انجمن کامپیوتر ایران

ماشین بردار پشتیبان ( SVM ) یک طبقه‌بند دو کلاسه است که در سال های اخیر بسیار مورد توجه قرار گرفته است. عملکرد این طبقه‌بند به مقدار پارامترهای آن از جمله پارامتر C ( Penalty factor ) و پارامتر موجود در کرنل بستگی دارد. همچنین انتخاب تابع کرنل مناسب هم تاثیر بسزایی در بهبود عملکرد آن دارد. در کنار موارد ذکر شده انجام فرایند انتخاب ویژگی نه تنها می تواند باعث بهبود عملکرد طبقه‌بند مذکور شود بلکه باعث کاهش زمان آموزش و پیچیدگی محاسبات نیز می‌گردد. در این پژوهش ما از الگوریتم چند‌هدفه‌ی PSO ( MOPSO ) در بهینه‌‎سازی طبقه‌بند ماشین بردار پشتیبان برای دو تابع هدفِ نرخ بازشناسی و قابلیت اطمینان استفاده کرده‌ایم.

با توجه به حجم عظیم دانش و اطلاعات بشر و رشد روزافزون مستندات در زمینه‌های مختلف، پردازش زبان‌های طبیعی و تبدیل متون به دانش قابل فهم برای ماشین، مورد توجه قرار گرفته است. با استفاده از سیستم‌های استخراج اطلاعات می‌توان بطور خودکار پایگاه دانشی ساخت‌یافته از متون ایجاد کرد. در واقع هدف یک سیستم استخراج اطلاعات، استخراج حقایق از متون غیرساخت‌یافته و نمایش آن‌ها در قالب‌های ساخت‌یافته مانند سه‌گانه‌ها می‌باشد. اگر حقایق در قالب معنایی RDF نگاشت شوند، می‌توان اطلاعات مورد نیاز را با ساخت و ارسال پرس‌وجوهای SPARQL روی پایگاه دانش بدست آورد. در این مقاله، روشی برای استخراج آزاد حقایق از متون زبان فارسی پیشنهاد شده است که در آن استخراج حقایق در سطح جمله و بر اساس تشخیص افعال و روابط وابستگی‌ بین اجزای جمله انجام می‌شود. راه‌کار پیشنهادی، حقایق برای تبدیل به قالب RDF آماده‌سازی می‌کند. نتایج حاصل از ارزیابی نشان می‌دهد که روش پیشنهادی در استخراج حقایق موفق بوده و باعث بهبود دقت و فراخوانی نسبت به سیستم‌های موجود می‌شود.

در در اين مقاله، روشی جدید به منظور تشخیص خودکار بیماری صرع، از روی سیگنال‌های الکتروانسفالوگرافی (EEG) ارائه می‌شود. در این روش، سیگنال‌های EEG با استفاده از آنتروپی تقریبی، انرژی سیگنال و تبدیل موجک گسسته، تجزیه و تحلیل می‌شوند. تشخیص بیماری صرع در دو مرحله صورت می‌گیرد. در مرحله اول، سیگنال‌های EEG، با استفاده از تبدیل موجک گسسته به پنج سطح تجزیه می‌شوند. در مرحله دوم، مقادیر آنتروپی‌تقریبی و میانگین انرژی سیگنال، در زیرباندهای سطوح دوم تا پنجم، استخراج می‌شوند. اختلاف قابل توجهی بین مقادیر آنتروپی تقریبی و میانگین انرژی، در سیگنال EEG نرمال و صرعی، در سطوح دوم تا پنجم تجزیه به وسیله تبدیل موجک گسسته وجود دارد. در نهایت، سیگنال‌های EEG نرمال و صرعی، با استفاده از کلاس‌بندهای (طبقه‌بندی کننده) SVM و Bayes طبقه‌بندی شده و نتایج روش پیشنهادی مورد ارزیابی قرار گرفته و با نتایج سایر روش‌ها مقایسه می‌شوند. این روش سیگنال‌های صرعی و نرمال را با دقت 100 درصد طبقه‌بندی می‌کند.

ردیابی اشیاء متحرک یکی از پرکاربردترین مقوله‌ها در حوزه بینایی ماشین می‌باشد که در طول دهه‌های اخیر توجه محققان زیادی را به خود جلب کرده است. در این مقاله روشی جدید برای ردیابی چندین شی متحرک بصورت همزمان ارائه می‌کنیم. برای این کار ابتدا از اطلاعات حرکت مربوط به " نقاط ویژگی خوب برای ردیابی" برای بدست آوردن نقاط ویژگی مرتبط به اشیاء متحرک استفاده خواهیم کرد. پس از اینکه نقاط ویژگی مرتبط به اشیاء متحرک را مشخص کردیم با استفاده از الگوریتم خوشه‌بندی k-means که در آن تعداد کلاسترها بدون داشتن اطلاعات قبلی در مورد تعداد و نوع اشیاء بصورت اتوماتیک تخمین زده می‌شود به خوشه‌بندی نقاط ویژگی بعنوان اشیاء متحرک مجزا خواهیم پرداخت. در این مقاله از بردار ویژگی شامل اندازه حرکت، جهت حرکت، شدت روشنایی و موقعیت نقاط ویژگی استفاده کردیم. نتایج روش پیشنهادی نشان دهنده دقت بالا برای تخمین تعداد اشیاء متحرک موجود در صحنه و ردیابی سریع آن‌ها دارد.

صفات مرتبط با چهره یکی از رایج‌ترین روش‌هایی است که انسان در زندگی روزمره با استفاده از آن سن اشخاص را تخمین می‌زند. تخمین انسان از سن چهره به دقت دیگر اطلاعات چهره مثل هویت و یا جنسیت نیست. در سال‌های اخیر این موضوع به یکی از مسایل جذاب و چالش برانگیز در حوزه علوم کامپیوتر تبدیل گردیده است، به صورتی که الگوریتم‌های مختلفی در زمینه تخمین سن ارائه شده است، الگوریتم‌هایی که اکثراً مبتنی بر استفاده از روش‌های یادگیری ماشین هستند. در بین الگوریتم‌های ارائه شده، بهترین نتایج تخمین سن را دو الگوریتم یادگیری CPNN و IIS-LLD. در مقاله ارائه شده دو نوع مختلف از ویژگی‌های چهره مورد استفاده قرار گرفته‌اند، ویژگی‌های محلی و ویژگی‌های سراسری. داشته‌اند با توجه به برچسب تصویر چهره هر شخص(سن) در پایگاه‌داده، یک توزیع آماری برای سن هر تصویر چهره ایجاد می‌شود، که این توزیع برای یادگیری سن اصلی و سنین مجاور نیز به کار می‌رود. تعبیر سنین مجاور را می‌توان معادل با استفاده از کلماتی مانند"حدود"برای تخمین سن افراد در زندگی واقعی دانست. با بهره‌گیری از یک شبکه عصبی چند لایه و الگوریتمCPNN ، الگوریتم ارائه شده توانست دقت تخمین سن اشخاص از روی تصویر چهره را نسبت به روش‌هایی که اخیراً ارائه شده، با تعداد نرون‌های کمتر در لایه‌ی پنهان و تسریع فرآیند یادگیری افزایش دهد.

در اين مقاله، مسئله‌ی تخصیص وظیفه‌ی همکارانه‌ی چند رباته در شرایطی که جامعه‌ای از ربات‌های همسان در یک محیط ناشناخته قرار گرفته‌اند، مطالعه شده است. این محیط با دیوار محصور شده است و همچنین نسبت و تعداد لکه‌های رنگی که معرف نوع مشخصی از وظیفه می‌باشند در آن نا‌معلوم‌اند. ربات‌ها تا آنجا که امکان دارد تا قبل از اتمام انرژی خود لکه‌های رنگی را کشف کرده و در آن‌ها به صورت مطلوب اقدام به نمونه‌برداری و لکه‌زدایی همکارانه می‌نمایند. این بدین معنی است که باید متناسب با مساحت هر لکه تعداد مشخصی ربات در آن لکه مستقر شوند. در این مقاله دو روش خودسازمانده‌ی توزیع‌شده که تلفیقی نامیده می‌شوند، به عنوان دو راه‌حل برای این سناریو ارائه شده‌اند. در دو محیط متفاوت عملکرد روش‌ها ارزیابی شده‌ است. از آنجایی که سناریوی مطرح شده راه‌حل معادلی ندارد تنها به مقایسه‌ی عملکرد روش‌های پیشنهادی با یکدیگر پرداخته شده است. همچنین مقیاس‌پذیری و استحکام در برابر از کار افتادگی انفرادی ربات‌ها که دو رکن اساسی در سیستم‌های چندعامله و به خصوص رباتیک توده‌ای محسوب می‌شوند نیز مورد نقد و بررسی قرار داده شده‌اند.

Field Programmable Gate Arrays (FPGAs) are well-knownplatforms for implementing embedded systems due toconfigurability. Recently, high temperature of FPGAs is becominga serious issue due to their higher logic density, clock frequency,and complexity. In this work we propose, implement, andevaluate an embedded system with a thermal aware operatingsystem on the virtex-5 FPGA. It measures the temperature of thedevice using the system monitor IP core configured in the operatingsystem and manages the temperature, not to violate threshold,using the task suspension feature of the operating system. Aresident task in the operating system regularly checks the temperatureof the device and does thermal management if neededby suspending other active tasks for a specified time slot. If thistime slot is correctly chosen, the method degrades performanceonly 7 percent while the temperature threshold is not violated.

مساله راهرو با طول کمینه یا به عبارتی MLC (minimum length corridor)بر روی یک مستطیل که به اتاق‌های متعامد افراز شده است، تعریف می‌شود. مساله MLC به دنبال راهرویی با طول کمینه است. راهرو در واقع یک درخت است که حداقل یک نقطه از محیط هر اتاق را شامل باشد. حالت خاص این مساله، مساله‌MLC-R است که اتاق‌ها در آن مستطیلی هستند. مساله‌های MLC و MLC-R هر دو جزء دسته مسایل NP-Complete هستند و الگوریتم‌های تقریبی برای آنها ارایه شده است. ما در این مقاله بر روی یک مستطیل که به اتاق‌های مستطیلی افراز شده است، به دنبال راهرو با قطر کمینه هستیم. در یک درخت از بین فاصله‌های هر دو نقطه از درخت، فاصله‌ای که بیشترین مقدار را دارد، را قطر درخت می‌نامند. در این مقاله الگوریتمی دقیق و با زمان اجرای چندجمله‌ای برای یافتن راهرو با قطر کمینه بر روی محیط ورودی ارایه می‌کنیم.

در این مقاله یک سیستم پاسخ برای جلوگیری از نفوذ در کاربردهای مبتنی بر SIP ارائه شده است. پروتکل SIP مسئولیت کنترل نشست‌های چندرسانه‌ای (ایجاد، مدیریت و خاتمه) را در شبکه‌های نسل آینده بر عهده دارد. این پروتکل، متنی و دارای یک ماشین حالت اختصاصی برای مدیریت نشست‌ها (تراکنش‌ها و دیالوگ‌ها) در لایه کاربردی است. انتخاب پاسخ در چارچوب پیشنهادی با بکارگیری یک سیستم تشخیص نفوذ اختصاصی برای SIP و با بررسی شرایط لحظه‌ای عملکرد موجودیت موردنظر انجام می‌شود. پس از انتخاب پاسخ مناسب با توجه به شرایط محیطی و براساس خروجی سیستم تشخیص نفوذ، این پاسخ از طریق یک دیواره آتش بر روی ترافیک ورودی اعمال می‌شود. سیستم تشخیص نفوذ پیشنهادی با تعریف یک مجموعه ویژگی اختصاصی بر اساس عملکرد حالت طبیعی پروتکل SIP پیشنهاد داده شده است. ارزیابی روش پیشنهادی با بکارگیری سه مجموعه دادگان موجود انجام شده است. نتایج این ارزیابی‌ها بر روی سه مجموعه دادگان مختلف نشان می‌دهد که چارچوب پیشنهادی برای ارائه پاسخ خودکار به نفوذ در کاربردهای مبتنی بر SIP، عملکرد بسیار مناسبی برای حذف درخواست‌های حمله دارد.

روش هنجارسازي طول مجراي صوتيیکی از روش های رایج برای کاهش تاثیرات ناشی از طول‌های مختلف مجرای گفتار گویندگان است. در اين روش بااعمال يك ضريب پيچش فرکانسي روي طيف سيگنال گفتار گويندهاختلاف طول مسير صوتي بين گويندگان مختلف جبران مي‌شود. اما بدست آوردن ضريب پيچش هر گوينده امري با هزينه محاسباتي بالا است. در اين مقاله روشي براي تخمين سريع ضريب پيچش فركانسي در روش هنجارسازي VTLN ارائه شده است. براي اين منظور ابتدا تعدادی مولفه كه وابستگي قابل توجهي به گوينده دارند معرفي شده و سپس با استخراج اطلاعات آماري، تعداد 53 ويژگي از آنها استخراج شده است. سپس با استفاده از روش‌ انتخاب ويژگي مرحله به مرحله 9 ويژگي كه بيشترين تاثير را بر مقدار ضريب پيچش دارند انتخاب می نماییم. در ادامه براي تخمين سريع ضريب پيچش با اين 9 ويژگي، از روش رگرسيون خطي و با در نظر گرفتن عبارات متقابل علاوه بر عبارات تكي استفاده كرديم. نتايج پياده‌سازي نشان داد كه از ميان ويژگي‌هاي به كار رفته، ميانه گام گفتار و امتياز جنسيت بيشترين همبستگي را با ضريب پيچش دارند و وجود آن ها در ميان ويژگي‌ها الزامي است. همچنين تركيب ويژگي‌هاي انتخابي بهترين نتيجه را در بر داشته است.

خوشه‌بندی یک روش ارتباطی در شبکه‌های حسگر بی‌سیم است. در خوشه‌بندی قابلیتی برای تغییر نقش کاربردی گره‌ها وجود دارد. در هر خوشه گره‌ای به نام سرخوشه تعیین می‌شود که مدیریت گره‌های دیگر موجود در خوشه را بر عهده دارد. خوشه‌بندی اهداف متعددی دارد اما بیشتر تمرکز روش‌های خوشه‌‌بندی که پیش از این ارائه شده، بر استفاده کارآمدتر از انرژی است و اهدافی مانند تحمل خطا و مقیاس‌پذیری شبکه کمتر مورد توجه می‌باشند. همچنین مسیریابی در اکثر روش‌های خوشه‌بندی ارائه نمی‌شود. در این مقاله برای دستیابی به اهداف استفاده کارآمدتر از انرژی، تحمل خطا و مقیاس‌پذیری شبکه، یک روش خوشه‌بندی و مسیریابی لایه‌ای با استفاده از گره‌های جانشین سرخوشه ارائه گردیده است. در این روش محیط عملیاتی به چندین لایه فرضی تقسیم می‌شود و گره‌ها نسبت به موقعیت لایه‌ای خود خوشه‌بندی می‌شوند. همچنین از گره‌های جانشین سرخوشه برای ایجاد مسیر انتقال داده‌ها از سرخوشه به ایستگاه پایه استفاده می‌شود. برای افزایش تحمل خطای شبکه می‌توان از جانشین سرخوشه بجای سرخوشه در زمان بروز مشکل استفاده کرد. نتایج شبیه‌سازی‌ها نشان‌دهنده عملکرد بهتر روش پیشنهادی در افزایش طول عمر، تحمل خطا و مقیاس‌پذیری شبکه نسبت به روش‌های موجود می‌باشد.

بسیاری از سیستم‌های اطلاعاتی را ‌می‌‌توان به شکل شبکه‌ای ناهمگن، شامل گره‌ها و یال‌ها از انواع مختلف، مدل کرد. برای مثال در پایگاهی حاوی اطلاعات مقالات چاپ شده، انواع گره‌ها نظیر نویسنده، مقاله و کنفرانس و ارتباطات مابین آن ها قابل تعریف است. جستجوی شباهت گره ها در شبکه‌های ناهمگن از موضوعاتی است که در سال های اخیر مورد توجه محققین در حوزه ی علوم شبکه قرار گرفته است. برای این منظور شباهت گره ها با در نظر گرفتن مسیرهای مختلف مابین آن ها در شبکه تعریف شده است. به طور مشخص با استفاده از مفهوم فرامسیر - مسیرهایی که گره ها را از طریق چند نوع رابطه به یکدیگر متصل می‌کنند - معانی مختلفی از شباهت را خواهیم داشت. تاکنون چندین معیار شباهت بر پایه چارچوب فرامسیر مطرح شده است. با این حال میزان اهمیت هر فرامسیر در این روش ها در نظر گرفته نشده است که باعث می‌شود بخشی از اطلاعات تاثیرگذار در شناسایی گره های شبیه از بین برود. در این مقاله، یک معیار شباهت مبتنی بر فرامسیر، به نام SimSim، پیشنهاد داده شده است که با توجه به شباهت گره های درون یک مسیر، اهمیت آن مسیر را در نظر می‌گیرد. آزمایش‌ها بر روی مجموعه داده ی واقعی، میزان موثر بودن و کارایی این روش را به خوبی نشان می‌دهد.

امروزه روش های رده بندی چندبرچسبی کاربردهای فراوانی در رده بندی متون و یادداشت گذاری روی تصاویر و ویدئوها دارد. از آنجایی که در دنیای واقعی بین برچسب ها ارتباطاتی وجود دارد، یافتن ارتباطات و استفاده از آن در مراحل آموزش و رده بندی در مطالعات جدید مورد توجه قرار گرفته است. در برخی کارهای اخیر در مرحله آموزش رده بند از قوانین انجمنی برای مدل سازی ارتباطات بین برچسب ها استفاده شده است. این قوانین در مرحله رده بندی، به منظور اصلاح برچسب هایی که رده بند پیش بینی نکرده است، مورد استفاده قرار می گیرند. در این مقاله روش جدیدی پیشنهاد کرده ایم که با استفاده از آن می توان در عملیات پس پردازش، علاوه بر اصلاح برچسب هایی که توسط رده بند پیش بینی نشده اند، برچسب هایی را که به اشتباه پیش بینی شده اند نیز اصلاح کرد. به این ترتیب که در روش پیشنهادی، علاوه بر ارتباطات مثبت بین برچسب ها، از ارتباطات منفی بین برچسب ها نیز در اصلاح نتایج رده بندی نمونه استفاده کرده ایم. آزمایشهای تجربی انجام شده روی دو مجموعه داده ی استاندارد و رایج در حوزه رده بندی چندبرچسبی نشان می دهند استفاده از ارتباطات منفی به همراه ارتباطات مثبت بین برچسب ها باعث بهبود معیارهای مهم ارزیابی رده بندها می شود.

محل‌یابی خطا یکی از طاقت‌فرساترین و زمان‌برترین فعالیت‌ها در توسعه نرم‌افزار است. بنابراین همواره خودکارسازی محل‌یابی خطا و کمینه کردن دخالت انسان در کشف محل خطا مورد توجه پژوهشگران بوده است. به بیانی دقیق‌تر می‌بایست زمانی که یک خطا گزارش می‌شود از طریق پردازش محتوای گزارش خطا، کد و غیره، مکان خطای گزارش‌ شده را تا حد امکان دقیق پیدا کرد. در این میان شناسایی توسعه‌دهندگانی که احتمال وقوع خطا در کد آن‌ها بیش از سایرین است، به شناسایی فایل‌های حامل خطا کمک خواهد کرد. در این مقاله روشی مبتنی بر بازیابی اطلاعات ارائه شده است که گزارش خطا را گرفته و با استفاده از کد، مخزن مدیریت نسخه و سوابق نویسندگان، فایل‌های احتمالی حامل خطا را به صورت مرتب‌شده بر اساس احتمال وجود منشأ خطای گزارش‌شده در آن‌ها به عنوان خروجی برمی‌گرداند. از طریق اجرای نسخه پیاده‌سازی شده این روش بر روی سه پروژه متن‌باز شناخته‌شده، ثابت کردیم که در نظر گرفتن مشارکت‌های پیشین افراد تیم در رتبه‌بندی فایل‌ها تأثیر مثبت خواهد داشت.

تحولات شگرف دهه های اخیر در حوزه های ارتباط رایانه ای، بی گمان گسترش تجارت الکترونیکی را به یک فرض حتمی بدل ساخته است. در حوزه تجارت الکترونیکی، بکارگیری سیستم های نرم افزاری قوی و تامین نیازهای کسب و کار برای بقای شرکت ها از جایگاه ویژه ای برخوردار است. متدهای چابک، تضمین کننده "تسریع زمان بازار"، "رضایت مشتریان" و "کیفیت بالای نرم افزار" است. انتخاب متد چابک مناسب، براساس تصمیم یپیچیده و چند معیاره استوار است که می تواند پیامدهای شگرفی بر موفقیت سیستم های تجارت الکترونیکی داشته باشد. در این مقاله برای مقایسه متدولوژی های چابک در فضای تجارت الکترونیکی، از روش تحليل سلسله مراتبي استفاده شد. از این رو ابتدا معیارها و زیرمعیارهای مهم تجارت الکترونیکی برای استفاده از متدهای چابک، درسه دسته معیار اصلی "ویژگی های مدیریتی کسب و کار"، "ویژگی های کیفی کسب و کار" و "ویژگی های تیم برنامه نویسی" تعريف شد. سپس معیارها به صورت مقايسه زوجي ارزیابی و وزندهي شد و در آخر نتايج با استفاده از اكسپرت چويس بررسي شد. سپس میزان اهمیت متدولوژی های چابک بر مبنای معیارهای مهم تر تجارت الکترونیکی، براساس نظر کارشناسان بررسی شد. نتایج مطالعه موید آن است که خبرگان، متد XP را نسبت به سایر متدها در تجارت الکترونیکی کارآمدتر می دانند.

با ظهور متدولوژی چابک تعاریف مختلفی برای آن عنوان شد و براساس این تعاریف و قوانین مربوط به این تعاریف، متدهای مختلفی به وجود آمد که نقطه اشتراک همه آن‌ها چرخه تکرار کوتاه، بازخورد سریع مشتری و یادگیری است. این متدها به علت تکیه بر میزان رضایت مشتری و ارائه راه‌حل با استفاده از تیم نرم‌افزاری خود سازمانده مورد توجه است. در سال‌های اخیر تفکر ناب که ابتدا در حوزه خودروسازی مطرح شده بود، وارد صنعت نرم‌افزار شد و به تنهایی یا به صورت ترکیبی با متدهای چابک مورد استفاده قرار گرفت. تفکر ناب به دنبال بالا بردن ارزش‌های تعریف شده در توسعه نرم‌افزاری و کاهش اتلاف‌های آن است. با توجه به تأثیر مثبت این تفکر بر روی متدهای چابک بررسی انواع اتلاف‌های این تفکر در این متدها مورد اهمیت است. ما در این مقاله به بررسی انواع اتلاف ناب و مقایسه میزان این اتلاف‌ها در پنج متد چابک می‌پردازیم تا میزان تطابق آن‌ها با تفکر ناب مشخص شود.

مدل‌های موضوعی بر مبنای هم رخدادی کلمات در یک سند عمل می‌نمایند ولی براساس اصل هم رخدادی کلمات، در بسیاری موارد مدل کردن هم رخدادی در واحدهای کوچکتر منجر به درک بهتری از ارتباطات میان کلمات می‌گردد. بر همین مبنا در اين مقاله، مدل جدیدی برمبنای مدل تخصیص پنهان دریکله (LDA) معرفی شده است که سعی می‌کند ارتباطات محلی در داخل یک سند را با استفاده از یک پنجره هم رخدادی وارد مدل LDA نماید. مدل LDA و مدل پیشنهادی بر روی پیکره 20newsgroups مقایسه شده‌اند و نتایج بدست آمده نشان می‌دهد که مدل پیشنهادی علاوه بر کاهش چشمگیر perplexity، تاپیک های دقیق‌تری نیز تولید کرده است.

رایانش ابری مسئله‌ای است که امروزه بیش از هر موضوع دیگری موردتوجه قرارگرفته است. با توجه به پیشرفت‌های مختلفی که در عرصه تکنولوژی به وجود آمده است، همه‌ روزه حجم بالایی از داده تولید می‌شود به‌طوری‌که داده‌های آنلاین موجود در جهان به طرز قابل‌ توجهی در حال افزایش هستند و موضوع داده‌های بزرگ پا به عرصه گذاشته است. در بحث داده‌های بزرگ علاوه بر مسائل ذخیره‌سازی و بازیابی، نیازمند آن هستیم که امنیت و حریم خصوصی آن‌ها را تضمین کنیم. در این راستا، در این مقاله با استفاده از روش نگاشت-کاهش روشی برای تضمین حریم خصوصی داده‌های بزرگ ارائه‌شده است و بعلاوه زمان اجرا و مقیاس‌پذیری روش موجود را بهبود بخشیده است.

در راستای فراهم آوردن سرعت پردازش بیش‌تر، تولیدکنندگان تجهیزات کامپیوتری همواره در صدد افزایش کارایی محصولات خود بوده‌اند. امروزه پردازنده‌های چند هسته‌ای به عنوان راهی برای رسیدن به کارایی و موازی‌سازی بیش‌تر مورد استفاده قرار می‌گیرند. استفاده‌ی مناسب از منابع پردازشی در این پردازنده‌ها می‌تواند در افزایش کارایی برنامه‌ها بسیار موثر باشد و در نقطه‌ی مقابل، عدم استفاده‌ی بهینه و شایسته از آن‌ها نه تنها باعث عدم افزایش کارایی بلکه در مواردی باعث افت شدید کارایی در برنامه‌ها خواهد شد. یکی از مناسب‌ترین مدل‌های برنامه‌نویسی برای موازی‌سازی داده، مدل نگاشت-کاهش می‌باشد. چارچوب‌های مختلفی بر طبق این مدل به وجود آمده‌اند که چارچوب Phoenix++ برای سیستم‌های با حافظه مشترک پیاده‌سازی شده است و هدف آن پشتیبانی از اجرای کارا روی سیستم‌های چند هسته‌ای است بدون این‌که برنامه‌نویس مسئولیت مدیریت هم‌روندی را بر عهده داشته باشد. با توجه به اهمیت کاهش مصرف انرژی در سال‌های اخیر، زمان اجرا را نمی‌توان به عنوان تنها معیار ارزیابی کارایی در نظر گرفت. قربانی کردن کارایی به خاطر کاهش انرژی، به یکی از معیار‌های مهم ارزیابی یک سیستم کامپیوتری مبدل گشته است. به منظور کاهش انرژی، می‌توان از قابلیت‌های سخت‌افزاری مانند تنظیم پویای ولتاژ و فرکانس استفاده کرد. با این حال قابلیت‌های سخت‌افزاری را نمی‌توان به تنهایی کافی دانست و از این رو باید آن را با منطق دیگری ادغام نمود تا بتوان مشخص کرد که به چه میزانی باید از تکنیک‌های کاهش انرژی استفاده کرد که درعین‌حال کارایی نیز حفظ شود و زیاد افت نکند. در این مقاله مدلی ارائه می‌کنیم که با در نظر گرفتن تعداد هسته‌های فعال، تعداد نخ‌ها، سطح فرکانس کاری و شمارنده‌های کارایی معیار انرژی-کارایی را برای برنامه‌های موازی مبتنی بر Phoenix++ پیش‌بینی می‌کند و با نتایج آزمایش‌هایی که بر روی سیستم واقعی به دست آورده‌ایم دقت مدل را گزارش می‌کنیم.

الگوریتم‌های ترکیبیاتی در بسیاری از مسائل ریاضیات و کامپیوتر، نقش مهمی را ایفا می‌کنند. تولید اشیاء ترکیبیاتی ازجمله درخت‌ها که یکی از پایه‌ای‌ترین ساختارهای داده در علوم کامپیوتر می‌باشد، یکی از مهم‌ترین موضوعاتی است که تاکنون موردتوجه بسیاری از محققان قرارگرفته است. بیشتر الگوریتم‌های تولید درخت، به‌جای تولید مستقیم درخت‌ها از تولید کدهای معادل درخت‌ها استفاده می‌کنند. همچنین هر الگوریتم تولید درخت، از ترتیب مشخصی برای تولید درختان استفاده می‌کند. هر ترتیب مشخص می‌کند که در فرایند تولید اشیاء، کدام شئ قبل و یا بعد از شئ دیگری قرار دارد و اولین شی ای که باید تولید شود کدام است. رو یو وو وهمکارانش، نحوه نمایش جدیدی به نام RD-sequence را برای درختان t-ary با nگره داخلی معرفی نمودند و با استفاده از آن الگوریتم رتبه گذاری و رتبه گشایی جدیدی را ارائه نمودند. در این مقاله دو الگوریتم برای رتبه گذاری و رتبه گشایی درختان t-ary با مرتبه زمانی O(tn) ارائه‌شده است. درخت‌های t-ary در ترتیب B-order تولید می‌شوند و رویه رتبه گذاری و رتبه گشایی درختان بر پایه کدگذاری درختان به‌وسیله دنباله z-sequence است.