انجمن کامپیوتر ایران

الگوریتم‌های تکاملی کوانتومی، ترکیبی از الگوریتم‌های تکاملی و محاسبات کوانتومی می‌باشند که با توجه به کارایی بالای آنها در حل مسائل بهینه سازی ترکیبی مورد توجه خاصی قرار گرفته است. ایده اصلی در ترکیب این دو دسته از الگوریتم‌ها، افزایش گوناگونی در الگوریتم تکاملی می‌باشدکه این کار را با تعریف کوانتوم بیت بجای بیت کلاسیک انجام می‌دهد. هر کوانتوم بیت توزیعی آماری از بیت‌های صفر و یک را در بر دارد که در نتیجه می‌تواند با احتمالاتی که از توزیع حاصل می‌شود می‌تواند هر یک از دو مقدار صفر و یک را اختیار کند. در این مقاله با استفاده از بروزرسانی و تمایل دادن کروموزوم‌های کوانتوم بیتی با توجه به مقدار تابع ارزیابی برای بهترین کروموزوم بیتی مشتق شده از آن، همگرایی در جواب را سرعت بخشیده و بهبود قابل توجهی در کارایی آن نسبت به نسخه اصلی این الگوریتم حاصل کرده است. همچنین با اعمال این تغییر، از خاصیت احتمالی الگوریم کاسته نشده و الگوریتم همچنان توانایی خروج از اکسترمم‌های محلی را دارد. برای اثبات این مدعا، مقایسات بر روی مسئله n-وزیر انجام گرفته که در این میان نیز تغییراتی برای هرچه بیشتر هماهنگ کردن الگوریتم تکاملی کوانتومی با مسئله n-وزیر به منظور دستیابی جواب بهتر، اعمال گردیده است.

کشف خودکار تغییرات کوچک و غیر قابل مشاهده ما بین تصاویر MRI پستان که در طول درمان از بیمار گرفته می‏شوند، از اهمیت بالایی برخوردار است. چرا که بدین وسیله پزشک قادر به آنالیز دقیق واکنش تومور به شیمی درمانی خواهد بود. کشف این تغییرات توسط پزشک، کاری بسیار سخت و گاهی غیر ممکن است. چرا که برخی از این تغییرات به حدی کوچک هستند که قابل مشاهده نمی‏باشند. از طرفی دیگر، به دلیل این که آرتیفکت‏های حاصل از تصویر‏برداریMRI، تغییرات جعلی بسیاری را در تصویر ایجاد می‏کنند، انجام خودکار آن نیز یکی از چالش‏های باقی مانده در این حوزه است. ما در این مقاله، چهارچوبی خودکار ارائه می‏کنیم، که به دلیل استفاده از روش‏های مبتنی بر رشد ناحیه و قطعه‏بندی میدان تصادفی مارکوف (I-MRF) که در تحقیق پیشین خود ارائه کرده‏ایم، نسبت به نویز و تغییرات حاصل از آرتیفکت‏ها مقاوم است. علاوه بر آن در این سیستم تئوری اطلاعات متقابل محلی را جهت تعیین میزان شباهت نواحی به کاربرده‏ایم. نتایج آزمایشات بر روی داده‏های شبیه‏سازی شده و واقعی نشان از بالا بودن میزان کارایی سیستم در مقابل روش‏های آماری و آستانه‏گیری دارد. همچنین این سیستم در مقایسه با فرد خبره نیز در کشف تغییرات کوچک برتری کامل دارد.

بسترهاي داده¬اي امروزي به دلیل افزایش تعداد مشاهدات و متغیر¬های مربوط به یک مشاهده، چالش¬هاي جديدي در تحليل داده¬ها بوجود آورده¬اند که نیاز به کاهش ابعاد داده را امری ضروری کرده است. مسأله انتخاب یک زیرمجموعه بهینه از یک مجموعه، دارای پیچیدگی زمانی نمایی است، به همین دلیل روش¬های کلاسیک انتخاب ویژگی، دارای مشکل زمان اجرا هستند. این روش¬ها اکثراً در پیدا کردن راه¬حل¬های بهینه ناموفق هستند. از طرف دیگر، جستجوی کامل برای پیدا کردن راه¬حل¬های بهینه حتی در مجموعه داده¬هایی که تعداد ویژگی¬ها زیاد نیستند، غیر ممکن است. بیشتر کاربردهای انتخاب ویژگی خواستار محاسباتی ممکن با هدف به¬دست آوردن راه¬حل¬های بهینه یا نیمه بهینه هستند. در این مقاله برای حل این مشکل از الگوریتم ژنتیک چندهدفه استفاده شده¬است. به علاوه معیاری برای استقلال ویژگی¬ها معرفی شده است که به همراه معیارهایی همچون فواصل درون¬کلاسی و برون¬کلاسی و همبستگی ویژگی¬ها برای انتخاب ویژگی بکار رفته است. ارزیابی بر روی دادگان UCI و دسته¬بند¬های مختلف نشان می¬دهد که روش و معیار پیشنهادی در کنار سایر معیار¬ها، کارایی خوبی از نظر برقراری تعادل میان دقت دسته¬بندی و تعداد ویژگی¬ها دارد.

امروزه شبکه¬های حسگر بی¬سیم در کاربردهای متنوعی مورد استفاده قرار می¬گیرند. این حسگرها غالباً با محدودیت منابع مواجه هستند. به همین دلیل تلاش می¬شود تا با انتقال بخشی از پردازش¬ها به درون شبکه، از حجم اطلاعات ارسال شده کاسته شود. محل اجرای این پردازش¬ها، می¬تواند بر کارایی شبکه تاثیرگذار باشد. در این مقاله بر آن هستیم تا راه¬کاری برای رسیدن به بهترین جایگذاری عملگرها، ارائه دهیم. برای این منظور یک راه حل توزیع¬شده ارائه شده است. در این روش، جایگذاری بهینه را از طریق ارسال پیام¬های حاوی هزینه دسترسی هر گره به عملگرها، به طور خودکار به دست خواهد آمد. در این مقاله ثابت شده است که روش ارائه شده، به جایگذاری بهینه منجر خواهد شد و به صورت تحلیلی کرانی برای آن ارائه شده است. نتایج آزمایش-های انجام شده، تایید کننده دست¬آوردهای تحلیلی هستند. این نتایج، همگرایی روش ارائه شده به درخت عملگر بهینه، و کران به دست آمده برای سربار تبادل پیام را تایید می¬نمایند.

ترسیم نقشه دانش سازمان می‌تواند به مدیران و تصمیم‌گیرندگان سازمان‌ها در درک بهتر جریان دانش در سازمان کمک کند. در این مقاله فرایند و روشی برای توسعه نقشه‌های دانش سازمانی با استفاده از داده‌های موجود و بر اساس روش‌های کمی ارائه گردیده است. جهت ترسیم نقشه‌ دانش نهان سازمان، رفتار اطلاع‌جویی افراد مبنا قرار گرفت. برای رسیدن به این هدف پایگاه اطلاعات کتابخانه به عنوان منبع شناسایی دانش نهان سازمان انتخاب شد. نقشه دانش آشکار سازمان نیز با استفاده از داده‌های مربوط به تولیدات دانشی سازمان اعم از مقالات و طرح‌های پژوهشی ترسیم گردید. همچنین الگویی جدیدی برای ترسیم نقشه دانش بر اساس داده‌های سازمانی ارائه شد که در نهایت مبنای ترسیم نقشه دانش پژوهشگاه علوم و فناوری اطلاعات ایران قرار گرفت. نقشه‌های ترسیم شده مورد تجزیه و تحلیل قرار گرفتند و با یکدیگر مقایسه شدند. همچنین با توجه به نتایج حاصل از تحلیل نقشه‌ها راهبردهایی برای توسعه دانش در پژوهشگاه ارائه گردید.

کلید چابکی درکسب و کار، در دست داشتن اطلاعات ضروری به شکل بدون تاخیر و البته درست است تا بتوان بر اساس آن بی‌درنگ عمل نمود. با استفاده از سامانه اعلان هشدار هوشمند در سیستم¬های ERP می‌توان به این مهم دست یافت. در کار پیشین، یک معماری نرم¬افزاری مبتنی بر چندین عامل مستقل و همکار ارائه شد که به پیاده‌سازی سامانه اعلان هشدار در سیستم¬های ERP کمک می¬کند. در این مقاله، کار قبلی از چند جهت توسعه می‌یابد. اول این‌که، توصیف صوری معماری پیشنهاد شده به منظور افزایش دقت و رفع ابهام ارائه می‌شود. در این توصیف از زبان مدل‌سازی صوری Z استفاده شده است. همچنین معماری قبل تغییر کرده تا بتواند پاسخ‌گوی ناهمگونی و توزیع‌شدگی بخش‌های مختلف سازمان باشد. در پایان، جهت ارزیابی معماری، یک مطالعه موردی از اجرای آن در سیستم کنترل موجودی انبار کالا ارائه می‌شود. هم‌چنین این معماری از نظر دارا بودن مهم‌ترین شاخص‌های هوش محاسباتی بررسی می‌شود.

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.