انجمن کامپیوتر ایران

مؤثرترین روش ارتباط افراد ناشنوا زبان اشاره است. اما معمولاً افراد غیرکر و لال آشنایی لازم را با این زبان نداشته و به خصوص در مواقع ضروری قادر به ارتباط با این افراد نیستند. ضرورت دیگر، تسهیل ارتباط ناشنوایان در فضای اینترنت با استفاده از زبان اشاره می‏باشد. بنابراین طراحی یک سیستم مترجم برای ترجمه کردن زبان اشاره به زبان‌های طبیعی لازم به نظر می‏رسد. یکی از پایه‏های اصلی زبان اشاره، اشارات ایستا هستند که تنها با حالت دست مشخص می‏شوند. برای بازشناسی این دسته از اشارات، این مقاله ضمن استفاده از روش‏های غیر خطی مبتنی بر کرنل مانند آنالیز مؤلفه‌های اساسی کرنلی (KPCA ) و آنالیز متمایز کننده کرنلی ( KDA) ، روش‏هایی را نیز برای مناسب سازی آن‏ها برای کاربرد‏های بهنگام‏ ارائه می‏کند. یک روش برای کاهش زمان روش‏های کرنلی استفاده از روش‏های کرنلی سریع می‏باشد. علاوه بر این در این مقاله یک روش هیبرید مبتنی بر روش‏های خطی و غیر خطی، ( HKPCA) و ( HKDA)، برای کاهش زمان روش‏های کرنلی پیشنهاد می‏شود که بر ویژگی‏های حاصل از آنالیز مؤلفه‌های اساسی دوطرفه (BDPCA ) اعمال می‏شود. نتایج شبیه‏سازی نشان می‏دهد که کاربرد روش‏های پیشنهادی علاوه بر کاهش زمان پردازش، به بهبود نرخ بازشناسی نیز منجر می‏شود.

مسأله‌ی زمانبندی پروژه به معنی تعیین زمانبندی مناسب برای تخصیص منابع به فعالیت‌هاست به گونه‌ای که زمان تکمیل و هزینه‌ی کلی پروژه متعادل شوند. این مسأله با در نظر گرفتن زمان مشخص و نامشخص برای اجرای فعالیت‌ها مورد مطالعه قرار گرفتهاست. درزمانبندی پروژه با زمان مشخص اجرای فعالیت‌ها، زمان اجرای هر فعالیت از قبل معلوم بوده؛ در حالی که زمان اجرای فعالیت‌ها در حالت نامشخص، یک متغیرنامعلوم است. برای حل هر یک از مسائل زمانبندی پروژه از روش‌های بهینه‌سازی مختلفی مانند الگوریتم ژنتیک استفاده شده است. در این مقاله،برای حل مسأله‌ی زمانبندی پروژه با زمان نامشخص اجرای فعالیت‌ها، یک استراتژی جستجوی محلی پیشنهاد شده که در صورت اضافه شدن به الگوریتم ژنتیک،همگرایی زودتر به جواب بهینه برای این مسأله تضمین می‌شود.

در اين مقاله يک روش جديد بهینه سازی براساس تركيب آتوماتاي يادگير سلولي و مدل بهینه‌سازی جمعي ذرات(PSO) پيشنهاد شده است. الگوریتم PSO به نحوي تغيير داده شده که مشکلات الگوریتم PSO استاندارد را برطرف سازد. در این روش آتوماتای يادگير وظيفه انتخاب بهترین عمل از بین اعمال قابل انجام توسط PSO را برای تنظيم رفتار ذرات برعهده دارد. عمل انجام شده در اینجا جایگزین کردن اعداد کیاتیکی حاصل از تولید قاعده 30 در آتوماتای سلولی یک بعدی بجای پارامترهای تاثیرگذار الگوریتم PSO استاندارد می باشد. هدف از اين مقاله بهبود در سرعت همگرایی الگوریتم به همراه دقیقتر شدن جستجو برای محاسبه بهینه سراسری می باشد. نتايج آزمايشات بر روي سه مسئله مختلف نشان ميدهد كه روش ارائه شده از عملكرد بهتري در مقایسه با مدل PSO استاندارد و مدل PSO ادغام شده با مقادیر کیاتیکی برخوردار است.

افزايش چشمگير توليد و استفاده از محتواي چندرسانه¬اي در محيط¬هاي ناهمگون، باعث شده است که تطبيق ويدئو به يک ضرورت براي دسترسي جهاني به محتواي چندرسانه¬اي تبديل شود.در اين مقاله روشي براي تطبيق ويدئو ارائه شده است که سعي مي کند در محيط¬هايي که با محدوديت توان پردازشي مواجه هستيم، توان پردازشي لازم براي کدگشايي ويدئو را کاهش دهد به طوري که نرخ بيت و خرابي در حد مطلوبی پايين نگه داشته شود. در اين مقاله با تغيير دقت بردار حرکت، پيچيدگي کدگشايي را کنترل مي کنيم. نتايج نشان مي دهد که می توان با تحمل 3.5 واحد کاهش PSNR، نزیک به 20 درصد پیچیدگی کدگشایی را کاهش دهیم.

گزارش دهی ساختاریافته به فرایند ایجاد، ذخیره سازی و مبادله ی گزارش اطلاق می¬شود؛ به نحوی که گزارش ایجاد شده دارای محتوای سازمان یافته، تعاریف استاندارد و ساختار مشخص باشد. روش گزارش دهی ساختاریافته مبتنی بر الگو(Template) ، یکی از روش های نوینی است که امروزه مورد توجه رادیولوژیست ها قرار گرفته است.الگو ساختار محتوای گزارش را مشخص می¬کند. هدف ما از این تحقیق، طراحی سیستم گزارش دهی ساختاریافته با رویکرد مبتنی بر ماژول است. برای این منظور مدل مفهومی برای ساختار ماژول پیشنهاد داده شده است. در این مقاله به طراحی چارچوبی برای توسعه ی سیستم گزارش دهی ساختاریافته مبتنی بر ماژول می¬پردازیم.از زبان استانداردXML برای ذخیره سازی ماژول،الگو و گزارش استفاده شده است. به منظور آرشیو نهایی گزارش و انطباق با استاندارد DICOM، گزارش نهایی به قالب(DICOM Structured Reporting) DICOM SR تبدیل شده است. صحت عملکرد سیستم گزارش دهی پیاده سازی شده، با استفاده از الگوهای موجود در انباره ی الگوهای سایت RSNA مورد تائید قرار گرفته است. در سیستم پیشنهادی بلاکهای سازنده ی الگوی استفاده شده در گزارش قابل گسترش و قابل استفاده ی مجدد هستند. استفاده از رویکرد مبتنی بر ماژول در سیستم های گزارش دهی ساختاریافته، روشی قابل انعطاف برای شرح یافته های تصویربرداری تشخیصی است.

یکی از چالش¬های اساسی در زمینه سرمایه¬گذاری در بازارهای بورس کالا و اوراق بهادار، تنوع تعداد اقلام و نیز سهامعرضه شده و همچنین نوسانات زیادی است که در این بازارها رخ می دهد. لذا اتخاذ یک تصمیم درست و انتخاب یک آیتم سودآور جهت سرمایه¬گذاری در آن، یکی از مسائل مهم برای رسیدن به موفقیت در این نوع بازارها می¬باشد. در این مقاله با استفاده از پروسه تحلیل سلسله مراتبی (AHP)، سیستم توصیه-گری معرفی می¬گردد که قابلیت عرضه یکسری توصیه¬ها به کاربران جهت سرمایه¬گذاری در یک بازار خاص و یا خرید یک آیتم مشخص را دارا است. این سیستم توصیه¬گر که از نوع سیستم¬های پالایش همکارانه می¬باشد، براساس یکسری معیارها از جمله شاخص قیمت، شاخص تعداد معاملات، قیمت هر آیتم (که می¬تواند کالا یا سهام باشد)، سود هر آیتم، برتری شرکت¬های حاضر در بورس نسبت به یکدیگرو در نهایت امتیازاتی که کاربران قبلی نسبت به این شرکت¬هاابراز نموده¬اند، افراد را قادر می¬سازد تا با توجه به توصیه¬های ارائه شده، یک یا چند آیتم را انتخاب و در آنها سرمایه¬گذاری نمایند. در پایان مقاله عملکرد سیستم پیشنهادی مورد ارزیابی قرار گرفتهاست.

پيش¬بينی نقص نرم¬افزار يکی از موثرترين روش¬های مطرح در کاهش هزينه¬ی آزمون نرم¬افزار است. در اين روش تعداد احتمالی نقص در هر بخش از نرم¬افزار پيش¬بينی می¬شود و بخش¬های نقص¬پذير محتمل در اولويت آزمون قرار می¬گيرند. اطلاع از میزان سودمندی این روش در پروژه¬های موجود به مدیر پروژه کمک می¬کند تا از سودمندی روش پیش¬بینی نقص درک بهتری داشته باشد و بهتر از این روش استفاده کند. برای این منظور در این مقاله میزان سودمندی پیش¬بینی نقص در چهل¬و¬هشت پروژه¬ی متن¬باز توصیف شده و ارتباط میزان سودمندی با چگالی نقص و اندازه¬ی پروژه بررسی شده است. در انجام آزمایشات، معیار اثربخشی¬هزینه برای سنجش میزان سودمندی بکار رفته است و از تحلیل پیرسون برای بررسی ارتباط¬های مورد نظر استفاده شده است. نتایج آزمایشات بر روی مجموعه¬داده¬های گنجینه¬ی پرامیس نشان داده است که متوسط اثربخشی هزینه در پروژه¬های مورد بررسی 0.59 است و هرچه چگالی نقص در یک پروژه کمتر شود، پیش¬بینی نقص، اثربخش¬تر است به طوری که برای پروژه¬هایی که در آن ها در هر کیلو خط از کد، حداکثر یک نقص وجود دارد، اثربخشی هزینه بیشتر از 0.80 است. ارتباطی بین اندازه¬ی پروژه و اثربخشی هزینه مشاهده نشده است.

روش تجزیه WZ، یکی از روشهای مستقیم برای حل عددی دستگاه¬های معادلات خطی بویژه دستگاه¬های حاصل از زنجیره¬های مارکوف است.این روش می¬تواند سریعتر از روش تجزیه LU باشد.پیاده¬سازی¬های رایج روش تجزیه WZ برخلاف روش تجزیه LU که به عناصر ماتریس بصورت سطری دستیابی می¬کنند، به عناصر ماتریس هم بصورت سطری و هم بصورت ستونی دستیابی می-کنند.از آنجا که این پیاده¬سازی¬ها به موضوع محلیّت داده توجه لازم را نشان نداده¬اند، برای ماتریس¬های با ابعاد بزرگ با مشکل جدی در محلیت داده روبرو هستند. در این مقاله روش تجزیه WZ را به¬گونه¬ای تغییر داده¬ایم که تمام دسترسی¬ها به عناصر ماتریس سطری شوند. با اینکار شاهد بهبود فوق¬العاده در محلیّت داده بوده¬ایم.

حجم زیاد داده¬های وب معنایی و رشد سریع¬ آنها چالش محاسباتی عمده¬ای در استنتاج مقیاس¬پذیر و موثر بوجود آورده است. بیشتر آنتولوژی¬ها Aboxهای بزرگی دارند، یعنی ادعاها در مورد اجزاء و روابط بین آنها بسیار زیاد است. معمولا سه¬گانه¬هایی با گزاره-مفعول¬ یکسان در آنتولوژی¬ها وجود دارد. برای استنتاج روی این سه¬گانه¬ها می¬توان آنها را در یک دسته قرار داد. از این واقعیت به عنوان ایده اصلی برای کاهش تعداد سه‌گانه¬ها استفاده شده است. یک الگوریتم نموی برای خلاصه¬سازی Abox براساس این ایده طراحی و پیاده¬سازی شده است. ابتدا خلاصه¬سازی آنتولوژی به شکل افزایشی در حافظه اصلی انجام می¬شود. سپس فرآیند استنتاج روی Abox خلاصه¬شده انجام می¬شود. آزمایش روی داده¬های مصنوعی استاندارد و دنیای واقعی انجام شده است. نتایج ارزیابی¬ها نشان ¬دهنده صحت و دقت صد درصدی این رویکرد است و میزان خلاصه¬سازی صورت گرفته امیدوار کننده¬ است، این خلاصه‌سازی همچنین باعث کاهش چشمگیر زمان انجام فرآیند استنتاج می¬شود.

امروزه استفاده از سامانه¬های شناسایی از طریق فرکانس رادیویی یا سامانه¬های RFID روز به روز در حال گسترش است. این سامانه¬¬ها به طور گسترده برای شناسایی اشیا و افراد، به عنوان ابزاری جهت نظارت خودکار بر زنجیره‏های تولید، کنترل موجودی انبارها، و ... کاربرد دارند اما به دليل محدوديت در توان محاسباتي و حافظه در برابر تهديدات امنيتي مختلف ، آسيب‏پذيرند.پروتكل‏هاي احراز اصالت، راهکارهائی به منظور حفظ حريم خصوصي كاربران و حذف برخی آسيب‏پذيري‏هاي امنيتي هستند. در همین راستا پروتکل¬های احراز اصالت فراوانی در سطوح مختلف مطرح گردیده است. یکی از پروتکل¬هایی که در این زمینه مطرح شده است پروتکل ارائه شده توسط لو و یه در سال 2010 بود. با توجه به ضعفی که در طراحی خطی این پروتکل وجود داشت حمله جعل هویت برچسب بر روی آن صورت گرفت. در این مقاله با استفاده از ایده مزبور و با بدست آوردن کلید محرمانه مشترک بین برچسب و سرویس دهنده، حمله¬ی جعل هویت سرویس دهنده به عنوان یکی از موثرترین حملات، ارائه و جهت جلوگیری از حمله صورت گرفته پیشنهادی مطرح می¬شود.

پیشرفت و بهبود نسل بشر نمی‌تواند کاملا وابسته به تغییرات ژنتیک باشد. بلکه تعاملات انسانی، رفتار اجتماعی، و فاکتورهای دیگر نیز نقش اساسی در فرآیند بهینه‌سازی دارند. از آنجایی که تعاملات اجتماعی اجازه تطبیق و پیشرفت سریعتری نسبت به ژنتیک می‌دهند، یک الگوریتم بهینه‌سازی می‌تواند شامل فاکتورهای اجتماعی و افزاینده در سرعت همگرایی باشد. البته این مشخصه‌ها می‌توانند بعدها به صورت رمزهای ژنتیکی از نسلی به نسل دیگر انتقال یابند. چنین مشخصه‌هایی به فرهنگ و الگوریتم‌هایی که آنها را به کار می گیرند به الگوریتم‌های فرهنگی موسوم هستند. البته یکی از نواقص این نوع الگوریتم‌ها تشکیل یک فرهنگ و تبعیت همه اشخاص از همان فرهنگ می‌باشد که گهگاه موجب گیرافتادن درون بهینه‌های محلی، در طول روند تکامل می‌گردد. برای برطرف این نقص در این مقاله، روشی به نام رتبه‌بندی Pareto برای انتخاب رهبران و افزایش تنوع در نسل‌های این الگوریتم بکار گرفته شده است. نتایج حاصل، اشاره به افزایش سرعت همگرایی روش ترکیبی جدید نسبت به نوع استاندارد آن دارد.

در سال¬های اخیر فشار و تغییرات رقابتی بر محیط کسب و کار باعث افزایش اهمیت حوزه¬های رقابتی شده است.باید تلاش نمود تا حوزه¬های رقابتی و ابزارهای مناسب آن¬را در سازمان¬های کشور بکارگیری نمود. یکی از این ابزارها استفاده از رویکرد هوش رقابتیاست. امروزه سازمان¬هایی به مزیت رقابتیبیشتری دست خواهند یافت که از محدوده فعالیت¬های خود و دیگران ارزیابی درست¬تری داشته باشند. هوشمندی رقابتی اشاره به این دارد که اطلاعات مفید را از محیط رقابتی استخراج نماید و پس از تحلیل صحیح، استراتژی¬های کارساز را برای سازمان تولید و ترویج نماید. هوش رقابتی سازمان¬ها را توانا می¬سازد تا از رقبای خود پیشی گرفته و جایگاه ویژه¬ای در عرصه رقابت کسب نمایند. در این مقاله ابتدا به مفاهیم مربوط به هوش رقابتی و آمادگی سازمان پرداخته شده است، سپس عوامل کلیدی موفقیت پیشنهادی از دیدگاه سازمانی برایتعیین آمادگی سازمان¬در پذیرش هوش رقابتی ارائه شده است، و مطالعه موردی تحقیق حاضر در سازمان بانک ملی ایران صورت پذیرفته است. اطلاعات مورد نیاز برای ارزیابی ازطریق پرسشنامه و نرم¬افزار لیزرل مورد تجزیه و تحلیل قرار گرفته است.

امروزه کاربردهای چندرسانه‌ای روی شبکه‌ از یک سو و استفاده از شبکه‌های بی‌سیم به علت سادگی و دیگر مزایایی که دارد از سوی دیگر مورد توجه و استقبال زیادی قرار گرفته است. اما تامین کیفیت سرویس برای کاربردهای چندرسانه‌ای در این شبکه‌ها امری چالش‌برانگیز است. به منظور تامین کیفیت سرویس مورد نیاز کاربردهای چندرسانه‌ای، استاندارد IEEE 802.11e ارایه شد که به کمک مکانیسم دسترسی به کانال توزیع شده‌ی بهبود یافته (EDCA) تا حدی کیفیت سرویس فراهم می‌شد. اما به علت طبیعت متغیر و پویای کانال بی‌سیم نگاشت ثابت بسته‌ها به صف‌های اولویت‌دار متفاوتی که مکانیسم EDCA فراهم می‌کرد کیفیت سرویس ایده‌آل برای کاربردهای چندرسانه‌ای فراهم نمی‌شد؛ از این رو در این مقاله سعی شده با استفاده از مکانیسم بین‌لایه‌ای و بر بستر استاندارد 802.11e روشی برای نگاشت پویای بسته‌های ویدیویی و غیر ویدیویی به صف‌های مختلف ارایه شود. روش مورد بحث با توجه به شرایط غیر قطعی کانال، از یک سری قوانین فازی استفاده می‌کند. شبیه‌سازی‌ها نشان می‌دهد که روش ارایه شده در این مقاله کیفیت ویدیو دریافت شده در سمت گیرنده را بهبود می‌دهد.

در سال¬های اخیر با معرفی محاسبات ابری و قابلیت آن در ارائه منابع نامحدود در بسیاری از زمینه¬ها به عنوان راه¬حلی جدید در نظر گرفته شد. یکی از این زمینه¬ها محاسبات علمی است. حل بعضی از مسائل علمی به دلیل نیاز به منابع پردازشی بالا زمان¬گیر، هزینه¬بر و عملا غیرممکن است. به منظور بررسی بیشتر قابلیت بکارگیری منابع ابر در حل مسائل علمی، تعدادی مسئله علمی انتخاب و برروی ابر پیاده¬سازی شدند. به¬منظور اجرای این مسائل برروی ابر می¬بایست آنها را به یک چارچوب¬ تبدیل نمود تا امکان موازی¬سازی کارها و اداره شکست ماشین¬ها به صورت خودکار فراهم شود. در نتیجه این مقاله با انتخاب چارچوب MapReduce، قابلیت محاسبات ابری را از طریق بررسی قابلیت این چارچوب در حل مسائل مورد بررسی قرار داد. نتایج سرعت این الگوریتم¬ها نشان داد که این چارچوب برای حل مسائلی که بتوان کارها را به شکل کاملا مستقلی از هم انجام داد بسیار مناسب است. اما در الگوریتم¬های تکرارشونده که در هر تکرار الگوریتم باید یک کار MapReduce جدید ایجاد شود، این چارچوب سرعتی در حد الگوریتم¬های کاملا موازی ندارد اما سرعت به¬خوبی افزایش یافته و قابل¬قبول است. همچنین MapReuce مقیاس¬پذیری خوبی نشان می¬دهد. در کل می¬توان گفت محاسبات ابری یک راه¬حل ارزشمند است.

امروزه با افزایش چشمگیر منابع و مستندات متنی، تکیه بر روش¬های بازیابی اطلاعات پاسخگوی نیاز کاربران و محققان نیست. به همین دلیل توجه به روش¬ها و الگوریتم¬های خلاصه¬ساز متن در سال¬های اخیر رشد قابل توجهی یافته است. در بین روش¬های مختلف خلاصه¬ساز متن، روش¬های مبتنی بر هوش جمعی، جایگاه ویژه¬ای داشته و توانایی خوبی در حل مسائل به خصوص مسایلی با فضای گسترده جستجو دارند. در این مقاله ضمن ارائه روش دسته ماهی¬های مصنوعی و نسخه بهبود یافته آن برای حل مسأله خلاصه¬سازی، مقایسه¬ای نیز بین روش¬های ذکر شده با روش بهینه سازی گروه ذرات انجام می¬دهیم تا مزیت روش دسته ماهی بهبودیافته را نسبت به سایر روش¬ها مشاهده کنیم.

سرطان سینه یکی از رایج¬ترین بیماری¬ها در سال¬های اخیر به شمار می¬آید. تشخیص سرطان در مراحل ابتدایی، می¬تواند تاثیر بسزایی در درمان این بیماری داشته باشد؛ بطوریکه اخیراً تلاش¬های فراوانی جهت تشخیص زودهنگام آن صورت گرفته است. اکثر روش¬های موجود در مواجهه با تصاویر واقعی با ابعاد بالا عملکرد ضعیفی دارند و باید از یک متخصص در کنار آنها بهره گرفت. در اين مقاله، روشی نوین جهت تشخیص زودهنگام سرطان سینه در تصاویر ماموگرافی ارائه شده است. با توجه به توانایی تبدیل موجک در تجزیۀ تصویر و تفکیک جزئیات می¬توان از آن برای آشکارسازیعلائم این نوع سرطان، در ماموگرام¬ها استفاده کرد.استخراج ویژگیدر این روش با استفاده از تبدیل موجک دو بعدی انجام می¬شود؛ بطوریکه این ویژگی¬ها جهت تشخیص وجود علائم سرطان در تصاویر، مورد استفاده قرار می¬گیرند. پس از مرحلۀ استخراج ویژگی، طبقه¬بندی توسط ماشین بردار پشتیبان صورت می¬پذیرد.در ارزیابی¬های صورت گرفته، از تصاویر واقعی با ابعاد بزرگ به عنوان داده¬های ورودی استفاده شده است و نتایج نشان می¬دهد که روش استخراج ویژگی پیشنهادی، می¬تواند تأثیر چشمگیری در بهبود عملکرد سیستم¬تشخیص داشته باشد.

اعتماد را می¬توان به عنوان یکی از بزرگترین موانع پذیرش، رشد و گسترش رایانش ابری بشمار آورد. محیط پویا و توزیع شده¬ی رایانش ابری باعث به وجود آمدن چالش¬های امنیتی و ریسک¬های متفاوتی نسبت به سایر چارچوب¬های توزیع شده، گردیده است. گسترش کابردهای رایانش ابری اهمیت ایجاد یک مدل کارا برای ارزیابی اعتماد در چنین محیطی را بیش از گذشته نموده است. همان¬گونه که در روابط اجتماعی، سطح دانش یا خبرگی و همچنین داشتن سابقه‌‌ای از روابط با افراد می‌تواند ارزش بیشتری را برای پیشنهادهای آن¬ها در نزد ما ایجاد نماید، در محیط رایانش ابری نیز توجه به تاثیر عامل خبرگی و سابقه‌ی استفاده از خدمات می‌تواند نتیجه‌ی ارزیابی اعتماد سرویس‌دهنده را به واقعیت نزدیک‌تر کند. در این مقاله روشی پیشنهاد می-شود که با دخیل نمودن این دو عامل، ارزیابی اعتماد کاربران نسبت به سرویس دهنده‌ی ابر را بهبود می¬بخشد. روش پیشنهادی بر مبنای شبکه¬های بیزین طراحی¬ شده، و توانایی کشف رفتارهای منفعت‌طلبانه‌ی سرویس‌دهندگان را دارا¬ می¬باشد. ارزیابی¬ها نشان می‌دهد که این روش قابلیت بررسی تغییرات رفتاری احتمالی سرویس‌دهندگان در طول زمان، و ارزیابی پویای اعتماد را بهتر فراهم کرده است.

در شبکه¬های بیسیم مش که از باتری به¬عنوان منبع انرژی استفاده می¬کنند، مسیریابی مسئله مهمی است. اگر ترافیک به¬طور مناسب روی مسیریاب¬ها توزیع نشود، باتری بعضی از گره¬ها ممکن است زودتر از بقیه تمام شود. در نتیجه طول عمر شبکه کاهش می¬یابد. لایه مک شبکه مش بیسیم را ایده آل فرض کردیم و همچنین طول عمر شبکه را زمانی¬که باتری اولین گره در شبکه تمام شود، تعریف کردیم. در این مقاله، الگوریتم جدیدی برای توزیع ترافیک با هدف افزایش طول عمر شبکه پیشنهاد دادیم. در این الگوریتم از متریک جدیدی برای محاسبه هزینه هر مسیر استفاده شده است. الگوریتم پیشنهادی به¬صورت دوره-ای بر هزینه مسیرها نظارت دارد و ترافیک هر مسیر را بر طبق نرخ مصرف انرژی تغییر می¬دهد. الگوریتم پیشنهادی را پیاده-سازی کردیم و نتایج به¬دست آمده برای طول عمر شبکه نشان دهنده آن است که کارایی بهتری از دیگر الگوریتم¬های مسیریابی معروف مانند الگوریتم حداقل انرژی کل (MTE) دارد. همچنین نتایج را با حالت بهینه مقایسه کردیم و مشاهده کردیم که نتایج حاصل از الگوریتم نزدیک به حالت بهینه است.

فشرده سازي داده بدلیل کاهش حجم داده تاثیر زیادي بر روي سرعت انتقال اطلاعات و نیز کاهش هزینه هاي نگهداري اطلاعات دارد. فشرده سازي داده را می توان به دو دسته فشرده سازي بااتلاف و بدون اتلاف تقسیم نمود. در فشرده سازي بااتلاف بخشی از داده ها از دست می رود. از این روش برای فشرده سازي داده هایی که انسان با آن ها سر و کار دارند، استفاده می شود مانند تصویر، ویدئو و صدا دیجیتال. اما در فشرده سازي بدون اتلاف، داده بازسازي شده با داده اصلی کاملا یکسان است. فشرده سازي بدون اتلاف داده بر اساس سه روش اصلی انجام می شود؛ روش هاي آماري، روش هاي مبتنی بر دیکشنري و روش هاي مبتنی بر پیش بینی. ما در این مقاله روش فشرده سازي بدون اتلاف داده مبتنی بر دیکشنري را انتخاب نموده ایم. در روش فشرده سازي مبتنی بر دیکشنري، یک لیست از عبارات یکتا در متن نگهداري شده و از طریق آن عبارات تکراري در متن کد می شوند. سه الگوریتم مختلف و ساختار داده متفاوت را براي این روش پیشنهاد داده ایم و نهایتا الگوریتم هاي پیشنهادي، پیاده سازي شده و با یکی از محبوب ترین روش هاي فشرده سازي مبتنی بر دیکشنري بنام LZW مقایسه شده اند. نتایج عملی روي مجموعه داده هایCalgary نشان داد که روش هاي پیشنهادي نرخ فشرده سازي را بهبود می بخشند.

Games are played by players with different strategies; a game could be frustrating or disappointing, if the level of difficulty does not match the player’s skills. In this paper we use Non-Player Characters (NPCs) to build a Self-Organizing System (SOS) for adjusting the level of difficulty in games. To this end, we apply Artificial Neural Network and Interactive Evolutionary Algorithms, and focus on player’s hidden responses. Our results demonstrate that the proposed SOS can adapt itself with different level of skills