انجمن کامپیوتر ایران

اخیرا یک روش فراابتکاری با نام الگوریتم جستجوی گرانشی با الهام از قانون گرانش و قوانین حرکت برای حل مسائل بهینه-سازی پیوسته معرفی شده است. در این مقاله، از الگوریتم جستجوی گرانشی برای حل مسئله فروشنده دوره¬گرد که یکی از سخت¬ترین مسائل بهینه¬سازی ترکیبیاتی است، استفاده شده است. برای این منظور، از مفاهیم عملگر جابجایی و دنباله جابجایی برای بازتعریف عملگرهای الگوریتم جستجوی گرانشی و از یک فرایند بهبود دهنده تور نیز برای تسریع همگرایی الگوریتم پیشنهادی استفاده شده است. نتایج پیاده¬سازی الگوریتم پیشنهادی و مقایسات انجام شده با یک نسخه گسسته از الگوریتم بهینه¬ساز جمعیت ذرات، کارایی تقریبا مناسب این الگوریتم را در حل مسئله فروشنده دوره¬گرد نشان می¬دهد.

روش¬های کلاسیک خوشه¬بندی در برخورد با خوشه¬های نا¬محدب کارایی لازم را ندارند و عموما منجر به نتایج ضعیفی می¬شوند. در این حالت خوشه¬بندی طیفی روشی قدرتمند برای دسته¬بندی داده¬ها محسوب می¬شود. این تکنیک با تبدیل فضای ورودی، فضای جدیدی با قابلیت توصیف مناسب¬تر از داده¬ها را در اختیار ما قرار می دهد. در این مقاله، فضایی جدید برای خوشه¬بندی طیفی معرفی می¬شود که مبتنی بر توصیف زیر¬خوشه¬های موجود در مجموعه¬داده می¬باشد. این فضا در برابر داده¬های نویزی مقاوم است و در مقایسه با روشNJW به عنوان یکی از پر¬کاربرد¬ترین الگوریتم¬های خوشه¬بندی طیفی، منجر به نتایجی به¬مراتب موفقیت¬آمیز¬تر می¬شود.

در بسياري از مسائل بهينه¬سازي در دنياي واقعي، تابع هدف يا محدوديت¬ها مي¬توانند در طول زمان تغيير يابند که در نتيجه بهينه اين مسائل نيز مي¬تواند تغيير يابد. اگر هر يک از اين رويدادهاي نا¬معين در فرآيند بهينه¬سازي مورد توجه قرار گيرند، اين مسأله ديناميک يا پويا ناميده مي¬شود. بسياري از مسائل در دنياي واقعي به صورت پويا، غير¬قطعي و پيچيده مي¬باشند و حل آنها بصورت ايستا چندان به حل مسئله در دنياي واقعي کمک نمي¬کند. با توجه به الزامات محيط هاي پويا، الگوريتم هايي که براي بهينه سازي در اين محيط ها طراحي شده اند داراي اصولي هستند که آنها را از الگوريتم هاي طراحي شده براي محيط هاي ايستا متمايز مي کند. در اين مقاله يک الگوريتم نوين براي بهينه¬سازي در محيط پويا مبتني بر الگوريتم بهينه¬سازي دسته ذرات پيشنهاد شده است. نتايج حاصل از رهيافت پيشنهادي بر روي معيار قله¬هاي متحرک که در حال حاضر شناخته¬شده¬ترين معيار براي ارزيابي در محيط¬هاي پويا مي¬باشد ارزيابي شده و با نتايج حاصل از چندين الگوريتم معتبر مورد مقايسه قرار گرفته است. نتايج بدست آمده نشان¬دهنده کارايي بالاي الگوريتم پيشنهادي در مقايسه با ساير الگوريتم¬ها مي¬باشد.

ايجاد هماهنگي يکی از مسائل مهم و اساسي در سيستمهاي چندعامله است که توسط محققين بسياري مورد مطالعه قرار گرفته است. بدون وجود هماهنگي ميان عاملها، ممکن است سيستم دچار هرج و مرج شده و از رسيدن به هدف نهايي بازبماند. بازي اقليت مدل ساده ای از سیستمهای چند عامله رقابتی هست که برای مطالعه همکاری و رقابت میان عاملها در سیستمهای با منابع محدود به کار می رود. هدف اصلی این مقاله ارائه روشی مبتنی بر یک مدل ترکیبی از بازی اقلیت و اتوماتای یادگیر برای ایجاد هماهنگی در سیستم های چند عامله است. در روش پیشنهادی با کمک اتوماتای یادگیر مدل بهتری برای هماهنگی عاملها پیشنهاد گردیده است. برای بررسی و ارزیابی روش پیشنهادی از محیطی بنام DynaGrid استفاده شده است. شبیه سازی های انجام گرفته نشان دهنده بهبود فرآیند هماهنگی و یادگیری در مدل پیشنهادی نسبت به روش های قبلی است.

در سامانه‌های جامع اطلاعاتی سنتی، موقعیت سازمانی مسئول مجبور بود خود و در مقاطع زمانی مناسب (البته به تشخیص خود) به جستجو در اطلاعات حجیم ثبت شده بپردازد تا حفظ تعادل یا از بین رفتن آن‌را در هر جنبه از عملکرد سامانه بررسی نماید؛ در مقابل، در سامانه‌های ERP باید سطح مناسبی از هوشمندی پیش‌بینی شود تا در صورت از بین رفتن تعادل در هر جنبه از عملکرد سامانه، این موضوع به یک یا چند موقعیت سازمانی مشخص در ساختار سازمانی اطلاع داده شود. در این مقاله، بر اساس دیدگاه عامل¬گرا، یک معماری پیشنهاد می¬شود که با تکیه بر چندین عامل مستقل ولی همکار، به پیاده‌سازی اعلان هشدار هوشمند در سیستم¬های ERP کمک می¬نماید.

مديريت امنيت سيستم‌هاي اطلاعاتي و تحليل مخاطرات امنيتي اين سيستم‌ها در سطح گسترده‌اي مورد توجه پژوهشگران ‌است. دست¬يابي به معياري براي ارزيابي امنيت سيستم جهت بهبود عملكرد آن، بسيار مهم است. معيارهاي امنيتي امكان اولويت‌بندي مخاطراتي كه سيستم با آن‌ها مواجه است را فراهم مي‌كنند. دراين‌ميان تحليل آسيب‌پذيري‌ها به‌عنوان نقطه ورود به سيستم و كسب دسترسي‌هاي غيرمجاز توسط مهاجم اهميت ويژه‌اي دارد. در استاندارد CVSS (Common Vulnerability Scoring System) كه به‌منظور امتيازدهي آسيب‌پذيري‌ها ارئه شده، امتياز خسارت براي هر آسيب‌پذيري مستقل و مجزا مي‌باشد. در‌حاليكه اثر آسيب‌پذيري‌هاي موجود در يك سيستم برهم قابل چشم‌پوشي نيست. همچنين سوء استفاده از برخي آسيب‌پذيري‌ها، دسترسي‌هاي مشترك در سيستم ايجاد مي‌كنند و اثر مشترك بر سيستم دارند. بنابراين امتياز خسارت واقعي مجموعه‌اي از آسيب‌پذيري‌ها با جمع ساده امتياز خسارت‌هاي CVSS قابل محاسبه نمي‌باشد. در اين مقاله به‌منظور مشخص كردن اهميت آسيب‌پذيري‌هاي موجود در سيستم و اثر جمعي خسارت ناشي از سوء ‌استفاده از آن‌ها، مدلي ارائه شده‌است. اين مدل به بررسي خسارت آسيب‌پذيري‌ها با درنظر گرفتن دسترسي‌هاي كسب شده توسط مهاجم پس از سوء استفاده از آن‌ها پرداخته است. به‌اين‌ترتيب علاوه‌بر محاسبه خسارت جمعي مربوط به مجموعه‌اي از آسيب‌پذيري‌ها، خسارت‌هاي وارد بر ويژگي‌هاي امنيتي سيستم به‌صورت مجزا مشخص شده‌است.

يکي از عمليات مهم در چرخه‌ي حيات يک نرم‌افزار، آزمون رگرسيون است که در مرحله‌ي نگهداري نرم‌افزار به‌دفعات انجام مي‌شود. آزمون رگرسيون در هر اجرا بايد تعداد انبوهي از موارد آزمون را روي نرم‌افزار اجرا نمايد. با گذشت زمان، حجم مجموعه آزمون آن‌قدر بزرگ مي‌شود که اجراي همه‌ي آن‌ها غير عملي مي‌گردد. براي حل اين مشکل از فنون کاهش مجموعه آزمون استفاده مي‌شود. متأسفانه کاهش حجم، منجر به از دست رفتن کارايي مجموعه در کشف خطا مي‌گردد. براي برطرف نمودن اين مشکل، در اين مقاله يک الگوريتم کارا ارائه شده است. اين الگوريتم با استفاده از خوشه‌بندي الگوهاي اجرايي موارد آزمون، افزونگي را از مجموعه حذف مي‌نمايد. در جريان نمونه‌گيري از هر خوشه، مورد آزموني که بيش‌ترين پوشش نيازمندي‌ها را تأمين کند، انتخاب خواهد شد. جهت ارزيابي الگوريتم پبشنهادي، آزمايش‌هايي مشابه مطالعات پيشين روي برنامه‌هاي محک زيمنس ترتيب يافته است. نتايج آزمايش‌ها نشان مي‌دهد که الگوريتم‌ پيشنهادي قادر است ضمن کاهش قابل ملاحظه اندازه‌ي مجموعه‌ها، قدرت کشف خطاي آن‌ها را بهبود دهد.

تامين هزينه و انرژي موردنياز براي ارائه سرويس در شبكه¬هاي همكاري به عهده كاربران شبكه است. از سوي ديگر، كاربران شبكه¬هاي همكاري عامل¬هايي مستقل بوده و هدفشان بيشينه كردن بهره¬¬ايست كه از شبكه به دست مي¬آورند. بنابراين، در حالت عادي، كاربران شبكه انگيزه كافي براي همكاري با ساير اعضا ندارند. استفاده از مکانيزم هاي انگيزشي روشي مرسوم براي اعمال همکاري در چنين شبکه¬هايي است. در اين مقاله، يك مکانيزم انگيزشي براي شبكه¬هاي همكاري با استفاده از سيستم شهرت مرکزي و مبتني بر نظريه بازي‏ها ارائه مي¬شود. به نظر مي¬رسد بازي نظيريابي تصادفي براي مدل کردن خصوصيات پايه¬اي شبكه¬هاي همكاري مناسب باشد. از اين روي، ابتدا تعاملات بين گره¬ها به عنوان يك بازي نظيريابي تصادفي مدل شده و سپس يك پروفايل استراتژي، شامل قانون تنبيه براي بازيكن متخلف، پيشنهاد مي¬شود. اثبات مي¬کنيم كه اين پروفايل استراتژي يك تعادل زيربازي¬ـ¬كامل است. به اين ترتيب، مکانيزمي که در اين مقاله ارائه مي¬شود در تشويق گره¬ها به همکاري موفق خواهد بود.

در این مقاله ابتدا یک ویژگی دنباله‌ی خروجیshrinking generator به عنوان یک نقطه ضعف برای الگوریتم مطرح می شود و سپس با توجه به آن، یک جمله‌ی جدید به این الگوریتم ارائه می‌گرددکه پیچیدگی محاسباتی آن بسیار پایین می‌باشد؛ ولی به طول زیادی از دنباله‌ی کلید اجرایی محتاج است. در انتها، نسخه‌ی دیگری از این جمله نیز ارائه می‌شود که به بهای بالا رفتن پیچیدگی، از طول کمتری از دنباله‌ی کلید استفاده می‌کند.