چکیده فارسی :

سیستم های همتا به همتا  که دارای مزایای خاصی اعم از مقیاس پذیری، صحت و هزینه ی پایین هستند، در سال های اخیر مورد توسعه و توجه زیادی قرار گفته اند. مسئله ی جستجوی منبع که هدف آن یافتن همتایی است که دارای منبع مد نظر باشد، یک مسئله ی اساسی است که باید در کاربرد های همتا به همتا یا p2p حل شود. سیستم های P2P میتوانند تحت سیستم های پایگاه داده دسته بندی شوند. یکی از مهم ترین مسائل مربوط به این سیستم ها، الگوریتم های پردازش پرس و جو در این سیستم ها میباشد. حتی بهبودی های کمی که بر روی این الگوریتم ها صورت گیرد میتواند تأثیر قابل ملاحظه ای بر روی کارائی این سیستم ها داشته باشد. یکی از کارآمد ترین متد ها برای کاهش هزینه ی پردازش پرس و جو، استفاده از روش خوشه بندی همتا میباشد.. از این رو خوشه بندی همتا ها با محتوایی مشابه باعث شده تا پرس و جو را در یک خوشه ی مناسبی قرار دهیم و از این رو به صورت کارآمد به آن پرس و جو پاسخ دهیم. در این مقاله، یک الگوریتم خوشه بندی همتای جدیدی را برای سیستم های پایگاه داده ی P2P ارائه خواهید داد که از الگوریتم های خوشه بندی مبتنی بر مورچه استفاده خواهد کرد.  ما از این الگوریتم برای مسئله ی خوشه بندی همتا استفاده کرده ایم. ارزیابی کارائی این الگوریتم، میزان قوت آنرا در خوشه بندی همتتا ها در سیستم های پایگاه داده ی P2P نشان میدهد که میزان کیفیت و صحت بالایی در مقایسه با سیستم های فعلی دارد. علاوه بر این، الگوریتم ما به یک سطح مقیاس پذیری بالایی با افزایش اندازه ی مسئله ی دست یافته است.

چکیده انگلیسی:

Abstract Peer-to-Peer (P2P) systems with distinct advantages such as scalability, robustness and low cost have developed quickly in recent years. The resource search problem, that is to find out a peer having a desired resource, is a fundamental problem to be initially solved in most P2P applications. P2P systems can also be categorized under database systems. One of the most important problems of P2P database systems is the query processing algorithms. Even a rather small improvement over these algorithms can have a significant impact on the performance of a P2P database system. One of the most effective methods to reduce query processing cost is peer clustering. Hence, clustering peers with similar contents makes the queries directed to the appropriate cluster and thus to be efficiently answered. In this paper, we present a new peer clustering algorithm for P2P database systems that uses ant-based clustering algorithms. We have adjusted ant-based clustering algorithm to peer clustering problem. Performance evaluation of the algorithm shows its strength in clustering peers in P2P database systems to be of a higher quality and accuracy compared to the existing systems, to have a relatively short running time and to quickly converge to an optimum. Moreover, our algorithm achieves a high scalability to the increasing problem size