انجمن کامپیوتر ایران

مسئله انتخاب بهينه سبدسهام يکي از مسائل غيرچندجمله اي (NP) است. در گذشته با استفاده از تکنيک هاي مطرح شده در الگوريت مهاي تکاملي، ژنتيک، تبريدتدريجي و شبکه عصبي اقدام به حل اين مسئله کرد هاند. اما تاکنون الگوريتم دقيقي براي حل آن ارائه نشده است. در اين مقاله روش جديدي پيشنهاد شده است که با ترکيب الگوريتم ژنتيک و تبريدتدريجي مسئله انتخاب بهينه سبدسهام را با دقت و سرعت بيشتري حل مي کند. در روش پيشنهادي درهرنسل فرزندان توليد شده توسط عملگرهاي ژنتيک بر پايه معيارهاي تبريدتدريجي بررسي و پذيرش مي شوند که سبب جلوگيري از همگرايي به بهينه محلي در نسل هاي ابتدايي ، کاهش ميزان جستجوهاي بي هدف در نسل هاي پاياني و افزايش سرعت همگرايي مي شود. براي بررسي صحت عملکرد، روش ارائه شده بر روي داده هاي ٤ بورس معتبر دنيا آزمايش شده است و با جبهه پرتو استاندارد مقايسه شده است. نتايج، بهبود سرعت و دقت همگرايي رسيدن به پاسخ را نشان مي دهد.

هدف از خوشه بندي متون تقسیم بندي مس تندات به یک یا چند خوشه بر اساس محتویات موجود در متن آن است که از ابزارهاي مهم در حوزه پردازش زبان هاي طبیعی به شمار می آید . خوشه بندي متون در ابزارهایی مانند موتورهاي جستجو و سیستم پاسخگویی به سوالات کاربرد هاي فراوانی دارد . روشهاي مختلفی براي خوشه بندي موضوعی متون وجود دارد که استفاده از مدل احتمالاتی بیزین یکی از متداولترین روش ها به شمار می آید. در این مقاله گزارشی از بکارگیري این روش در خوشه بندي متون فارسی ارائه میشود و سپس از ترکیب این روش با ایده نگهداري کلمات هماورد 1 کیفیت الگوریتم بهبود داده میشود. استفاده از این ایده بر روي 200,000 متن خبري از منابع خبرگزاري جمهوري اسلامی ایران (ایرنا ) توانسته است میزان دقت خوشهبندي در زبان فارسی را به 87 % افزایش دهد.

شبکه های سیار موردی تحرک بالایی دارند و به طور مدام مختل می شوند. نتیجه آن کاهش بازدهی ، توان عملیاتی و تأخیرهای در ارتباط نودهای پایانی می شود. برای کاهش عملیات مسیر یابی می توان از مسیریابی چند راهی استفاده نمود. برای فائق شدن برمشکلات مسیرهایی از پیش محاسبه شده مسیر یابی چند مسیری با تکنیک متراکم سازی مسیر وتطبیق پذیری براساس AOMDV پیشنهاد می شودکه مسیرهای ایجاد شده را بدون وارد آوردن مقدار پردازش کلی اضافی ، بهینه می کند. وبا روشی نو مسیرهای کوتاه تر را پیدا کرده.وکارآیی را بهبود می بخشد. در این پروسه یافتن چندین مسیرشکل می گیرد. و با ارسال بسته هایی که به صورت دوره ای از این مسیرها ارسال می شود نگهداری و به روزرسانی می شود. الگوریتم جدیدبهینه سازی مسیر نسبت دور ریزی بسته ها ، تأخیر انتها به انتها و اتلاف انرژی انتقال داده انتها به انتها را کاهش می دهد. شبیه سازی با GLOMOSIM اجرا و کارآیی الگوریتم جدید با AODV AOMDV, و MP-AOMDV مقایسه شده است . روش پیشنهاد شده باعث بدست آمدن کارایی مناسب، نسبت حمل بالا ، مقدار پردازش کلی کنترل پایین ، حمل انتها به انتها پایین و شمارش جهش میانگین پایین می شود.

Grid is an environment that makes it possible to share resources that are managed by diverse, independent and administrative geographically distributed organizations. The main objective of grid is to enable users to solve problems using the available geographically distributed resources. Grid resource discovery is a challenging issue because characteristics of resources are heterogeneous, dynamic, various and autonomous. In this paper we propose a mobile agent approach based on peer to peer model for the resource discovery problem that presents essential characteristics for efficient, self-configuring and fault-tolerant resource discovery and is able to handle range queries. For this reason, we encode resources’ range attributes to bitmap index and compare with query attributes in order to know whether resource satisfies query or not. Moreover, we employ a Distributed Ant Colony System (ACS) algorithm to route requests into Grid and locate the required resources. The innovation in this paper is to support range queries and to eliminate centralized control and provide node autonomy.

This paper proposes an algorithm for the detection of resistive delay faults in deep submicron technology using dynamic strength scaling, which is applicable for 45 nm and below. The approach uses an advanced coding system to build logical functions that are sensitive to strength and able to detect even the slightest voltage changes in the circuit. Such changes are caused by interconnection resistive behavior and result in timing-related defects.

In this paper, we propose a new method for mobile robot path planning in dynamic environment when the trajectories of obstacles are unknown. Our algorithm first utilizes a global approach called clearance based probabilistic roadmap method to find a suitable path and then locally apply evolutionary algorithm to keep the structure of the path when obstacles collide with the path. As a result, the path will act like an elastic band. To reach real time applicability, a light fitness function is proposed compare to other genetic algorithms to reduce the computation time needed for calculating and repairing path. Simulation results show that our method not only can keep the original structure of path, but also repair operation is done quickly even in the scenes with many obstacles.

In this paper we propose a new approach for text region extraction in camera-captured document images. Texture-Edge Descriptor, TED, is utilized for text region extraction. TED is an 8-bit binary number which its bits are structural. This structural bits and special text region characteristics in document images make TED an appropriate descriptor for text region extraction. Applying well-known water flow method to the text regions extracted by TED, results in fast and good quality document image binarization. Experimental results demonstrate the effectiveness of our method for text region extraction and document image binarization.

In this paper, a novel inference engine named fuzzyevidential hybrid engine has been proposed using Dempster-Shafer theory of evidence and fuzzy sets theory. This hybrid engine operates in two phases. In the first phase, it models the input information’s vagueness through fuzzy sets. In following, extracting the fuzzy rule set for the problem, it applies the fuzzy inference rules on the acquired fuzzy sets to produce the first phase results. At second phase, the acquired results of previous stage are assumed as basic beliefs for the problem propositions and in this way, the belief and plausibility functions (or the belief interval) are set. Gathering information from different sources, they provide us with diverse basic beliefs which should be fused to produce an integrative result. For this purpose, evidential combination rules are used to perform the information fusion. Having applied the proposed engine on the coronary heart disease (CHD) risk assessment, it has yielded 86 percent accuracy rate in the CHD risk prediction.

This paper, proposes the use of a reinforcement learning approach for a target tracking sensor network application. Harsh and unpredictable situations of sensor nodes in such an application requires a selftuning mechanism for the nodes to adapt their behavior over time. The method is examined under high dynamic network conditions and compared with a similar method called SORA over different performance measures. The results show a significant improvement over the compared method in the environments with high level of dynamism.

Due to the changing and dynamic environment of web services, Quality of Service (QoS) becomes a key factor to differentiate service providers. Since current web service standards and technologies suffer from the lack of QoS Management, having architectures capable of supporting QoS verification, selection, negotiation and monitoring is inevitable. Software agents have been recognized as a promising technology for managing web services. Using FIPA compliant Multi Agents we were able to propose a Multi Agents based web service QoS Management Architecture. We also introduced a QoS based web service clustering method which helps us to select the best service that suits user quality preferences.