انجمن کامپیوتر ایران

در این مقاله روش‌هایی برای کاهش توان مصرفی در ارسال مطمئن بسته‌های داده به صورت همه ‌پخشی و چند پخشی در شبکه‌های نامتعارف بررسی شده است. بر خلاف روش‌های معمول دیگر، روش‌های ارائه شده صرفاً به فاصله فیزیکی بین گره‌ها برای محاسبه وزن درخت در تشکیل درخت‌های همه پخشی و چند پخشی توجه نمی‌کنند؛ بلکه هزینه درخت از جمع توان ارسالی گره‌های میانی محاسبه می‌شود. ایده اصلی این است که محیط به صورت ایده‌آل و بدون خطا فرض نشود و لذا نرخ حذف بسته‌ها و تضعیف امواج الکترومغناطیسی به عنوان یک معیار مهم در نظر گرفته شده است. بر اساس شبیه‌سازی انجام شده این روش‌ها نسبت به روش های متناظر که نرخ خطا را در نظر نمی‌گیرند، برای ارسال همه ‌پخشی یا چند پخشی به صورت ارتباط مطمئن تا 45 % مصرف توان را در شبکه‌هایی نامتعارف کاهش می‌دهد و در ضمن با کاهش تعداد دفعات ارسال مجدد، باعث بهبود مدت زمان تأخیر ارسال می‌شود.

حرکت جمعی ذرات یک تکنیک بهینه‌سازی است که بر اساس قوانین احتمال کار می‌کند و از حرکت گروهی پرندگان و ماهی‌ها هنگامی که دنبال غذا می‌گردند، الهام گرفته شده است. در این روش هر یک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه‌های شخصی و گروهی در آن نقاط روی داده است. مشکل اصلی این مدل که در بسیاری از مسائل، به خصوص مسائل چند قله‌ای بروز می‌کند، مسأله گیر افتادن در بهینه‌های محلی است. در این مقاله یک مدل جدید بر اساس PSO به نام پیشنهاد PSO-LA می‌شود که در آن از یک اتوماتای یادگیر برای تنظیم رفتار ذرات و برقراری موازنه بین جستجوی سراسری و جستجوی محلی استفاده می‌شود. نتایج آزمایشات بر روی مسائل نمونه نشان داده‌اند که روش ارائه شده از عملکرد بهتری در مقایسه با مدل PSO استاندارد برخوردار است.

در این مقاله، روش جدیدی برای بهینه سازی سراسری توابع با متغیرهای پیوسته معرفی شده است. در این روش، جستجو در فضای ورودی از طریق انجام جستجوهای متوالی و متناوب بر روی صفحات حاصل از انتخاب دو بعد از فضای ورودی انجام می شود. در هرصفحه جستجو، تعدادی نقطه بر روی شبكه ای منظم قرار داده می شود و طی رویه ای تکراری، هر نقطه با توجه به مقادیر تابع در یکی از نقاط همسایه اش تحت تأثیر مجموعه‌ای از قوانین جذب و دفع قرار می‌گیرد. در پایان الگوریتم نیز، با انجام جستجوی محلی با استفاده از روش نلدر- مید نقطه بهینه مشخص می‌گردد. روش ارائه شده با بیش از ۲۰ نوع تابع آزمون استاندارد، بصورت موفقیت آمیز مورد آزمایش قرار گرفته است. نتایج آزمایشات انجام شده نشان می‌دهند که، از مزایای این كار نسبت به كارهای مشابه، قابلیت روش ارائه شده دریافتن نقاط بهینه سراسری در توابع با ابعاد بالا (بیش از ۳۰ بعد) است.

کیفیت سرویس در شبکه‌های سنسور تعاریف متفاوتی دارد که از آن جمله می‌توان به پوشش مناسب شبکه، تعداد ندهای فعال در یک زمان، صحت اطلاعات دریافتی در ند مرکزی و مدت زمان انتقال اطلاعات به ند مرکزی اشاره کرد. در این مقاله بر مبنای تعریف تعداد ندهای فعال به عنوان کیفیت سرویس، به ارائه‌ی روشی مبتنی بر اتوماتای یادگیر جهت دستیابی به کیفیت مورد انتظار خواهیم پرداخت. در این روش، با خوشه‌بندی شبکه و قرار دادن رؤوس خوشه‌ها به عنوان مسؤول بررسی تعداد ندهای فعال در هر خوشه، پوشش مناسبی از تعداد ندهای فعال در سطح کل شبکه به دست خواهد آمد. هر ند مجهز به یک اتوماتای یادگیر می‌باشد که در طول فعالیت شبکه و از طریق پاسخ‌هایی که از رأس خوشه دریافت می‌دارد، لزوم فعال یا غیرفعال بودن ند را مشخص می‌کند. از طریق شبیه سازی کامپیوتری نشان داده می‌شود که روش ارائه شده، می‌تواند کیفیت سرویس مطلوبی را از دیدگاه ارائه شده تولید کند.

در اين مقاله الگوريتمي براي قطعهبندي تصاوير راديوگرافي قفسه سينه با هدف جداسازي محدوده ريهها از ساير آناتومي هاي موجود در اين تصاوير پيشنهاد شده است. در اين الگوريتم از روش طبقهبندي پيكسلها جهت قطعهبندي استفاده ميشو د. بر اي اين کار به منظور انتخاب ويژگي هاي بهينه، از دو روش انتخاب ويژگي: "انتخاب پيشرو" و " تحليل واريانس يكطرفه" بهره گرفته و سپس از ويژگي هاي بدست آمده در ط بقهبندي پ يكسلها به دو كلاس ريه و زمينه استفاد ه م يشو د. از آنجايي كه در روش طبقهبندي پيكسل با توجه به درجة وضوح بالاي تصاوير (تعداد زياد پيكسلها در هر تصوير) سرعت پايين م يباشد، از تكنيك طبقهبندي پيكسل با چندين درجة وضوح استفاده شده تا بخش طبقهبندي كه معمولا" شامل پرهزينهترين عمليات محاسباتي است، بهبود يابد. نتايج حاصله از قطعهبندي محدوده ريهها در راديوگرافي قفسه سينه با استفاده از مجموعه ويژگيهاي بدست آمده از دو روش انتخاب ويژگي "انتخاب پيشر و" و " تحليل واريانس يك طرفه " با نتايج استفاده از مجموعه کامل ويژ گيها و همچنين مجموعه ويژگيهاي تصادف ي, مقايسه شده و مي توان د ريافت که استفاده از مجموعه ويژگ يهاي کاهش يافته باعث کاهش زمان محاسبات و کارايي قيا سپذيري نسبت به استفاده از مجموعه کامل ويژگي ها ميگردد. علاوه بر اين, کارايي روش طبق هبندي پيشنهادي با کارهاي مشابه انجام شده در زمينه قطعهبندي تصاوير راديوگرافي قفسه سينه مقايسه شده است.

گريد دانش يک محيط اتصالي هوشمند مي باشد که بر روي گريد محاسباتي ساخته مي شود تا ايجاد سازمان هاي مجازي را تسهيل نماي د. يکي از خصوصيات مهم محيط هاي مجازي پشتيباني تصميم گيري جمعي مي باش د. يکي از مشکلات روش هاي موجود اين است که نمي توانند محيط هايي را که تصميم گيران به صورت پويا اضافه و کم مي شوند را پشتيباني نمايند. در اين مقاله روشي جديد ارائه شده است تا بتوان تصميم گيران را به صورت پويا به محيط اضافه و يا از محيط حذف نمو د. ميزان صحت تصميم گرفته شده توسط هر تصميم گير به صورت موضوعي با در نظر گرفتن نظر ديگر اعضا مشخص مي گردد. ميزان اثر گذاري تصميم هر تصميم گير با در نظر گرفتن تصميمات گذشته اش به صورت تدريجي تغيير مي نمايد . با فرض اينکه هر تصميم گير يک مجموعه پاسخ فازي در پاسخ به يک مساله تصميم گيري توليد مي نمايدعملگري براي هم جوشي مجموعه تصميمات تصميم گيران پيشنهاد شده اس ت. هدف از هم جوشي بهبود کيفيت تصميم مي باشد . عملگرهم جوشي يک مجموعه جواب فازي توليد مي نمايد که تابعي از امکان درستي هر تصميم گير و مجموعه پاسخ فازيش مي باشد .

در اين مقاله به جای ساختارهای معمول متمرکز و يا سلسله مراتبی، ساختار تشخيص نفوذ کاملا توزيع شده مورد بررسی قرارگرفته است. در اين ساختار با استفاده از جزئی بنام عامل متحرک، اجزاءآناليز متمرکز حذف شده ان د . در اين زمينه سيستم هايی چون MA-IDS و Micael ،IDA ،AAFIDَ نيز برای کمک به توزيع شدگ ی ، در جمع آوری داد ه ازعامل های متحرک استفاده کرد ه اند ولی در آن ها آناليز داده های جمع آوری شده بصورت متمرکز میباشد. سيستم پيشنهادی MA-GrIDS با تکيه بر ساختار توزيع شده میتواند بر مشکلاتی چون محدوديت در قابليت اطمينان، توسعه پذيری و وجود نقطه شکست تا حد زيادی فايق آيد. پس از پياده سازی، از اين سيستم در تشخيص کر م های کامپيوتری به عنوان گونهای از حملات توزيع شده، استفاده شد و با انجام آزمايشات ، دو پارامتر تعداد سرکشی با توجه به تعداد بازر س های متحرک درهرزون و تأثير آن بر زمان تشخيص مورد بررسی قرارگرفت. هرچه که تعداد بازرس ی های موجود در هرزون بيشتر باشد، ميزان ترافيک شبکه افزايش پيدا م ی کند، اما زمان تشخيص نفوذ کاهش می يابد و بلعکس . باتوجه به اين مساله که اين دو پارامت ر (تعدادبازرسها وزمان تشخيص نفوذ) نسبت عکس با يکديگر دارند همچنين افزايش بيش از حد بازر س ها سبب ايجاد ترافيک و تداخل در کارشان م ی شود،حالتی را بايد پيداکرد که حاصلضرب اين دو پارامتر بهينه گردد.

مشکل بزر گی که امروزه در بار ه تصميم گيری ماشينی وجود دارد کارايی نامناسب سيستمهای تصمي مگيری کنونی است. يافت ههای علم ی اخير نشاندهنده اين مطلب است که عواطف، نق شی اسا سی در تصمي م گيری، ادراک و يادگير ی با زی م یکنند. در اين ميان، استرس جايگاه خاص ی داشته و بر عملکرد ذهن و کارا يی فيزي کی و ذهنی تاثيری بسزا دارد. تحقيقات نشان داده اند که فرآيند تصميم گيری تحت شرايط اضطرار با تصميم گيری در شرايط عادی و تجاری کاملا متفاوت است . در شرايط عادی تصمي مگيرنده گزينه های متفاوت را در نظر گرفته، نقاط قوت و ضعف هر يک را به دقت بررسی کرده و سپس تصميم م یگيرد. اما در شرايط اضطرار به علت محدوديت زمانی ناچار است در همان اولين قدم بهترين روش را انتخاب کند که اين انتخاب بر اساس تجرب هی وی و مطابق با شرايط موجود انجام می شود. بنابراين با کسب تجربه و بازيابی آن در شرايط اضطرار م ی توان کارايی سيستم را بالا برد و در چنين شرايطی تصميمی درست اتخاذ کر د. در اين مقاله به معرفي مدلی عاطفی برای تصميم گيری خواهيم پرداخ ت. در اين ساختار که از الحاق بخش تصميم گيری اضطراری به سيستم قبلی به دست می آيد، سيستم تا زمان بروز استرس به روند عادی تصمي مگيری خود ادامه می دهد اما به هنگام رخ دادن استرس بر اساس شرايط موجود، سيستم وارد بخش تصميم گيری اضطراری شده و بر اساس تجرب ه ی پيشين خود از وضعيت جاری، دست به همان کاری م ی زند که پيش از اين در آن تجربه انجام داده است. نتايج بدست آمده از تست اين مدل بر روی محيط شبي ه سازی نجات، نشان داده که بدون شک اين روش در مقايسه با روش پيشين کارايی بالاتری داشته و به طور ٢ امتياز بهبود يافته اند. همچنين در اين مدل در صورت بروز مشکل، سيستم قابليت تحمل خطا را داشته و کارايی را / متوسط نتايج کسب شده ٦ در حد مشخصی حفظ خواهد کرد.