the possibility of correlated failures. This study applies a correlated binomial distribution to characterize the state distribution of each edge within a network and a redundancy optimization approach integrating simulated annealing (SA), minimal paths, and correlated binomial distribution is proposed. The approach is applied to four practical computer networks to demonstrate the computational efficiency of the proposed SA relative to several popular soft computing algorithms.