انجمن کامپیوتر ایران

یکی از مهم ترین مراحل تولید یک نرم افزار جهت افزایش قابلیت اطمینان، مرحله ی آزمون آن است. به طور کلی، مرحله ی آزمون نرم افزار حدود 40 تا 70 درصد تلاش، زمان و هزینه را به خود اختصاص می دهد. عدم دقت در این مرحله ممکن است منجر به خسارات جبران ناپذیر و یا حتی شکست نرم افزار گردد. یکی از راه های آزمون نرم افزار در روش جعبه ی سفید، تولید خودکار داده ی آزمون است. این فرآیند به سه دسته ی اصلی روش تصادفی، روش مبتنی بر هدف و روش مبتنی بر مسیر طبقه بندي می شوند. تولید خودکار داده ی آزمون مبتنی بر مسیر که قوی ترین روش در بین روش های جعبه ی سفید است در سه مرحله ی اساسی ساخت گراف کنترل روند، انتخاب مسیر و تولید داده ی آزمون صورت می پذیرد. در این مقاله ابزاری جهت تولید خودکار داده های آزمون مبتنی بر مسیر با استفاده از اجرای نمادین ارائه شده است. یکی از مهم ترین مشکلات مرحله ی انتخاب مسیر، وجود مسیرهای اجرا نشدنی می باشد. در روش پیشنهادی جهت کشف این مسیرها از تکنیک برچسب گذاری دستورات انشعاب و ساختارهای تکرار استفاده شده است. این روش علاوه بر بهبود 60 درصدی زمان اجرا، ابزاری کاملاً خودکار را نیز تولید نموده است.

در روش¬های امروزی توسعه نرم¬افزار و متدولوژی¬هایی مانندRUP ، ابتدا نمودار توالی برای سناریوهای سیستم ترسیم شده و از طریق همکاری مولفه¬ها ، هر مولفه به صورت جداگانه طراحی می¬شود و نهایتاً رفتار مولفه به صورت دستی با یک نمودار مبتنی بر حالت ، مانند نمودار حالت، طراحی می¬شود. به نظر می¬رسد که یکی از مسئله¬های مهم و حیاتی در مهندسی نرم¬افزار، خودکار-سازی این بخش، یعنی ترجمه خودکار نمودارهای توالی به نمودارهای مبتنی بر حالت است. در این مقاله، یک روش صوری برای ترجمه نمودارهای مبتنی بر سناریو به نمودارهای مبتنی بر حالت ارائه می¬شود که به این ترتیب و با داشتن نمودارهای حالت می-توانیم به سوی تولید خودکار کد سیستم¬ها، گام برداریم.

در شبکه¬هاي حسگر بي¬سيم، پوشش و کیفیت تشخیص یکی از جنبه¬های کیفیت سرویس می¬باشد و مسئله آرایش مناسب گره¬ها از آن جهت که سطح بهتری از پوشش را فراهم می¬سازد، برای ما حائز اهمیت می¬باشد.با توجه به اینکه تشخیص¬ گره-های حسگر آمیخته با خطا می¬باشد، از مدل تشخیص احتمالی برای آرایش گره¬های حسگر، استفاده می¬نماییم که واقعی¬تر است. در این مسئله محیط به شکل گرید می¬باشد و احتمال تشخیص برای تک¬تک نقاط گرید باید بالاتر از حد آستانه مورد انتظار باشد. همچنين فرض مي¬كنيم كه سطح پوشش مورد نیاز در نقاط مختلف، متفاوت می¬باشد. راه¬حل پيشنهادي به صورت يك مسئله بهينه¬سازي چند هدفه ارائه شده است كه مي¬كوشد تا در نقاط مختلف به سطح پوشش مورد انتظار دست يابيم و در عين حال تعداد گره¬هاي حسگر به كار رفته در محيط را كاهش دهيم. مسئله آرايش گره¬هاي حسگر يك مسئله NP-hardمي¬باشد. اندازه فضاي راه¬حل محدود و در عين حال بسيار گسترده (2^(n^2 )) مي¬باشد.مي¬توان از طريق روش¬هايي مانند برنامه¬ريزي خطي به جواب بهينه دست يافت، ولي كاربرد اين روش¬ها در چنين فضاي گسترده¬اي، عملا غير ممكن مي¬باشد. براي غلبه بر پيچيدگي زماني از الگوريتم رقابت استعماري گسسته دودويي به منظور آرايش گره¬هاي حسگر در محيط حسي استفاده مي¬نماييم. شبیه¬سازی¬ها نشان می¬دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم¬های ارائه شده در کارهای مرتبط از کارایی بهتری برخوردار بوده و با تعداد گره¬های حسگر کمتری در زمانی مناسب به سطح پوشش مورد نظر دست می¬یابد.

با افزایش استفاده از سیستم‏های CRM، نیاز به انعطاف و افزایش قدرت پاسخگویی در آن‏ها بیش از پیش احساس می‏شود. دست‏یابی به خودتطبیقی در سیستم‏های CRM راه حل‏ مناسبی به مشکلاتی از این دست می‏باشد. این مقاله بر استفاده از تکنیک‏های مبتنی بر قانون برای ارائه مدلی به منظور دستیابی به خودتطبیقی در سیستم‏های CRM تمرکز دارد. در این مدل سیستم قادر خواهد بود تا با بازپیکربندی خود در مقابل تغییرات در سیاست‏های CRM، تغییرات در خواسته‏های کاربر و یا تغییرات در سکویی که نرم‏افزار CRM بر روی آن اجرا می‏شود، به خودتطبیقی دست یابد. در مدل پیشنهادی بخش خودتطبیقی از بخش عملیات کاری سیستم مجزا بوده و ارتباط میان این دو قسمت از طریق یک مبدل زبان طبیعی و یک بارگذار مولفه برقرار خواهد شد. در این تحقیق به منظور در نظرگرفتن تمام جنبه‏های یک سیستم مدیریت ارتباط با مشتری، CRM به صورت مجموعه افراد، فناوری و استراتژی‏ها در نظر گرفته شده‏ است.

الگوریتم رقابت استعماری یکی از جدیدترین الگوریتم¬های تکاملی در حوزه¬ی بهینه¬سازی است. این الگوریتم با الهام گیری از پدیده¬ی سیاسی- اجتماعی استعمار در جوامع بشری ارایه شده است. در این مقاله با استناد به پدیده فروپاشی آنی یک امپراطوری در تاریخ بشری، الگوریتم جدیدی با نام ICACI بر مبنای الگوریتم ICA یا همان رقابت استعماری معرفی می¬شود. در الگوریتم رقابت استعماری در فاز رقابت بین امپراطوری¬ها، امپراطوری ضعیف¬تر به مرور و در هر دور اجرا با از دست دادن یکی از مستعمرات خود (ضعیف¬ترین مستعمره) ضعیف¬تر شده و در نهایت خود نیز از دور رقابت خارج می¬شود. اما در الگوریتم ICACI با در نظر گرفتن شرایطی امکان فروپاشی آنی و ناگهانی امپراطوری ضعیف¬تر به وجود می¬آید. در نهایت، نتایج حاصل از پیاده-سازی و اجرای الگوریتم ICACI روی چند تابع محک متداول و مقایسه آن¬ها با نتایج الگوریتم¬های ICA، PSO، GA و DE عملکرد وکارایی الگوریتم پیشنهادی را نشان می¬دهد.

یکی از موارد مورد توجه محققین در رمز¬نگاری، میزان داده ارسالی بین فرستنده و گیرنده است که هرچه این مقدار کم¬تر باشد پهنای باند مصرفی کاهش می¬یابد و این عمل باعث افزایش سرعت در انتقال اطلاعات خواهد بود. در بیشتر روش¬های مطرح شده، اطلاعات یا قبل از رمز¬نگاری فشرده می¬شوند و یا بعد از رمزنگاری فشرده¬سازی انجام گرفته ¬است. در این مقاله با استفاده از روش¬های پیشنهادی در محاسبات DNA ایده¬ای را در نظر گرفتیم که رمزنگاری و فشرده¬سازی را به صورت موازی انجام می¬دهد. این کار با استفاده از ادغام نوکلئوتید¬ها در¬هم انجام شده ¬است. نتایج به دست آمده از رمزنگاری اطلاعات در روش پیشنهادی، بیانگر این است که الگوریتم در مقابل افراد ناشناس از امنیت بالایی برخوردار بوده و نرخ فشرده¬سازی اطلاعات نیز حدود 2.5 می¬باشد.

ماشین¬ بردار پشتیبان یکی از دسته¬بندهای شناخته شده است که برای دسته¬بندی الگوهای جدایی پذیر خطی و نیز برای الگوهایی که به صورت خطی جدایی پذیر نیستند، به کار می¬رود. در جداسازی الگوهای جدا ناپذیر به صورت خطی، از تابع هسته در ماشین بردار پشتیبان استفاده می¬شود که انتخاب مناسب نوع و پارامترهای تابع هسته تاثیر زیادی در دقت دسته¬بندی دارد. در این مقاله، تابع هسته به صورت یک ترکیب خطی از توابع هسته استاندارد و با استفاده از الگوریتم بهینه¬سازی ازدحام ذرات تخمین زده می¬شود. تابع برازندگی این الگوریتم در ایتجا خطای دسته¬بندی ماشین بردار پشتیبان است که باید کمینه شود. آزمایش¬ها بر روی دادگان انتخابی UCI، بیانگر کارایی تابع هسته پیشنهادی در مقایسه با توابع هسته استاندارد و نیز تابع هسته ترکیبی به دست آمده با استفاده از الگوریتم ژنتیک است.

برای کاهش اثرات نامطلوب بلوکی در فریم های ویدئو، استاندارد فشرده سازی H.264/AVCاز یک فیلتر بلوک زدایی استفاده می کند. این واحد دارای بار محاسباتی بسیار بالاییمی باشد.]1[ لذا برای افزایش سرعت و بالا بردن کارایی فیلتر بلوک زدایینیاز به پیاده سازی سخت افزاری این واحد میباشد. در این مقاله ما یک معماری سخت افزاری مناسب برای پیاده سازی الگوریتم فیلتر بلوک زدایی ارائه می دهیم.در این معماری، از یک ترتیب جدید برای فیلتر کردن لبه های یک ماکروبلوک استفاده می شود که نه تنها نسبت به روش های دیگر حجم حافظه موردنیاز را کاهشمی دهد، بلکه به دلیل قابلیت پیاده سازی به صورت خط لوله، تعداد کل کلاک مورد نیاز برای فیلتر کردن لبه های یک ماکروبلوک را به کمترین مقدار آن کاهش می دهد. در طرح هایی که قبلا برای فیلتر کردن لبه های یک ماکروبلوک با استفاده از یک واحد فیلتر ارائه داده شده است، در حالت بهینه تعداد کل عملیات لازم برای فیلتر کردن (با در نظر گرفتن کلاک های لازم برای بارگذاری بلوک ها از حافظه خارجی) برابر با 448 سیکل کلاک است. در صورتیکه روشی که ما ارائه می دهیم دارای 416 کلاک مصرفی برای فیلتر کردن می باشد. بنابراین این طرح نسبت به حالت بهینه 32 سیکل کاهش سیکل دارد. از دیگر ویژگی های این معماری نسبت به روش های قبلی، کاهش حجم حافظه مورد نیاز جهت نگه داری داده های میانی، کاهش تعداد گیت ها و سخت افزار مورد نیاز جهت پیاده سازی واحد فیلتر بلوک زدایی است.

در اين مقاله یک الگوریتم کاملاً توزیعی، پویا، سبک وزن و هوشمند مبتنی بر اتوماتای یادگیر در جهت مقابله با حمله ارسال انتخابی در شبکه¬های حسگر بی¬سیم پیشنهاد شده است. در این الگوریتم از مکانیزم شنود به همراه مدل اتوماتای یادگیر جهت انتخاب مسیر ایمن ارسال بسته¬ها در پروتکل¬های مسیریابی چندگامه استفاده می¬شود. هر گره مجهز به يك اتوماتاي يادگير است كه وظيفه آن انتخاب گره بعدي(گره بالادستي) براي ارسال داده‏ها به سمت ایستگاه پایه و نظارت بر عملكرد آن است. شبیه¬سازی الگوریتم پیشنهادی توسط شبیه¬ساز J-SIM صورت گرفته و نتایج شبیه¬سازی¬ها، در قالب معیارهای نرخ تحویل بسته¬ها، نرخ ساقط شدن بسته‏ها توسط گره¬های بدخواه و متوسط انرژی باقی¬مانده گره¬ها، حاکی از برتر بودن روش پیشنهادی نسبت به الگوریتم پايه كه فاقد هرگونه الگوریتم¬ امنیتی مقابله با حمله ارسال انتخابی است، الگوریتم مبتنی بر تصدیق چندگامه، الگوریتم مبتنی بر چند جریان داده¬ای و الگوریتم چند مسیره می¬باشد.

اعداد تصادفی دارای کاربردهای متنوعی در زمینه¬های آزمون مدار، رمزنگاری، کدهای تصحیح خطا، شبیه¬سازی سیستم‌ها و تحلیل مونت-کارلو هستند. در گذشته تولید اعداد تصادفی غالباً بصورت نرم¬افزاری صورت می¬گرفت. اما با پیشرفت مقیاس تکنولوژی به حوزه VLSI وافزایش سرعت سیستم¬های دیجیتال، نیاز مبرمی به پیاده¬سازی این مولدها بصورت سخت¬افزاری احساس می‌گردد. در این مقاله، ابتدا اصول کلی کار و مبانی طراحی یک مولد اعداد تصادفی از نوع شبه‌تصادفی را بیان می‌کنیم. اجزاء مختلف آن را مورد بررسی قرار می‌دهیم و فلیپ فلاپ مناسب را انتخاب می‌کنیم. در نهایت، مولد اعداد تصادفی در سطح ترانزیستوری طراحی شده و شبیه‌سازی روی آن انجام می‌گردد.

شناسایی سرویس اولین و اصلی‌ترین گام در توسعه سرویس‌گرا می‌باشد. در این مقاله به معرفی روشی برای شناسایی سرویس‌ها با استفاده از مدل اهداف و مدل فرآیندهای کسب و کار پرداخته شده است. بر این اساس، ابتدا مدل فرآیندهای کسب و کار وضعیت موجود سازمان با استاندارد BPMN2.0 و همچنین مدل اهداف با روش GBRAM ایجاد می‌گردد. در ادامه با تحلیل سازمان و در نظر گرفتن ملاحظات نرم‌افزاری، مدل فرآیندهای کسب و کارِ سیستمِ مطلوب ترسیم می‌شود. با مدل کردن ارتباط اهدافِ موجود در مدل اهداف و استفاده از ارتباط وظایف موجود در مدل فرآیندهای کسب و کار، پس از طی چند گام ماتریس وظیفه-وظیفه استخراج می‌گردد که با اعمال خوشه بندی بر آن با استفاده از ابزار Bunch و تابع هدف Turbo-MQ سرویس‌های فناوری شناسایی می‌گردند. توجه به معیار استفاده مجدد، استفاده از اهداف و فرآیندهای کسب و کار به صورت توامان، شناسایی خودکار سرویس‌ها و توجه به سرویس‌های فناوری به جای سرویس‌های کسب و کار، برتری‌های این روش نسبت به روش‌های مشابه می‌باشد که نتیجه حاصل از این روش در یک مورد مطالعه واقعی بیان‌گر این برتری‌ها می‌باشد.

باتوجه به فزونی متون و اسناد الکترونیکی در دسترس و روند رو به رشد آن¬ها، نیاز به سیستم¬های خلاصه¬سازی متن محسوس¬تر شده است، به همین خاطر در سال¬های اخیر سیستم¬های خلاصه¬ساز زیادی ارائه ¬شده¬اند. این سیستم¬ها بر اساس نوع خروجی به دو دسته گزینشی و چکیده ای تقسیم می گردند. در سیستم¬های خلاصه ساز گزینشی، انتخاب جملات خلاصه با توجه به برخی از ویژگی¬های آن جمله صورت می گیرد. سیستم خلاصه¬سازی که در این مقاله معرفی می¬شود، امتیاز محاسبه شده مبتنی بر پاراگراف و جملات را به عنوان ورودی شبکه عصبی RBF (Radial basis function network) درنظر می¬گیرد. جملات برگزیده خروجی شبکه عصبی، جمعیت اولیه الگوریتم ژنتیک را تشکیل داده و جهت تولید نسل¬های بهتر و خلاصه دقیق¬تر مورد استفاده قرار می¬گیرند. در نهایت ارزیابی انجام شده نشان می¬دهد که استفاده از این رویکرد ترکیبی جدید در سیستم¬های خلاصه¬سازی متون فارسی، علاوه بر افزایش پیوستگی جملات خلاصه، دقت خلاصه نهایی را نیز بهبود می¬بخشد.

Scale Invariant Feature Transform (SIFT) is a popular image feature extraction algorithm. SIFT’s features are invariant to many image related variables including scale and change in viewpoint. Despite its broad capabilities, it is computationally expensive. This characteristic makes it hard for researchers to use SIFT in their works especially in real time application. This is a common problem with many image-processing related algorithm. Utilizing graphical processing unit (GPU) through parallel programming is an affordable solution for this issue. In this paper we present a GPU-based implementation of SIFT using Compute Unified Device Architecture (CUDA) programming framework. We compare our CUDA-based implementation, namely siftCU, with CPU-based serial implementations of SIFT both in feature matching accuracy and time consumption. Results show our implementation can gain 4x speed up over serial CPU implementation even though we have used a low end graphic card while using a powerful CPU for test platform

اخیرا از الگوریتم‌های خوشه‌بندی در زمینه پیش‌پردازش داده‌ها برای دسته‌بندی استفاده می‌شود که می‌تواند باعث بهبود کارایی دسته‌بندی شود. اما همواره سرعت و دقت با یکدیگر در تضاد هستند. الگوریتم خوشه‌بندی فازی نوع1 از الگوریتم‌های پر‌کاربرد در خوشه‌بندی می‌باشد که در آن سرعت نسبت به دقت ارجحیت دارد . از طرفی الگوریتم خوشه‌بندی فازی نوع2 عمومی، یک الگوریتم با دقت بالا و سرعت پایین است و نیز توانایی مقابله با عدم قطعیت موجود در خوشه‌بندی را دارد. به همین جهت ، در این مقاله ابتدا خوشه‌بندی فازی نوع1 یکبار اجرا می‌شود، سپس مراکز بدست آمده از خروجی الگوریتم بعنوان مراکز اولیه به الگوریتم خوشه‌بندی فازی نوع2 عمومی اعمال می‌شوند تا با تعداد تکرار کمتری بتواند به حداکثر دقت دست پیدا کند. نتیجه‌ی این کار یک الگوریتم خوشه‌بندی سریع و با دقت بالا می‌باشد. افزایش سرعت در افزایش دقت تاثیری نمی‌گذارد. الگوریتم ارائه شده با الگوریتم‌های GT2 FCM، KFGT2FCM و KGT2FCM بر روی 5 مجموعه داده از UCI با هم مقایسه می‌شوند. این الگوریتم که به اختصار FGT2FCM نامگذاری شده، در فضای نرم افزار MATLAB پیاده سازی شده است.

نویز اسپکل به طورکلی بر کیفیت تصاویر سونوگرافی تاثیر می گذارد و باعث کاهش وضوح و کنتراست در این تصاویر می‌شود، در نتیجه، دقت تشخیص را پایین می‌آورد. در این مقاله، فیلترمیانگین غیرمحلی بیزی بهبود یافته (EBNLM) بمنظور حذف نویز اسپکل در تصاویر سونوگرافی پستان پیشنهاد شده است. میانگین غیرمحلی (NLM) یک فیلترموثر در حذف نویز است. فیلتر(EBNLM) توسعه یافته الگوریتم (NLM) است، که یک چارچوب کلی احتمالی برای حذف نویزتصویر فراهم می‌کند که می ‌تواند با نویز غیرگوسی مطابقت کند، و همچنین پارامترسازی آن بهتر از فیلتر (NLM) است. علت استفاده از فیلتر میانگین غیرمحلی بیزی بهبود یافته محافظت بیشتر از جزئیات تصویرمی‌باشد، که این کار را با اضافه کردن طیف سیگما به عملیات پیشین تصویر انجام می‌دهد. نتایج برروی تصاویر سونوگرافی پستان نشان می‌دهد که روش پیشنهادی در فرآیند حذف نویز بطور موثر نویزاسپکل رابدون مات کردن لبه‌ها از بین می‌برد، و همچنین قادر به حفظ دقیق لبه ها وجزئیات ساختاری تصویر است.

نازک‌سازی، یک نوع پیش‌پردازش روی تصویر کاراکترها است که طی آن عرض تمام بخش‌های هر کاراکتر به یک پیکسل کاهش می‌یابد. در این مقاله روشی برای نازک سازی حروف تایپی فارسی ارائه شده است که از طریق تکرارهای متوالی کار نازک سازی را انجام می دهد، این کار به کمک حفر سطوح و حذف پیکسل‌های دندانه‌ای انجام می‌شود. این مقاله قصد دارد با استفاده از الگوریتم های پایه ریخت شناسی به نازک سازی کاراکترهای تایپ شده فارسی به گونه‌ای بپردازد که تشخیص بصری کاراکترهای زبان فارسی را آسان سازد. با توجه به زیاد بودن تعداد نقاط دندانه‌ای در اطراف کاراکترها، این روش از سرعت بالایی برخوردار است. نتایج حاصل از پیاده سازی نشان داد که این روش علاوه بر حفظ پیوستگی، نازک‌سازی در حد یک پیکسل و بهبود سرعت قادر به صاف نمودن منحنی‌های افقی و عمودی در شکل کاراکترها همراه با حفظ دندانۀ حروف می‌باشد. این موضوع کمک مؤثری به تشخیص بصری کاراکترها می‌کند. اگرچه کارایی بصری این روش نسبت به روش ژانگ-سوئن اندکی ضعیف تر است، اما زمان مورد نیاز در این روش نسبت به روش ژانگ-سوئن بسیار کمتر است.

هرس تجمیع یکی از مؤثرترین عملیات برای افزایش عملکرد پیش‌بینی و کاهش سربار محاسباتی روش‌های تجمیعی در حیطه یادگیری ماشین است. این عملیات که یکی از مسائل NP-Complete می‌باشد، توجه محققان زیادی را در این حیطه به خود جلب کرده است. در این مقاله، یک روش هرس دسته‌بند تجمیعی جدید پیشنهاد می‌شود که با استفاده از انتخاب پیشروانه الگوریتم‌های جستجوی ممنوعه، بهترین مدل‌ها را به صورت گام به‌گام از تجمیع اولیه انتخاب می‌کند تا در انتها بهترین زیرمجموعه از آن به دست آید. به علاوه در این روش، یک استراتژی جدید و اثرگذار با نام "فراموشی دوره‌ای" که خاص لیست ممنوعه است، پیشنهاد می‌شود. روش پیشنهادی با دو روش پیشرفته مشابه برای هرس یک تجمیع اولیه ناهمگن و روی 10 مجموعه داده استاندارد، مورد مقایسه و ارزیابی قرار می‌گیرد. این آزمایش‌ها براساس معیار دقتِ تجمیع هرس شده، اندازه آن و میانگین زمان اجرا تحلیل می‌شوند. نتایج آزمایش‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با دو روش مشابه، به طور میانگین منتهی به 069/3% بهبود دقت می‌شود. به علاوه، روش پیشنهادی در کاهش اندازه تجمیع اولیه و یافتن مدل‌های دقیق‌تر آن، موفق‌تر است که یکی از دلایل این امر می‌تواند وقت بیشتری باشد که برای جستجوی مدل‌ها صرف می‌کند.

کاوش استفاده از وب که از شاخه‌هاي وب کاوي می‌باشد به پیشبینی صفحه بعدي کاربر و همچنین شناسایی رفتار کاربر می‌پردازد. یکی از چالش‌هاي این حوزه، تشخیص شیوه رفتاري کاربر جهت پیش‌بینی دقیق‌تر صفحه بعدي مورد نظر وي است. آنچه کار مهم است، صحت پیش‌بینی به همراه کاهش زمان مورد نیاز براي پیش‌بینی می‌باشد. ما در این مقاله از مدل خوشه‌بندي کامیانه استفاده کرده و توسط یکچارچوب جدید قابل گسترش، به پیش‌بینی صفحه بعدي کاربر می‌پردازیم. هدف ما در این مقاله ارائه راهکاري براي افزایش صحت و کاهش زمان پیش‌بینی برخط صفحه بعدي کاربر می‌باشد. نتایج حاکی از افزایش صحت پیش بینی و کاهش زمانی پیش‌بینی برخط به میزان قابل ملاحظه‌اي می‌باشد.

يكي از تكنيك‌هاي ارائه شده براي زمانبندي در واسطه‌های توري، زمانبندي اقتصادي می‌باشد كه يكي از مهمترين آنها الگوريتم زمانبندي مبتني بر محدوديت زمان و هزينه است. در اين الگوريتم‌ها زمان‌بندی بر اساس دو محدوديت زمان و هزينه براي اجراي كارها که توسط کاربر اعلام می‌شود، انجام مي‌گيرد. يكي از چالش‌هاي مهم اين روش‌ها، عدم قطعیت اجراي يك كار روي يك منبع توري است كه باعث تفاوت در رويه اجراي كارها و تفاوت با پيش‌فرض‌های زمانبندي مي‌شود. اين كاستي، تاثير منفی روي نسبت اتمام كارها گذاشته و ميزان از دست رفتن سرمايه را افزايش مي‌دهد. در اين مقاله، هزينه و زمان به صورت يك توزيع احتمالي در يك چارچوب تئوري تصميم‌گيري در نظر گرفته شده و سپس با گسترش الگوريتم‌هاي اقتصادي، تكنيك‌هاي جديد زمانبندي مبتني بر محاسبات احتمالي ارائه شده است. الگوريتم‌هاي ارائه شده در اين كار انتخاب كاربر را در نوع انجام كارها افزايش داده و باعث بالا رفتن نسبت اتمام كارها شده است. شبیه‌سازی نشان می‌دهد که روش‌های مبتنی بر توزيع احتمالي زمان اجرا در صورت استفاده از تخمين اوليه كاربر عملكرد بهتري از خود نشان مي‌دهند. الگوريتم‌ها اقتصادي مبتني بر مدل بيزين ارائه شده در اين مقاله (الگوريتم 3-2)، به طور میانگین، در زمان 12 درصد، در نرخ اتمام كارها 9 درصد و در هزینه كل 8 بهبود نشان داده است.

در این مقاله، قبل از هر چیز، یک پروتکل ساده در قالب مراحل قابل اجرا توسط هر یک از سیستم‌های توزیع شده معرفی و Trace می‌شود. سپس پروتکل‌های توافق خطی و غیرخطی را برای شبکه‌های عامل پویا معرفی می‌کنیم. این پروتکل به عامل‌ها این امکان را می‌دهد تا به‌صورت توزیع شده و با همکاری یکدیگری به توافق برسند. مواردی از قبیل شبکه‌های دارای تاخیر زمانی در ارتباطات و یا کانال‌هایی که داری اثر فیلترینگ هستند نیز در نظر گرفته می‌شوند. کران بالای مناسبی برای حداکثر تاخیر زمانی قابل تحمل در شبکه شناسایی شده است. نشان داده می‌شود که ارتباطات شبکه کلید اصلی در دستیبای به توافق مورد نظر است. همچنین تابع لیاپانُف به منظور تعیین یک کمیت قابل اندازه‌گیری برای عدم توافق کلی، معرفی می‌شود. در نهایت نیز نتایج شبیه‌سازی‌های انجام شده برای پروتکل‌های توافقی در این مقاله معرفی می‌شوند، نشان داده می‌شود.