خوشه بندی ترکیبی روشی جدید در خوشه‌بندی می‌باشد که از ترکیب نتایج روش‌های خوشه‌بندی مختلف بدست می‌آید. در مقابل روش‌های کلاسیک و متداول خوشه‌بندی که از پایداری اندکی برخوردارند، خوشه‌بندی ترکیبی دارا‌ی پایداری بسیار بالایی می‌باشد که از آن یک روش قدرتمند در خوشه‌بندی اطلاعات می‌سازد. دو مرحله مهم در خوشه‌بندی ترکیبی عبارتند از: الگوریتم‌های ابتدایی خوشه‌بندی که خوشه‌بندی اولیه را انجام می‌دهد و سپس جمع‌بندی نتایج این الگوریتم‌های اولیه برای بدست آوردن نتیجه نهائی. در مقاله حاضر از الگوریتم ژنتیک به عنوان مرحله دوم خوشه‌بندی ترکیبی استفاده شده است. الگوریتم‌های ژنتیک بر اساس توانایی بالایی که در جستجوی فضای حالت مسئله دارند، همواره می‌توانند جواب بهینه یا نزدیک بهینه را در فضای حالت مسئله بدست آورند. برای افزایش کارایی الگوریتم ژنتیک ارائه شده و بهبود در صد خطای حاصل از خوشه‌بندی، یک عملگر جهش خاص منظوره، ارائه و بکارگیری شده است. نتایج بکارگیری الگوریتم ژنتیک ارائه شده برروی چند پایگاه داده متداول نشانگر آن است که روش ما در بیشتر مواقع از روش‌های پیشینی که برای خوشه‌بندی ترکیبی استفاده می‌شد، خطای کمتری تولید می‌کند.

علی رغم تأکید بر حذف شکاف موجود بین مدل‌های نرم افزاری و کدهای پیاده‌سازی، تلاش‌های کمی در مورد بکارگیری ابزارهای نرم‌افزاری جهت اعما ل خودکار مدل‌های کنترل دسترسی بطور مستقیم در داخل متن برنامه‌ها صورت گرفته است. در این مقاله به شرح طراحی و پیاده‌سازی یک محیط اعمال سیاست‌های کنترل دسترسی پرداخته شده است. در این محیط، سیاست‌های مدل شده کنترل دسترسی بر مبنای دیدگاه یا همان VBAC (View-Based Access Control) که به فرمت (XML Metadata Interchange) XMI هستند، تبدیل به زبان سیاست دیدگاه یا VPL (View Policy Language) می‌شود. کدهای تولید شده به زبان سیاست دیدگاه، به راحتی قابل تبدیل به دستورالعمل‌های زبان جاوا است. در نهایت دستورالعمل‌های جاوای متناظر با کدهای زبان سیاست دیدگاه به داخل برنامه‌هایی که قرار است امن شوند، اعمال می‌شوند. این روش شکاف موجود بین مدل‌سازی و اعمال سیاست‌های کنترل دسترسی را از بین می‌برد و تضمین می‌کند که کد برنامه همانطور که طراح برنامه قصد داشته، امن شده است.

امروزه استفاده‌ی مجدد از هسته‌هایIP در طراحی و پياده‌سازی سيستم‌های پيچيده کاربرد فراوانی دارد؛ زيرا استفاده‌ی مجدد از اين بلوک‌های آماده، هم زمان طراحی را کاهش می‌دهد و هم سيستم پياده‌سازی شده با استفاده از هسته‌های IP از نظر سرعت، اندازه و کارايی بهينه می باشد. در اين مقاله يک متدولوژی استفاده از هسته‌هایIP برای پياده‌سازی متدهای سخت افزاری در چارچوب طراحی اديسه که يک محيط طراحی سيستم ‌های نهفته است، ارائه شده است. مجتمع سازی هسته‌هایIP در اين متدولوژی، خودکار شده است و اين امر بسياری از مشکلات استفاده از هسته‌هایIP را برطرف می‌کند. برای ارزيابی متدولوژی پيشنهادی يک تابع IDCT دو بعدی- (2-D Inverse Discrete Cosine Transform) در محيط طراحی اديسه يک بار با استفاده از هسته‌یIP و بار ديگر بدون استفاده از آن، طراحی و پياده‌سازی شده و با يکديگر مقايسه شده‌اند.

در این مقاله سعی شده است تا روشی با الگوریتم مشخص جهت یافتن مدار DCVS بهینه برای توابع منطقی ارائه گردد. برای نیل به این منظور ابتدا با بررسی خانواده‌های مختلف مدارهای منطقی، بخصوص مدارهای DCVS ، تعریفی برای یک مدارDCVS بهینه ارائه گردیده است. سپس با بررسی روش‌های مختلف موجود جهت ایجاد ساختار متناظر هر تابع منطقی در مدار معادل DCVS ، روشی پیشنهاد گردیده است كه توسط آن میتوان به ساختارهایی با سرعت بیشتر و مصرف توان پایین‌تر و نیز هزینه‌ی پیاده‌سازی كمتری دست یافت. مشخصه‌ی اصلی این روش آن است كه بر خلاف روش‌های موجود، طراح درگیر جزئیات طراحی نشده و بدون نیاز به قوه خلاقیت و ابتكار، می‌تواند مدار بهینه‌ی معادل یک تابع منطقی را تولید نماید.

شبكه‌های عصبی یكی از روش‌های پركاربرد در یادگیری سیستم‌های هوشمند است كه كارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد. در این مقاله سعی بر این شده است که با استفاده از شبکه عصبی مدل مخچه CMAC*) ) به پیش‌بینی پارامترهای هواشناسی بپردازیم و در واقع با استفاده از یک مثال عملی و بارز برتری مدل‌های هوشمند نظیر CMAC را نسبت به مدل‌های خطی از جمله ARMA بررسی کنیم. در ادامه سعی بر این شده است که با استفاده از بهینه‌سازی پردازش تکاملی، قابلیت پیش بینی روش خطی ARMA را بالا ببریم. این مقاله نشان می‌دهد که با استفاده از روش‌های خطی بهینه شده توسط الگوریتم ژنتیک می‌توان کارآیی آن را به نحو چشمگیری افزایش داد به گونه‌ای که شبکه مدل مخچه ارائه شده، قادر نیست رفتار دینامیکی پارامترهای هواشناسی را در مقایسه با روشARMA تعمیم یافته بوسیله الگوریتم ژنتیک پیش‌بینی نماید.

این مقاله به بررسی موضوع قیمت‌گذاری و ارتباط آن با مسیریابی می‌پردازد. در این مقاله ایده ترکیب عملیا ت قیمت‌گذاری و مسیریابی برای اولین بار مطرح شده است و براساس آن پروتکلی ارائه شده است که علاوه بر مسیریابی قیمت‌گذاری را نیز برعهده دارد. در این پروتکل از BGP برای مسیریابی استفاده شده است و آن را به گونه‌ای اصلاح نموده‌ایم که ضمن عملکرد قبلی خود قادر به تبادل اطلاعات قیمت‌گذاری نیز باشد. این تغییرات به نحوی اعمال شده است که در روند BGP خللی وارد نشود و پروتکل تغییر یافته با ویژگی قیمت‌گذاری بتواند در کنار پروتکل اصلیBGP به کار خود ادامه دهد، این امر باعث می‌شود بتوان پروتکل جدید را به مرور جانشین پروتکلBGP نمود. برای قیمت‌گذاری نیز از مدل فروشگاه استفاده شده است. پروتکل حاصل باعث می‌شود تا سربار قیمت‌گذاری کاهش یافته و زمان به روز شدن قیمت‌ها با تغییر بار پیوندها کمتر شود.

جایگزین کردن واحدهای عملیاتی یک پردازنده قابل توسعه با واحدهای عملیاتی قابل بازپیکربندی می‌تواند هزینه تولید و زمان ارائه به بازار را بطور چشمگیری کاهش دهد. بعلاوه افزون بر کاهش هزینه تولید، این پردازنده قادر به اجرای دستورات سفارشی بیشتری نیز خواهد بود. در این مقاله یک معماری ناهمگون برای واحدهای عملیاتی قابل بازپیکربندی در پردازنده‌های قابل توسعه ارائه شده است. نتایج آزمایشات نشان می‌دهد که در مقایسه با معماری پیشین، معماری ارائه شده از تعداد زیادی دستورالعمل سفارشی پشتیبانی می‌کند. بعلاوه این معماری قادر است زمان اجرای یک دستورالعمل سفارشی را بین ٢٠ تا ٤٠ درصد بهبود دهد.

تخمین بردار حرکت یکی از بحرانی‌ترین وظایف در سیستم‌های فشرده‌سازی ویدئو می‌باشد و به همین دلیل روش‌های متفاوتی برای افزایش سرعت آن ارائه شده است. این مقاله به ارائه یک معماری مبتنی بر سخت‌افزار برای پیاده‌سازی الگوریتم‌های تخمین بردار حرکت می‌پردازد. به منظور ارائه یک معماری کارآمد، ابتدا الگوریتم WMBPM با توجه به هزینه پیاده‌سازی سخت افزاری بهبود داده شده است و سپس یک معماری کارآمد برای الگوریتم بهبود داده شده ارائه و ارزیابی شده است. نتایج آزمایشات انجام شده نشان می دهد که الگوریتم بهبود داده شده کارآمدتر از روش اولیه عمل می‌کند.

با ورود به دوره طراحی نانومتری، اجزای مختلف مدار و نیز سیم‌های اتصا ل دهنده آنها در فواصل بسیار نزدیکی از یکدیگر جایابی می‌شوند و احتمال بروز نویز هم‌شنوایی در سیم‌های مجاور بیشتر و بیشتر شده است. از این رو، یک نیاز صریح در استفاده از روش‌های اجتناب از نویز هم‌شنوایی در روند طراحی مدارات VLSI وجود دارد. در دیگر سو کوچک شدن سریع تکنولوژی ساخت، تغییرپذیری زیادی در پارامترهای طراحی و ساخت ایجاد کرده است که این تغییرپذیری می‌تواند به عدم توانایی پیش‌بینی پارامترهای مداری پیش از ساخت آن منجر شود. در این مقاله با استفاده از یک روش آماری، تأثیر تغییرپذیری فرآیند ساخت بر روی روش‌های اجتناب از نویزهم‌شنوایی مدل شده است. با استفاده از روش ارائه شده، چندین فرم بسته که نشان دهنده چگونگی این تأثیر است، ارائه و ارزیابی شده است. مقایسه نتایج بدست آمده از این مدل‌سازی و نتایج حاصل از تحلیل مونت کارلو نشان می‌دهد که روش پیشنهادی برای مدل کردن این تغییرات بسیار کارآمد عمل می‌کند.

کنترلرهای پیش‌بین مدل (MPC) اخیراً در سیستم‌های کنترلی گوناگونی استفاده شده‌اند. این در حالی است که حجم فوق العاده بالای محاسبات موردنیاز، باعث کندی آن‌ها شده و از این رو، کاربرد این کنترلرها به سیستم‌های کند محدود شده است. این مقاله در حقیقت تلاشی در جهت استفاده از کنترلرهای (MPC) در کاربردهای سریع با استفاده از پیاده‌سازی سخت‌ افزاری است. در این مقاله یک الگوریتم شبه بهینه برای استفاده از کنترلرهای(MPC) در شبکه‌های کامپیوتری پیشنهاد شده است. بعلاوه به منظور افزایش سرعت پردازش، یک معماری کارآمد برای پیاده‌سازی سخت افزاری آن‌ها ارائه شده است. نتایج آزمایشات نشان می‌دهد که با استفاده از معماری ارائه شده می توان از کنترلرهای (MPC) در کاربردهای با سرعت‌های بالا نظیر کنترل زمان‌بندی صف‌ها در شبکه‌های کامپیوتری استفاده نمود.

در این مقاله، بخش‌های مختلف یک واحد تولید بخار، بر اساس روش ترکیبی محاسباتی نرم متشکل از سیستم‌های منطق فازی، شبکه‌های عصبی و الگوریتم ژنتیک برای بررسی رفتار دینامیکی آن مدل شده است. در این روش ترکیبی، روش بهینه‌سازی الگوریتم ژنتیک برای استخراج قوانین بهینه اگر- آنگاه فازی مدل‌های پیشنهادی استفاده شده است. این درحالی است که پارامترهای توابع عضویت با استفاده از تکینیک‌های محاسباتی شبکه‌های عصبی تنظیم می‌گردد. برای این منظور، روش پس انتشار خطا در الگوریتم یادگیری بکار رفته است. فرآیند یادگیری بر اساس داده‌های تجربی بدست آمده از یک مجموعه کامل آزمایش‌های میدانی تهیه گردیده است. برای بررسی کارایی و صحت مدل‌های تهیه شده، پاسخ این مدل‌ها با رفتار واقعی مقایسه شده است. نتایج شبیه‌سازی، کارایی مدل‌های تهیه شده و امکان استفاده از آن‌ها را با توجه به دقت مدل‌ها و انحراف کم پاسخ آن‌ها نسبت پاسخ سیستم واقعی، نشان می‌دهد.

میزان دریافت نامه‌های الکترونیکی، پیوسته در حال افزایش می‌باشد و روزانه وقت زیادی جهت فیلترنمودن و سازماندهی آن‌ها در پوشه‌ها صرف می‌گردد، بنابراین نیاز به سیستمی احساس می‌شود که بطور اتوماتیک جهت طبقه‌بندی و مدیریت نامه‌های الکترونیکی مورد استفاده قرار گیرد. سیستم‌های طبقه بندی مختلفی توسط پژوهشگران، جهت دسته‌بندی اتوماتیک نامه‌های الکترونیکی ارائه شده‌اند. در این مقاله الگوریتمی جهت دسته‌بندی نامه‌های الکترونیکی برای نرم افزارMicrosoft Outlook ارائه شده که در آن از طبقه‌بندی کننده نزدیک‌ترین همسایه استفاده شده است. این الگوریتم به مدیریتinbox کاربر کمک می‌کند تا نامه‌ها را بر اساس پوشه‌های تعریف شده توسط کاربر، دسته‌بندی کند. مزیت اصلی این سیستم، عدم نیاز به داده‌های آموزشی زیاد، بار محاسباتی کم و دقت بالا می‌باشد.

محاسبات گرید گون‌های از سامانه‌های موازی و توزیعی است که امکان به اشتراک گذاشتن، انتخاب و گردآوری منابع خودگردان (کامپیوتر، نرم افزار، بانک‌های اطلاعاتی، تجهیزات) را که از نظر جغرافیایی توزیع شده‌اند را مهیا می‌نماید. مدیریت و اکتشاف منبع یکی از مباحث کلیدی در سیستم‌های توزیع شده و بخصوص گرید می‌باشد. باید درنظر داشت که گرید از کاربردهای متفاوتی تشکیل شده که هر کدام شامل منابع سخت‌افزاری و نرم‌افزاری متنوعی می‌باشند، بنابراین شناسایی و مدیریت این منابع در یک گرید دارای اهمیت ویژه‌ای می‌باشد. شیوه‌های کلاسیک مربوط به مدیریت و اکتشاف منابع گرید بصورت متمرکز یا سلسله مراتبی هستند و ممکن است با توسعه سریع گرید این روش‌ها کارایی لازم را ارائه نکنند. در این مقاله سعی شده با استفاده از معماری سرویس‌گرا روشی بهینه برای مدیریت و اکتشاف منابع ارائه شود.

آموزش الکترونیکی بعنوان یک ابزار تازه، رفته رفته در جوامع بشری، جای رسانه‌های آموزشی را می‌گیرد. افزایش فرصت یادگیری برای یادگیرندگان، نگهداری و ثبت کیفیت یادگیری، امکان ماندن در خانه، کاهش هزینه‌های جانبی، قابلیت در دسترس بودن و امکان بهنگام سازی سریع مطالب آموزشی، از مزایای آموزش الکترونیکی هستند. بنابراین برای اینکه آموزش الکترونیکی، انتظارات را بر آورده سازد، مفاهیم و رسانه‌های آموزشی باید کار یادگیری را همزمان با فراهم کردن محیطی جذاب و ترغیب کننده برای یادگیرنده، به صورت ساده مشخص نمایند. برای رسیدن به این اهداف لازم است که معماری مشخصی برای شناسایی سیستم‌های مختلف آموزش الکترونیکی و زیر سیستم‌های آن‌ها و تعاملات بین زیر سیستم‌های آن‌ها و نیز خود سیستم با سیستم‌های بیرونی ایجاد گردد. در ضمن، در این معماری لازم است که اهداف سیستم و نقش عامل انسانی در آن به خوبی معلوم گردد. این مقاله مطالعه ای در مورد معماری‌های آموزش الکترونیکی می‌باشد که در آن تعدادی از معماری‌های موجود را از دیدگاه‌های مختلف، مورد بررسی و ارزیابی قرار گرفته 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.

یادگیری بازی‌ها از جمله مسائل مورد توجه و پرکاربرد در هوش مصنوعی است. تا کنون روش‌های مختلفی برای یادگیری بسیاری از بازی‌ها ارائه شده است. این روش‌ها بر اساس ویژگی‌های مختلفی مورد بررسی قرار می‌گیرند. یکی از این ویژگی‌ها میزان استفاده از دانش فرد خبره در زمینه بازی مورد نظر است. یکی از روش‌های موفق یادگیری بازی که از هیچ دانش بشری در زمینه بازی مورد نظر استفاده نمی‌کند روش هم تکاملی است. در این روش بازیکنان در ضمن تکامل برای یادگیری بازی از هیچ تابع ارزیابی شایستگی خارجی استفاده نمی‌کنند و صرفاً نتایج بازی‌های انجام شده در مقابل یکدیگر برای ارزیابی بازیکنان استفاده می‌شود. این روش تا کنون در یادگیری بازی‌های بسیاری همچون چکرز، اتلو و امثال آن با موفقیت مورد استفاده قرار گرفته است. الگوریتم هم تکاملی مورد استفاده در یادگیری این بازی‌ها دارای معایبی است که باعث می‌شود این الگوریتم قادر به یادگیری بازی ساده‌ای همانند با زیOX نباشد. این مشکلات در این مقاله به طور دقیق مورد بررسی قرار گرفته و چارچوب هم تکاملی رقابتی جدیدی برای رفع آن‌ها ارائه می‌شود. در چارچوب پیشنهادی برای یادگیری نقش دو بازیکن متفاوت دو جمعیت مجزا در نظر گرفته شده و برای ارزیابی هر جمعیت، جمعیت ارزیابی متشکل از تعداد ی از افراد جمعیت مقابل تشکیل می‌شود. نتایج تجربی بدست آمده نشان دهنده آن است که الگوریتم جدید به خوبی قادر به رفع مشکلات برشمرده شده می‌باشد.

مسئله تحمل‌پذیری اشکال در تمامی سیستم‌هایی که در دنیای واقعی عمل می‌کنند از مهم‌ترین مسائل است و در یک سیستم چند پردازنده (بخصوص با تعداد زیاد پردازنده) می‌باید آن را مد نظر قرار داد. الگوریتم‌هایی نیز جهت مسیریابی تحمل پذیر اشکال در شبکه‌های میان ارتباطی ارائه شده‌اند. هر کدام از این الگوریتم‌ها نقاط ضعف و قوت خود را دارند. در این مقاله الگوریتم‌ها را از نقطه نظر کارآیی کلی سیستم با یکدیگر مقایسه می‌کنیم. ابزار مقایسه شبیه‌سازی است و نتایج بدست آمده راهکارهایی را جهت انتخاب روش مناسب در شرایط مختلف ارائه می‌کند. در این مقاله شبكه توری را بدلیل داشتن خواص ساختاری ویژه، سادگی در پیاده‌سازی، داشتن الگوریتم مسیریابی ساده و کارآیی بالا كه آن را مورد توجه سازندگان چند كامپیوترها قرار داده‌است، مد نظر قرار می‌دهیم.

با توجه به افزیش روز افزون کاربرد شبکه‌های کامپیوتری و وجود اطلاعات بسیار مهم در آنها، حفاظت از این اطلاعات در براب حملات و خرابکاری‌ها اهمیت بسیار بالایی پیدا کرده است. سیستم‌های تشخیص تهاجم موجود معمولاً نمی‌توانند همه انواع چهارگانه حملات را به خوبی شناسایی کنند. برای برطرف کردن این مشکل، استفاده از الگوریتم‌های یادگیری مختلفی که هر کدام در شناسایی نوع خاصی از حملات چهارگانه بهتر عمل می‌کنند، درآموزش سیستم تشخیص تهاجم پیشنهاد شده است(مانند شبکه‌های عصبی و خوشه‌بندی). اما استفاده همزمان از چند الگوریتم دسته‌بندی باعث پیچیده شدن مراحل تشخیص حمله خصوصاً به صورت بلادرنگ خواهد شد، به همین منظور از سیستم‌های تشخیص تهاجم که موتور تحلیل آن‌ها فازی است و زبانی واحد را از دانش موجود در الگوریتم‌های فوق ارائه می‌دهد، بهره بردیم. سیتسم تشخیص تهاجم فازی ارائه شده در این مقاله بدلیل استفاده همزمان از شبکه‌های عصبی و خوشه‌بندی در مرحله یادگیری و بهره‌گیری از اطلاعات آماری در هنگام تبدیل دانش آن‌ها به قوانین و مفاهیم فازی، نتایج جالب توجهی در تشخیص انواع چهارگانه حملات ارائه کرده است و توانسته ضعف سیستم‌های موجود را بر طرف کند.

در سال‌های اخیر روش‌های حذف نویز با استفاده از تبدیل موجک مورد توجه بسیاری از محققان بوده است, ولی برخی ضعف‌های آن مانند عدم امکان نمایش یکتایی خطی باعث شد تا تبدیل موجک جهت‌دار مطرح شود که تبدیل Curvelet از این نوع است. در فرایند نویززدایی, روش‌های مختلفی برای محاسبه مقدار مناسب آستانه ارائه شده است. روش پیشنهادی بر خلاف روش‌های موجود, توزیع مستقل را برای ضرائب در حوزه تبدیل در نظر نمی‌گیرد؛ همچنین به اندازه تصویر وابسته نیست و به تخمین زدن پراکندگی نویز و یا پارامترهای دیگر نیاز ندارد. در این مقاله با استفاده از شبکه عصبی, مقدار مناسب آستانه برای تصویر محاسبه می‌شود. ابتدا برای آموزش شبکه عصبی, ویژگی‌های مهم تصویر آسیب دیده با نویز گوسی در حوزهCurvelet استخراج می‌شوند و با توجه به نسخه سالم تصویر, مقدار آستانه ایده آل نیز محاسبه می‌شود. سپس ویژگی‌های تصویر نویزی جدید به عنوان ورودی به شبکه داده می‌شود تا شبکه آستانه مناسب را برای آن تخمین بزند. نتایج آزمایش بر روی تصاویر مختلف نشان داد که روش پیشنهادی در مقایسه با روش‌های موجود دارای دقت مناسبی است. علاوه بر آن، به دلیل ویژگی تبدیل Curvelet در حفظ لبه‌ها, تصاویر به‌دست آمده دارای کیفیت بهتری نسبت به تبدیل موجک هستند.

رباتی که در یک محیط شناخته شده به کمک نقشه حرکت می‌کند باید موقعیت خود را علی رغم مشکلات موجود در اثر شرایط طبیعی، محدودیت‌های حسگر و عدم دقت نقشه تعیین کند. اندازه‌گیری دقیق بندرت انجام می‌شود و ترکیب روش‌های تقریبی باعث خطاهای بزرگی در تعیین موقعیت ربات می‌گردد. روش بکارگرفته شده در این مقاله، تعیین موقعیت ربات متحرک با استفاده از خصوصیات هندسی علائم موجود در محیط می‌باشد به طوری که با انتخاب مناسب علائم، می‌توان از بروز خطا جلوگیری نمود. ارزیابی نواحی عدم قطعیت موقعیت ربات برای طرح‌های مختلف از علائم سه گانه کمک می‌کند تا عوامل موثر در انتخاب مناسب علائم فراهم گردد. این عوامل دریک سیستم فازی توانست مطلوبیت تخمین موقعیت را ارائه دهد. نتایج شبیه سازی نشان می‌دهد که این روش در تعیین موقعیت می‌تواند با انتخاب بهینه علائم، دقت و کارایی مناسبی را ارئه دهد.