انجمن کامپیوتر ایران

Web Services Composition (WSC) is a seamless approach to develop the software development projects on the basis of reusability potentials. Most web services composition approaches tend to benefit from either of practical or formal models; this paper proposes an approach for semi-automatic web services composition to close the gap between formal models and database practice. In this approach, the web services are stored in a database after being modeled in G-net. The G-net services employed in the composition process can be subsequently obtained using a proposed WSC search algorithm with SQL queries. Finally, based on the relational algebra operators the WSC is performed and a Java-based tool is developed for WSC. The proposed approach is demonstrated using a digital class assistant as a case study

در سال‌های اخیر، فناوری ریزآرایه امکان مانیتورینگ بیان هزاران ژن را به‌طور همزمان فراهم آورده است. تحلیل‌هایی که در زمینه داده‌های ریزآرایه صورت گرفته است، بیانگر قدرت این فناوری در زمینه تشخیص بسیاری بیماری‌ها از جمله سرطان است. چالشی که در این زمینه مطرح است، تعداد بالای ویژگی‌ها (ژن‌ها) و از طرفی تعداد پایین نمونه‌ها است. تا به امروز تلاش‌های متعددی در زمینه انتخاب ژن و سپس دسته‌بندی داده‌ها صورت گرفته است که نتایج بدست آمده، بیانگر برتری تکنیک‌های ترکیبی در مقابل تکنیک‌های منفرد هست. لذا در این پژوهش، پس از ارائه روشی کارآمد در زمینه انتخاب ژن، از تکنیک‌های ترکیبی معروف آدابوست، بگینگ و دگینگ جهت کلاس‌بندی داده‌ها کمک گرفته شده است. به‌علاوه در بخش بعدی این پژوهش، ادغام چندین تکنیک و در نهایت رأی‌گیری اکثریت با هدف بهبود نتایج صورت گرفته است. نتایج بدست ‌آمده، بیانگر کارا بودن روش پیشنهادی در مقایسه با الگوریتم‌های پایه و همچنین هر یک از تکنیک‌های ترکیبی به‌صورت منفرد بوده است.

امروزه حجم داده‌های چندرسانه‌ای در وب به‌طور چشمگیری در حال افزایش است. بنابراین نیاز به طراحی سیستم‌های جست‌وجو و بازیابی تصاویر به شدت احساس می‌شود. در این مقاله یک روش جدید و کارآمد برای بازیابی محتوا محور تصاویر(CBIR) پیشنهاد می‌شود. برای این منظور تصاویر از فضای رنگ RGB به فضای رنگ YCbCr تبدیل می‌شوند. سپس هر تصویر به کانال‌های خود یعنی Y، CbوCr تجزیه می‌شود. پس از آن تبدیل موجک روی هر کدام از کانال‌ها اعمال می‌شود و ضرایب موجک آن‌ها به عنوان ویژگی‌های تصویر استخراج می‌شود. روش پیشنهادی به مقابله با یکی از مهم‌ترین محدودیت‌ها در بازیابی محتوا محور تصویر، یعنی چالش بین دقت بازیابی و پیچیدگی زمانی آن می‌پردازد. نتایج تجربی روی پایگاه داده Wang که شامل ۲۳۶۳ تصویراست بسیار امیدوار کننده است.

حجم انبوه متون قابل دسترس بخصوص در گستره جهانی اینترنت و اطلاعات موجود در این حجم انبوه، اهمیت استخراج خودکار اطلاعات از متن را بیشتر نشان می‌دهد. استخراج اطلاعات از متن شامل ارائه قالب ساخت‌یافته از اطلاعات دلخواه موجود در متن می‌باشد. در این مقاله به معرفی یک سامانه استخراج خودکار اطلاعات از متون فارسی در دامنه خاص می‌پردازیم. سامانه استخراج خودکار اطلاعات برای زبان فارسی در حوزه اخبار حوادث تروریستی بر اساس ترکیبی از روش‌های یادگیر مانند الگوریتم ماشین بردار پشتیبان و مدل میدان‌های تصادفی شرطی و روش‌های مبتنی بر الگوهای استخراج، معرفی و ارزیابی شده است. نتایج بدست آمده نشان می‌دهد که این سامانه در مقایسه با کارهای مشابه دارای دقت و بازخوانی قابل قبولی است.

هدف سرویس‌های اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماری‌ها و صدمات می‌باشد. فراهم کردن سریع سرویس‌های اورژانسی پزشکی و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء می‌شود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس‌های اورژانس پزشکی می‌باشد. روش معمول در اعزام آمبولانس‌ها، فرستادن نزدیک‌ترین واحد در دسترس می‌باشد. یکی از روش‌های که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر شبکه‌های پیچیده است. هدف این روش اعزام آمبولانس به تماس‌های می‌باشد که مرکزی‌تر هستند و آمبولانس‌ها سریع‌تر می‌توانند به تماس‌های دیگر خدمت‌رسانی نمایند. از دیگر روش‌ها در زمینه اعزام مبتنی بر پیدا کردن مسیر مناسب برای ماشین‌های سرویس‌دهنده می‌باشد که پیچیدگی زمانی این روش بسیار بالا می‌باشد. رویکرد پیشنهادی در این مقاله، ارایه یک رویکرد ترکیبی بر اساس روش‌های مبتنی بر اندازه‌های مرکزیت از نظریه شبکه‌های پیچیده و استفاده از الگوریتم‌های جستجو در هوش مصنوعی است که هدف آن کاهش زمان پاسخ نسبت به کارهای قبلی می‌باشد. علاوه بر این در رویکرد پیشنهادی، اولویت اورژانسی تماس‌ها نیز در نظر گرفته است. نتایج نشان می‌دهد که روش پیشنهادی نسبت به روش‌های قبلی همانند الگوریتم نزدیک‌ترین همسایه و الگوریتم مرکزیت، زمان پاسخ را بیشتر کاهش می‌دهد.

بیماری فصلی آنفلوآنزا هر ساله باعث مرگ 500.000 نفر در جهان می‌شود. بنابراین جلوگیری از این بیماری و بیماری‌های واگیردار مشابه از اهمیت بالایی برخورداراست. همان‌طور که مطالعات نشان می‌دهد، در صورت تشخیص زودهنگام، می‌توان از بسیاری از بیماری‌های واگیردار جلوگیری کرد. از‌این‌رو، پیش‌بینی شیوع بیماری‌های واگیر نقش مهمی در کاهش خسارات ناشی از آنها دارد. مرکز کنترل و پیشگیری بیماری (CDC) به صورت سنتی داده بیماری شبه آنفلوآنزا (ILI) را جمع‌آوری می‌کند که معمولاً فاصله زمانی تشخیص بیماری تا تهیه گزارش ILI، یک تا دو هفته است. کاهش این زمان، منجر به پیش‌بینی زودتر شیوع بیماری و کاهش هزینه‌های آن می‌باشد. در این مقاله با استفاده از روش‌های یادگیری ماشین، روش‌های جدیدی برای پیش‌بینی داده بیماری شبه آنفلوآنزا مبتنی بر تحلیل داده‌های شبکه اجتماعی توییترارائه شده است. روش‌های پیشنهادی از مدل رگرسیون خطی با ورودی خارجی و مدل سری زمانی با شبکه عصبی برای پیش‌بینی داده بیماری شبه آنفلوآنزا استفاده می‌کنند. ارزیابی‌های انجام شده بر روی داده‌های سال 2009 تا 2010 شبکه توییتر نشان می‌دهند که از طریق روش‌های پیشنهادی امکان پیش‌بینی شیوع بیماری، دو تا چهار هفته زودتر از CDC، فراهم می‌شود. نتایج حاصل نشان می‌دهد که می‌توان توسط شبکه عصبی بیماری آنفولانزا را با خطای کمتر از 5% پیش‌بینی کرد.

شبکه‌های گرید یک سیستم توزیع شده می‌باشد که هماهنگ سازی و اشتراک منابع را در مقیاس بزرگ امکان پذیر می‌سازد. يكي از اهداف اساسي در شبكه‌هاي گريد بالا بردن امکان دسترسی به منابع با هزینه کمتر است. در شبکه‌های گرید ارائه شيوه‌اي هوشمند جهت در اختيار قرار دادن منابع مي تواند در استفاده مفيد از منابع، مؤثر باشد. در واقع چنانچه منابع هوشمندانه انتخاب شوند ميزان استفاده بهينه از منابع افزایش می‌یابد و در نتيجه بر كارايي كل سيستم، تأثير مي‌گذارد. برای اين منظور وجود سيستم‌هاي زمانبندي هوشمند، در اين شبكه ها ضروري است. در اين مقاله، الگوریتمی مبتنی بر Q-Learning برای انتخاب هوشمند منابع پیشنهاد شده است. در این الگوریتم، سیستم تجربیاتی که در حین تعامل با محیط بدست آورده است را ذخیره می‌کند تا در آینده با استفاده از این تجربیات، عمل تخصیص هوشمندانه منابع را انجام دهد. نتایج شبیه سازی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم‌های بررسی شده، امکان دسترسی به منابع را در مهلت تعیین شده با هزینه کمتری انجام می‌دهد.

شبکه‌های حسگر بی‌سیم نسل جديدي از سیستم‌های تعبيه شده بلادرنگ با محدودیت محاسباتي، انرژي و حافظه هستند که برای نظارت، کنترل محیط و به دست آوردن اطلاعات محیطی جهت اتخاذ تصمیم مناسب در محیط‌های مختلف به کار می‌روند. به دلیل وجود تعداد زیاد حسگر در این شبکه‌ها، کاهش مصرف انرژی آن‌ها با هدف افزایش طول عمر شبکه از اهمیت ویژه‌ای برخوردار است. یکی از رویکردهای مناسب جهت کاهش مصرف انرژی و افزایش طول عمر شبکه خوشه‌بندی گره‌ها می‌باشد که منجر به توزیع انرژی و بار در کل شبکه می‌شود. در این مقاله ما از الگوریتم تکاملی 2FH برای ایجاد خوشه‌های متعادل متصل استفاده می‌کنیم و برای هر گره با وزن‌دهی به مؤلفه‌های محلی انرژی، تعداد همسایگانش و فاصله نسبت به گره‌های همسایه، گره‌هایی را به عنوان کاندید سرخوشه شدن انتخاب می‌کنیم و با استفاده از منطق فازی بر مبنای سه معیار سراسری وزن، پراكندگی و فاصله تا چاهک به انتخاب بهترین سرخوشه‌ها در دوره‌های زمانی مختلف پرداخته‌ایم و به هدف ایجاد تعادل در مصرف انرژی سرخوشه‌ها و افزایش 6/5% طول عمر شبکه نسبت به بهترین روش رسیده‌ایم.

احراز اصالت از جمله پارامترهای مهمی است که یک شبکه ماهواره‌ای برای تامین امنیت خود به آن نیاز دارد. در همین راستا در سال‌های اخیر مقالات متعددی جهت تامین این نیاز ارائه شده‌اند. در سال 2012 آقای Chang و همکارانشان یک طرح احراز اصالت و توافق کلید ارائه دادند. طرح پیشنهادی آنها در برابر حمله جعل هویت و ممانعت از سرویس آسیب‌پذیر است. در این مقاله یک طرح احراز اصالت امن و کارآمد برای سیستم‌های ارتباطات ماهواره‌ای متحرک ارائه شده است که ضعف‌های پروتکل‌های گذشته و بخصوص پروتکل آقای Chang را برطرف نموده است. پروتکل پیشنهادی به دلیل مبتنی‌بودن بر تابع درهم‌ساز و عملیات XOR دارای محاسبات سبک بوده و در برابر حملاتی مانند جعل هویت، ممانعت از سرویس، تکرار، الحاق، تصدیق‌کننده مسروقه و دزدیدن کارت هوشمند امن می‌باشد.

گسترش بکارگیری معماری سرویس‌گرا و به تبع آن گسترش توسعه سرویس‌های وب، نیاز به روش‌های اکتشاف سرویس را دوچندان کرده است. با درنظر گرفتن زمینه در این روش‌ها، می‌توانیم سرویس‌هایی متناسب با نیاز کاربر و زمینه جاری به او پیشنهاد دهیم. روش‌های زیادی برای اکتشاف سرویس‌ها ارائه شده است که بعضا اطلاعات زمینه‌ای را در نظر می‌گیرند، اما این روش‌های آگاه از زمینه، در فرایند اکتشاف سرویس، سرویس‌های مرکب را در نظر نگرفته‌اند. در این مقاله روشی آگاه از زمینه برای اکتشاف سرویس‌ها ارائه خواهد شد که سه ویژگی اصلی دارد: اول اینکه سرویس‌های مرکب را در فرایند اکتشاف سرویس در نظر می‌گیرد، دوم اینکه سیاست‌های کنترل دسترسی به سرویس‌ها را لحاظ می‌کند، سوم اینکه از روش‌های معنایی برای مدل‌سازی سرویس‌ها و زمینه استفاده می‌کند. قابلیت کاربرد روش ارائه شده با استفاده از یک مطالعه موردی نشان داده می‌شود. نتایج مطالعه موردی نشان می‌دهد که بکارگیری این روش منجر به کاهش منفی کاذب خواهد شد. همچنین با استفاده از این روش می‌توانیم سیاست‌هایی برای کنترل دسترسی کاربران به سرویس‌های موجود اعمال نموده و از مزایای روش‌های معنایی همچون استنتاج بهره‌مند شویم.

در اين مقاله، روش جدیدی برای طبقه‌بندی شکل معرفی می‌شود. در این روش ابتدا شکل به قطعه‌های مختلف تقسیم می‌شود. این قطعه‌بندی به صورت پیاده کردن پنج مرتبه عمل فرسایش، روی شکل است. برای نقطه‌های هر قطعه پاسخ معادله پواسن را بدست می‌آوریم. سپس ماتریس هسین را برای پاسخ معادله پواسن، در هر نقطه تشکیل می‌دهیم. بردار ویژه‌ی متناظر با مقدار ویژه‌ی کوچک ماتریس هسین در یک نقطه، جهت آن نقطه را مشخص می‌کند. در هر قطعه، هیستوگرام زاویه‌های نقطه‌ها را محاسبه می‌کنیم. پس از آن، هیستوگرام‌های قطعه‌های مختلف را به یکدیگر متصل می‌کنیم تا بردار ویژگی شکل بدست آید. قطعه‌بندی شکل کمک می‌کند تا اطلاعات مکانی بیشتر حفظ شود. برای انجام عمل طبقه‌بندی، از شبکه عصبی احتمالاتی، (PNN)، استفاده شده و به نتایج نسبتا خوبی در پایگاه داده MPEG-7 در مقایسه با سایر روش‌ها دست یافته‌ایم.

دراین مقاله، همترازی توالی چندگانه با استفاده از الگوریتم بهینه‌سازی کلونی مورچه انجام و میزان دقت و صحت همترازی سنجیده شده است. همترازی توالی چندگانه از مهمترین چالش‌های موجود در بیوانفورماتیک می‌باشد که هدف ازآن به حداکثر رساندن شباهت‌ بین توالی‌ها با حذف یا اضافه کردن شکاف‌ها است. این مسئله از نوع مسائل NP-Complete می‌باشد و راه‌حل قطعی برای آن وجود ندارد. لذا سعی بر این است که روشی برای به حداکثر رساندن میزان شباهت توالی‌ها مبتنی بر روشهای بهینه‌سازی ارائه گردد. الگوریتم ACO یکی از الگوریتم‌های الهام گرفته از طبیعت در بهینه‌سازی مسائل مختلف می‌باشد که در این مقاله با استفاده از این الگوریتم، روشی برای همترازی توالی چندگانه پیشنهاد شده است. نتایج حاصل از پیاده‌سازی بر روی دادگان استاندارد BaliBase نشان می‌دهد که الگوریتم ACO پیشنهادی عملکرد مناسبی دارد و می‌تواند به عنوان روشی برای حل مساله همترازی چندگانه مورد استفاده قرار گیرد.

نظر به اینکه کاربردهای شبکه‌های حسگر بی‌سیم، به‌صورت روزافزون در حال گسترش است، طراحی این شبکه‌ها به نحوی که منطبق بر احتیاجات کاربردی خاص باشند، چالش بزرگی به شمار می‌رود. طراحان شبکه، متناسب با کاربرد مدنظر، جهت افزایش کارائی شبکه، پارامترهای مختلفی را برای بهبود در نظر می‌گیرند. پارامترهایی هم‌چون پوشش ناحیه، طول‌‌عمر شبکه، قابلیت‌اطمینان و مانند آن، که هر کدام از آنها می‌توانند با جایابیِ دقیق گره‌ها به میزان قابل‌توجهی بهبود یابند. مسئله جایابی گره‌ها در شبکه حسگر بی‌سیم با هدف بهبود پارامترهای کارائی تاکنون توسط روش‌های مختلفی حل شده است. در این مقاله از الگوریتمHBB-BC (انفجار بزرگ-فروپاشی بزرگ ترکیبی) برای حل این مسئله استفاده می‌شود. این الگوریتم با استفاده از ظرفیت‌های الگوریتم PSO (تجمعی دسته ذرات)، قابلیت الگوریتم BB-BC را برای جستجوی بهتر افزایش می‌دهد. اهداف مورد نظر در این مسئله، افزایش طول‌عمر و پوشش شبکه می‌باشد. در پیاده‌سازی الگوریتم HBB-BC به صورت دو هدفه، یک چارچوب فازی برای حل مسئله در نظر گرفته شده است. نتایج شبیه‌سازی، کارایی مؤثر الگوریتم HBB-BC را نشان می‌دهد؛ ضمن اینکه الگوریتم پیشنهادی سریع‌تر از الگوریتم PSO به سمت پاسخ‌ها میل داده می‌شود.

عمل تشخيص هويت با استفاده از عنبیه شامل چهار مرحله است که به ترتيب عبارتند از: بخش‌بندي، نرمالیزه کردن، استخراج ويژگي و تطابق. بخش‌بندي به عنوان اولين مرحله سامانه تشخیص هویت از اهمیت بسزایی برخوردار است و در صورت دقیق نبودن آن چهار نوع نويز ناشي از مژه‌ها، پلکها، انعکاسات و مردمک به سيستم اضافه شده و کارآيي سيستم را کاهش می‌دهد. در اين مقاله روش جديدي براي شناسايي مرز مردمک و آشکارسازی پلک‌ها ومژه‌ها ارائه شده است. روش‌های پیشین بخش‌بندی عنبیه فرض می‌کردند که مرز مردمک یک دایره است؛ بر طبق مشاهدات، دایره نمی‌تواند این مرز را به طور دقیق مدل کند. برای بهبود بخشیدن کیفیت بخش‌بندی، یک کانتور فعال جدید به منظور آشکارکردن مرز نامنظم مردمک ارائه شده است. روش ارائه شده می‌تواند به طور موفقیت آمیز همه‌ی مرزهای مردمک در پایگاه داده‌ی CASIA را آشکار کند و دقت شناسایی را افزایش دهد. علاوه بر این، مدل پلک بیضوی، الگوریتم تکرار شونده و آشکارسازی سلسله‌مراتبی مژه برای بخش‌بندی دقیق ارائه شده که به بررسی اجمالی آن‌ها می‌پردازیم.

یکی از مسائلی که در مورد استفاده از تلفن همراه مطرح است تعیین مکان ایستگاه‌های مورد نظر برای دادن سرویس‌دهی مناسب از نظر خط دهی به تلفن همراه است. شعاع خط دهی متفاوت این ایستگاه‌ها، مکان آن‌ها و شرایط جغرافیایی منطقه باعث می‌شود که مکان‌یابی این ایستگاه ها یک مسأله بهینه‌سازی از نوع چند جمله‌ای غير قطعي سخت1 شود. برای این منظور يك الگوريتم بهينه‌سازي جديد با نام 2WLM ارائه شده است. الگوریتم پیشنهادی با نمونه‌هاي مشابه که به وسیله الگوریتم ژنتیک و آتاماتاي يادگير پیاده‌سازی شده بود، مقایسه شده است و نتایج حاصل نشان می‌دهد که الگوریتم پیشنهادی بهتر از نمونه‌هاي مشابه پیاده‌سازی شده مي‌باشد.

یک زبان مدل‌سازی عبارت است از مجموعه‌ای از مفاهیم استخراج شده از دامنه‌ی مورد نظر و مجموعه‌ای از قیودی که بر روی این مفاهیم تعریف می‌شود. در این مقاله، یک زبان مدل‌سازی خاص مرحله‌ی واکنش از دامنه‌ی محیط‌های واکنش اضطراری ارائه شده است که بر مبنای متاکلاس‌های UML است. در طراحی این زبان، از مفاهیم تعریف شده در زبان مدل‌سازی DMM و MAS-ML استفاده شده است. فرایند طراحی زبان ارائه شده، در سه مرحله‌ی گسترش مدل نحوی، گسترش مدل واقعی و گسترش مدل دامنه توضیح داده شده است. در طراحی زبان مدل‌سازی ارائه شده، چارچوب تائو و زبان مدل‌سازی MAS-ML گسترش داده شده‌اند. با استفاده از این زبان، مدل‌سازی مرحله‌ی واکنش از محیط‌های واکنش اضطراری، راحت‌تر و سریع‌تر انجام شده و نیازی به یادگیری دانش محیط‌های واکنش اضطراری توسط همه‌ی توسعه‌دهندگان یک تیم نیست. به‌علاوه، سطح تجرید بالا رفته، سرعت روند توسعه افزایش پیدا کرده و نسبت به زبان‌های مدل‌سازی همه منظوره مثل UML، طراح به مفاهیم دامنه نزدیک‌تر خواهد شد.

در این مقاله برای مدل کردن تغییر زاویه دید، از روش یادگیری استفاده شده در تحلیل فاکتور مقید و نسخه تقویت شده آن استفاده شده است. از آن جا که با تغییر زاویه دید، مؤلفه‌های فرکانس بالای تصویر، تغییر بیشتری می‌کنند؛ و از طرفی ضرایب حساس به جهت تبدیل کرولت، ضرایب جزئی آن هستند؛ بنابراین ضرایب درشت این تبدیل برای شناسایی چهره در زاویه‌های دید مختلف، قوی باقی می‌مانند. استفاده از ضرایب درشت تبدیل کرولت در تجزیه دو سطحی آن، به عنوان ویژگی، درصد شناسایی روش‌های ذکر شده را بهبود می‌دهد. میزان بهبود برای تصاویر با زاویه چرخش نزدیک به نیم رخ، بیشتر است. برای پیاده سازی‌، از بخشی تصاویر پایگاه ‌داده‌ی CMU-PIE برای آموزش و از بقیه برای آزمودن نتایج استفاده شده است.

طبقه‌بندی ساختاری پروتئین‌ها یک منبع ارزشمند برای فهمیدن الگوهای تاشو، طبیعت و عملکرد آن‌ها است. با توجه به افزایش تعداد پروتئین‌های شناخته‌شده و هزینه‌ی بالای تعیین سطح سه بعدی برای هر کدام از آن‌ها، طراحی یک طبقه‌بند خودکار و کارا با دقت بالا برای شناسایی کلاس ساختاری پروتئین‌ها بسیار حائز اهمیت می‌باشد. در این مقاله، یک مجموعه ویژگی جدید برای طبقه‌بندی ساختاری پروتئین‌ها در 4 دسته all-α، all-β، α+β و α/β معرفی و پیاده‌سازی گردیده است. در روش پیشنهادی از خصوصیات دنباله ساختار دوم پروتئین به عنوان مجموعه ویژگی و از SVM به عنوان طبقه‌بند استفاده‌شده و دقت روش پیشنهادی با موفق‌ترین روش‌های مرز دانش مقایسه شده است. برای مجموعه داده استاندارد 25PDB روش پیشنهادی دقت بالای 89.33 درصد را برای 29 ویژگی نشان داده است و این در حالی است که روش‌های قدیمی‌تر با 2510 ویژگی دقت 87.80 درصد را داشته‌اند. این بدان معنی است که روش پیشنهادی در این مقاله با کاهش ویژگی از 2510 به 29، علاوه بر کاهش پیچیدگی مسئله، دقت را نیز افزایش داده است. نتایج آزمایش‌ها نشان‌دهنده برتری روش پیشنهادی نسبت به سایر روش‌های مطرح، از لحاظ دقت و پیچیدگی در این زمینه است.

امروزه با توجه به رشد محاسبات سرویس‌گرا، پاسخ‌گویی به درخواست‌های پیچیده کاربران با انتخاب یک سرویس منفرد یا ترکیب چند سرویس منفرد (و یا مرکب) با هم و تولید یک سرویس مرکب انجام می‌پذیرد. از آنجایی که سرویس‌های وب فراوانی عملکرد یکسانی دارند، معیارهای کیفیت خدمات (QoS) مانند زمان پاسخ و دسترسی‌پذیری اهمیت فراوانی در متمایز کردن این سرویس‌ها از هم دارند. بنابراین می‌توان سرویس‌های مناسب را با در نظر گرفتن معیارهای QoS آن‌ها طوری انتخاب کرد که اولا محدودیت‌های کیفی کاربر برآورده شود و ثانیا از لحاظ کیفیت کلی، کاراترین سرویس مرکب ممکن تولید شود و این همان تعریف مسئله "انتخاب سرویس مبتنی بر QoS" است. مقیاس‌پذیری، با افزایش تعداد وظایف موجود در درخواست کاربر و همچنین با افزایش تعداد سرویس‌های نامزد، مهم‌ترین معیارهای ارزیابی یک راه‌کار انتخاب سرویس مبتنی بر QoS است. راه‌کار پیشنهادی با طراحی تابع مکاشفه محلی سازگار با مسئله انتخاب سرویس، جستجوی محلی مبتنی بر الگوریتم شبیه‌سازی ذوب فلزات و تغییر استراتژی انتقال خاک به تکرارهای بعدی الگوریتم قطرات هوشمند آب (IWD)، برای حل مساله انتخاب سرویس مبتنی بر QoS طراحی شده است. نتایج آزمایشات حاکی از آن است که راه‌کار پیشنهادی به طور قابل توجهی مقیاس‌پذیرتر از راه‌کارهای دیگر است.

شبکه توری بی‌‌‌سیم زیرساخت یک تکنولوژی جالب توجه برای فراهم آوردن سرویس ارتباطات پهن باند و فراگیر بی‌‌‌سیم می‌باشد. با توجه به این کاربرد، مساله‌‌‌ی تاثیر کنترل توان روی افزایش گذردهی یکی از چالش‌‌‌های پیش‌‌‌رو در این شبکه‌‌‌ها به شمار می‌‌‌آید. در این مقاله، ابتدا فرمول‌‌‌بندی مساله‌‌‌ کنترل توان و کنترل دسترسی به رسانای انتقال در شبکه‌‌‌های توری بی‌‌‌سیم معرفی می‌‌‌شود. این یک مسئله NP_hard می‌‌‌باشد و افزایش نمایی زمان پاسخگویی را به ازای افزایش تعداد تقاضاها و تعداد گره‌‌‌های شبکه به دنبال دارد. برای رفع این مشکل یک رویه مبتنی بر روش تجمع ذرات برای کنترل توان و کنترل دسترسی به رسانای انتقال بی‌‌‌سیم ارائه می‌‌‌گردد. شبیه‌‌‌سازی نشان می‌‌‌دهد الگوریتم پیشنهادی در مقایسه با روش بهینه پاسخ‌‌‌های نزدیک به بهینه را در زمان قابل قبول ارائه می‌‌‌کند.