انجمن کامپیوتر ایران

در اين مقاله، راه‌کاری جهت تخمین تعداد مسیرهای اجرایی برنامه‌های نرم‌افزاری جهت آزمون نرم‌افزار، ارایه شده است. ابزار ارایه شده در این راه‌کار پیشنهادی، قابلیت تحلیل ایستا و پویای برنامه‌های به زبان Cرا دارا می‌باشد. راه‌کار پیشنهادی، با دریافت کد برنامه و کاوش کد اسمبلی آن، بلاکهای اولیه برنامه شناسایی کرده و براساس آنها گراف جریان کنترلی برنامه را می‌سازد. برای استخراج مسیرهای گراف جریان کنترلی پیش‌پردازش‌شده، از یک ساختار ذخیره‌سازی درختی و الگوریتم تغییریافته جستجوی سطحی بهره می‌گیرد. استفاده از این ساختار درختی موجب مقیاس‌پذیری بالای راه‌کار پیشنهادیمی‌شود. سایر معیارهای اندازه‌گیری پوشش کد برنامه نظیر پوشش جملات، انشعابات، بلاکهای اولیه، توابع و کلاسها، برای آزمون کننده نرم- افزار این امکان را فراهم نمی‌کنند که از صحت عملکرد نرم‌افزار اطمینان حاصل نماید. به عبارت دیگر، تا زمانی که آزمون‌کننده نرم‌افزار، اطلاع کافی از کلیه مسیرهای برنامه نداشته باشد، قادر نخواهد بود تمامی خطاهای موجود در برنامه را شناسایی و رفع نماید. اما راه‌کار پیشنهادی با استخراج مسیرهای ایستا در برنامه و اعلام آنها، این توانایی را برای آزمون‌کننده نرم‌افزار ایجاد می‌کند. از جمله قابلیت‌های راه‌کار پیشنهادی، تحلیل پویای برنامه در کنار تحلیل ایستا است که با مستندگذاری خودکار برنامه در سطح کد اسمبلی، میزان پوشش مسیرهای مختلف برنامه را براساس روشهای مختلف تولید موارد آزمون در زمان اجرا مشخص می-کند. مجموعه آزمایشات انجام شده برروی تعدادی برنامه استاندارد، دقت و کارآمدی راه‌کار پیشنهادی را آشکار می‌سازد.

سرويس پيوستگي تماس صوتي (VCC) توسط 3GPPتعريف و استاندارد شده است. با استفاده از اين سرويس، يک تماس صوتي مي¬تواند در صورت نياز ميان يک دامنه سوئيچ مداري و يک دامنه سوئيچ بسته¬اي جابجا شود. در اين مقاله، تأخير سيگنالينگ سرويس پيوستگي تماس صوتي براي انتقال از دامنه سوئيچ بسته¬اي به دامنه سوئيچ مداري مورد بررسي قرار مي¬گيرد.در تحليل خود، تأخير سيگنالينگ¬هاي سوئيچ مداري و تأخير سيگنالينگ¬هاي سوئيچ بسته¬اي را در نظر مي¬گيريم.نتايج نشان مي¬دهند تأخيـر سيگنالينگVCC، با افزايش نرخ کانال شبکه¬اي که گيرنده تماس در آن قرار دارد، کاهش مي¬يابد و با افزايش احتمال خطاي فريم، اين تأخيربه آهستگي افزايش مي¬يابد. با افزايش نرخ ورود پيام¬هايSIPبراي عناصر مياني IMS، تأخير سيگنالينگ VCCافزايش مي¬يابـد. همچنين، با زياد شدن تعداد STPها در يک ارتبـاط SS7، تأخير سيگنالينگ VCCبه ميزان قابل توجـهي افزايش مي¬يابد.

يکي از روش¬هاي حل مسايل بهينه سازي استفاده از الگوريتم تکاملي است. بسياري از اين الگوريتم¬ها در جستجوي عمومي موفق عمل مي¬کنند اما نمي¬توانند جواب دقيقي را پيدا نمايند. استفاده از يک يا چند جستجوي محلي، به عنوان يادگيري محلي، براي پيدا کردن جواب بهتر، معروف¬ترين راه حل براي اين مساله است. اين روش، الگوريتم ممتيک ناميده مي¬شود. اتوماتاييادگير يک روش يادگيري تقويتي است که در مسائل مختلفي مورد استفاده قرار گرفته است. در اين مقاله يک مدل جديد ترکيبي مبتني بر اتوماتاييادگير و الگوريتم ممتيک با نام LA-MA ارائه شده است. اين مدل از دو بخش ژنتيک و ممتيک تشکيل شده است. فرآيندهاي تکامل و يادگيري محلي به ترتيب در بخش¬هاي ژنتيک و ممتيک انجام مي¬شوند. بخش ژنتيکي، مشابه الگوريتم ژنتيکي سنتي است. در بخش ممتيکي جمعيتي از مم¬ها قرار دارد که با اتوماتاييادگير بازنمايي شده¬اند. هر مم متشکل از چند اتوماتاييادگير است، که وظيفه يادگيري محلي را بر عهده دارند. جهت نمايش کارايي مدل ارائه شده، اين مدل با ساير روش¬ها مقايسه شده است. نتايج بدست آمده، برتري اين مدل را در مقايسه با ساير الگوريتم¬ها نشان مي¬دهد.

در سال های اخیر، تشخیص چهره با استفاده از تصاویر ویدئویی مورد توجه قرار گرفته است. از تصاویر ویدئویی به عنوان داده‌های مکانی-زمانی برای تشخیص چهره استفاده می‌شود. تصاویر ویدئویی این امکان را فراهم می‌آورد که اطلاعات بیشتری از تصویر استخراج کنیم، به گونه‌ای که تشخیص چهره در شرایط نور کم و وضوح پایین تصاویر بهبود پیدا کند. استفاده از الگوهای محلی باینری حجمی (VLBP) یکی از روش‌های مورد استفاده در تصاویر ویدئویی و الگوهای پویا است. این روش با در نظر گرفتن نقاط همسایگی در فریم‌های پیشین و پسین در محاسبه کدهای باینری تصویر کاربرد دارد. در این مقاله، با استفاده از شبکه‌های عصبی خودسازمانده، یک همسایگی نامتقارن ایجاد و در این همسایگی، بردار ویژگی الگوهای محلی باینری حجمی OVLBP محاسبه می‌شود. به این ترتیب ویژگی‌های کلیدی در تصاویر چهره بررسی و سبب بهبود کارایی خواهد شد. نتایج آزمایشات بر روی پایگاه داده‌های MoBo، Honda/UCSD و Essex به ترتیب برابر 96.9، 85.8 و 98.4 است که نشان دهندۀ کارایی الگوریتم OVLBP است.

مترجم ماشینی آماری، يک نمونه از ماشین‌های ترجمه است که ترجمه در آن بر اساس مدل‌های آماری انجام می‌شود. در این روش پارامترها توسط تحلیل پیکره موازی به دست می‌آیند و اگر یادگیری ترجمه‌ی واژه‌ها بهتر انجام شود، کیفیت ترجمه بالا می‌رود. با استفاده از تقطیع تکواژه‌ها، واژه‌های خارج از واژگان موجود و همچنین اندازه‌ی واژه‌نامه به طور چشمگیری کاهش می‌یابد. وقتی با زبان‌های با ساختار صرفی غنی نظیر فارسی سروکار داریم، نیاز به این تقطیع‌کننده‌ی تکواژه‌ها پر‌اهمیت‌تر می‌شود. تعیین دانه‌بندی مشابه برای واژه‌ها در هر دو زبان مبدأ و مقصد، می‌تواند کیفیت ترازبندی در پيکره‌ی موازی را افزایش دهد. در این مقاله با ارایه طرح‌های مختلف و ترکیبی برای تقطیع تکواژه‌ها، متن فارسی به انگلیسی ترجمه می‌شود که بهترین طرح به عنوان طرح شبه انگلیسی نامگذاری شده است. با استفاده از طرح مذکور کیفیت ترجمه با معیارBLEU، 3 امتیاز نسبت به ماشین مترجم آماری مبتنی بر عبارت پایه بهبود یافته است. همچنین خروجی‌ها به خوبی نشان می‌دهند که کیفیت ترجمه برتر از کیفیت ترجمه‌ی مترجم Google Translator است. واژه‌های خارج از واژگان موجود نیز به شدت کاهش یافته‌اند.

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.

مهندسی نرم افزار مبتنی بر عامل در سالهای اخیر به یکی از موضوعات مورد بحث در مهندسی نرم افزار تبدیل شده است. نیاز به معماری های باز دلیلی است که سبب تولید و استفاده برنامه های عاملگرا می شود. علت این امر تغییر و تکامل پیوسته این گونه معماری ها است، یعنی با هر بار اجرای جدید برنامه نیاز مندی های جدیدی تولید می شود. هدف از ساخت نرم افزار های عاملگرا ساخت متدولوژی و ابزارهایی است که توسعه و نگهداری نرم افزارهای عاملگرا را به صورت ارزان، انعطاف پذیرتر و دارای کار کردی ساده و راحت امکان پذیر نماید. بیشتر این نرم افزارها بسیار قوی، مستقل و فعال می باشند. همچنین برنامه های عاملگرا باید توانایی تشخیص پیچیدگی ها را در مراحل اولیه را دارا باشند. لذا تولید نرم افزاری بدون خطا هدفی مهم، در پیشروی مهندسین نرم افزار است. در این مقاله به بیان راهکاریی در جهت رسم نمودارهای موجود در یکی از متدولوژی های عاملگرا به نام تروپوس می پردازیم. ما برای رسیدن به این هدف از سیستم های انتقال گراف و ابزار AGG استفاده می نماییم. سرانجام در پایان کار به بحث راستی آزمایی متامدل تعریف شده توسط یک مثال می پردازیم.