انجمن کامپیوتر ایران

پيش¬بينی نقص نرم¬افزار يکی از موثرترين روش¬های مطرح در کاهش هزينه¬ی آزمون نرم¬افزار است. در اين روش تعداد احتمالی نقص در هر بخش از نرم¬افزار پيش¬بينی می¬شود و بخش¬های نقص¬پذير محتمل در اولويت آزمون قرار می¬گيرند. اطلاع از میزان سودمندی این روش در پروژه¬های موجود به مدیر پروژه کمک می¬کند تا از سودمندی روش پیش¬بینی نقص درک بهتری داشته باشد و بهتر از این روش استفاده کند. برای این منظور در این مقاله میزان سودمندی پیش¬بینی نقص در چهل¬و¬هشت پروژه¬ی متن¬باز توصیف شده و ارتباط میزان سودمندی با چگالی نقص و اندازه¬ی پروژه بررسی شده است. در انجام آزمایشات، معیار اثربخشی¬هزینه برای سنجش میزان سودمندی بکار رفته است و از تحلیل پیرسون برای بررسی ارتباط¬های مورد نظر استفاده شده است. نتایج آزمایشات بر روی مجموعه¬داده¬های گنجینه¬ی پرامیس نشان داده است که متوسط اثربخشی هزینه در پروژه¬های مورد بررسی 0.59 است و هرچه چگالی نقص در یک پروژه کمتر شود، پیش¬بینی نقص، اثربخش¬تر است به طوری که برای پروژه¬هایی که در آن ها در هر کیلو خط از کد، حداکثر یک نقص وجود دارد، اثربخشی هزینه بیشتر از 0.80 است. ارتباطی بین اندازه¬ی پروژه و اثربخشی هزینه مشاهده نشده است.

روش تجزیه WZ، یکی از روشهای مستقیم برای حل عددی دستگاه¬های معادلات خطی بویژه دستگاه¬های حاصل از زنجیره¬های مارکوف است.این روش می¬تواند سریعتر از روش تجزیه LU باشد.پیاده¬سازی¬های رایج روش تجزیه WZ برخلاف روش تجزیه LU که به عناصر ماتریس بصورت سطری دستیابی می¬کنند، به عناصر ماتریس هم بصورت سطری و هم بصورت ستونی دستیابی می-کنند.از آنجا که این پیاده¬سازی¬ها به موضوع محلیّت داده توجه لازم را نشان نداده¬اند، برای ماتریس¬های با ابعاد بزرگ با مشکل جدی در محلیت داده روبرو هستند. در این مقاله روش تجزیه WZ را به¬گونه¬ای تغییر داده¬ایم که تمام دسترسی¬ها به عناصر ماتریس سطری شوند. با اینکار شاهد بهبود فوق¬العاده در محلیّت داده بوده¬ایم.

حجم زیاد داده¬های وب معنایی و رشد سریع¬ آنها چالش محاسباتی عمده¬ای در استنتاج مقیاس¬پذیر و موثر بوجود آورده است. بیشتر آنتولوژی¬ها Aboxهای بزرگی دارند، یعنی ادعاها در مورد اجزاء و روابط بین آنها بسیار زیاد است. معمولا سه¬گانه¬هایی با گزاره-مفعول¬ یکسان در آنتولوژی¬ها وجود دارد. برای استنتاج روی این سه¬گانه¬ها می¬توان آنها را در یک دسته قرار داد. از این واقعیت به عنوان ایده اصلی برای کاهش تعداد سه‌گانه¬ها استفاده شده است. یک الگوریتم نموی برای خلاصه¬سازی Abox براساس این ایده طراحی و پیاده¬سازی شده است. ابتدا خلاصه¬سازی آنتولوژی به شکل افزایشی در حافظه اصلی انجام می¬شود. سپس فرآیند استنتاج روی Abox خلاصه¬شده انجام می¬شود. آزمایش روی داده¬های مصنوعی استاندارد و دنیای واقعی انجام شده است. نتایج ارزیابی¬ها نشان ¬دهنده صحت و دقت صد درصدی این رویکرد است و میزان خلاصه¬سازی صورت گرفته امیدوار کننده¬ است، این خلاصه‌سازی همچنین باعث کاهش چشمگیر زمان انجام فرآیند استنتاج می¬شود.

امروزه استفاده از سامانه¬های شناسایی از طریق فرکانس رادیویی یا سامانه¬های RFID روز به روز در حال گسترش است. این سامانه¬¬ها به طور گسترده برای شناسایی اشیا و افراد، به عنوان ابزاری جهت نظارت خودکار بر زنجیره‏های تولید، کنترل موجودی انبارها، و ... کاربرد دارند اما به دليل محدوديت در توان محاسباتي و حافظه در برابر تهديدات امنيتي مختلف ، آسيب‏پذيرند.پروتكل‏هاي احراز اصالت، راهکارهائی به منظور حفظ حريم خصوصي كاربران و حذف برخی آسيب‏پذيري‏هاي امنيتي هستند. در همین راستا پروتکل¬های احراز اصالت فراوانی در سطوح مختلف مطرح گردیده است. یکی از پروتکل¬هایی که در این زمینه مطرح شده است پروتکل ارائه شده توسط لو و یه در سال 2010 بود. با توجه به ضعفی که در طراحی خطی این پروتکل وجود داشت حمله جعل هویت برچسب بر روی آن صورت گرفت. در این مقاله با استفاده از ایده مزبور و با بدست آوردن کلید محرمانه مشترک بین برچسب و سرویس دهنده، حمله¬ی جعل هویت سرویس دهنده به عنوان یکی از موثرترین حملات، ارائه و جهت جلوگیری از حمله صورت گرفته پیشنهادی مطرح می¬شود.

پیشرفت و بهبود نسل بشر نمی‌تواند کاملا وابسته به تغییرات ژنتیک باشد. بلکه تعاملات انسانی، رفتار اجتماعی، و فاکتورهای دیگر نیز نقش اساسی در فرآیند بهینه‌سازی دارند. از آنجایی که تعاملات اجتماعی اجازه تطبیق و پیشرفت سریعتری نسبت به ژنتیک می‌دهند، یک الگوریتم بهینه‌سازی می‌تواند شامل فاکتورهای اجتماعی و افزاینده در سرعت همگرایی باشد. البته این مشخصه‌ها می‌توانند بعدها به صورت رمزهای ژنتیکی از نسلی به نسل دیگر انتقال یابند. چنین مشخصه‌هایی به فرهنگ و الگوریتم‌هایی که آنها را به کار می گیرند به الگوریتم‌های فرهنگی موسوم هستند. البته یکی از نواقص این نوع الگوریتم‌ها تشکیل یک فرهنگ و تبعیت همه اشخاص از همان فرهنگ می‌باشد که گهگاه موجب گیرافتادن درون بهینه‌های محلی، در طول روند تکامل می‌گردد. برای برطرف این نقص در این مقاله، روشی به نام رتبه‌بندی Pareto برای انتخاب رهبران و افزایش تنوع در نسل‌های این الگوریتم بکار گرفته شده است. نتایج حاصل، اشاره به افزایش سرعت همگرایی روش ترکیبی جدید نسبت به نوع استاندارد آن دارد.

در سال¬های اخیر فشار و تغییرات رقابتی بر محیط کسب و کار باعث افزایش اهمیت حوزه¬های رقابتی شده است.باید تلاش نمود تا حوزه¬های رقابتی و ابزارهای مناسب آن¬را در سازمان¬های کشور بکارگیری نمود. یکی از این ابزارها استفاده از رویکرد هوش رقابتیاست. امروزه سازمان¬هایی به مزیت رقابتیبیشتری دست خواهند یافت که از محدوده فعالیت¬های خود و دیگران ارزیابی درست¬تری داشته باشند. هوشمندی رقابتی اشاره به این دارد که اطلاعات مفید را از محیط رقابتی استخراج نماید و پس از تحلیل صحیح، استراتژی¬های کارساز را برای سازمان تولید و ترویج نماید. هوش رقابتی سازمان¬ها را توانا می¬سازد تا از رقبای خود پیشی گرفته و جایگاه ویژه¬ای در عرصه رقابت کسب نمایند. در این مقاله ابتدا به مفاهیم مربوط به هوش رقابتی و آمادگی سازمان پرداخته شده است، سپس عوامل کلیدی موفقیت پیشنهادی از دیدگاه سازمانی برایتعیین آمادگی سازمان¬در پذیرش هوش رقابتی ارائه شده است، و مطالعه موردی تحقیق حاضر در سازمان بانک ملی ایران صورت پذیرفته است. اطلاعات مورد نیاز برای ارزیابی ازطریق پرسشنامه و نرم¬افزار لیزرل مورد تجزیه و تحلیل قرار گرفته است.

امروزه کاربردهای چندرسانه‌ای روی شبکه‌ از یک سو و استفاده از شبکه‌های بی‌سیم به علت سادگی و دیگر مزایایی که دارد از سوی دیگر مورد توجه و استقبال زیادی قرار گرفته است. اما تامین کیفیت سرویس برای کاربردهای چندرسانه‌ای در این شبکه‌ها امری چالش‌برانگیز است. به منظور تامین کیفیت سرویس مورد نیاز کاربردهای چندرسانه‌ای، استاندارد IEEE 802.11e ارایه شد که به کمک مکانیسم دسترسی به کانال توزیع شده‌ی بهبود یافته (EDCA) تا حدی کیفیت سرویس فراهم می‌شد. اما به علت طبیعت متغیر و پویای کانال بی‌سیم نگاشت ثابت بسته‌ها به صف‌های اولویت‌دار متفاوتی که مکانیسم EDCA فراهم می‌کرد کیفیت سرویس ایده‌آل برای کاربردهای چندرسانه‌ای فراهم نمی‌شد؛ از این رو در این مقاله سعی شده با استفاده از مکانیسم بین‌لایه‌ای و بر بستر استاندارد 802.11e روشی برای نگاشت پویای بسته‌های ویدیویی و غیر ویدیویی به صف‌های مختلف ارایه شود. روش مورد بحث با توجه به شرایط غیر قطعی کانال، از یک سری قوانین فازی استفاده می‌کند. شبیه‌سازی‌ها نشان می‌دهد که روش ارایه شده در این مقاله کیفیت ویدیو دریافت شده در سمت گیرنده را بهبود می‌دهد.

در سال¬های اخیر با معرفی محاسبات ابری و قابلیت آن در ارائه منابع نامحدود در بسیاری از زمینه¬ها به عنوان راه¬حلی جدید در نظر گرفته شد. یکی از این زمینه¬ها محاسبات علمی است. حل بعضی از مسائل علمی به دلیل نیاز به منابع پردازشی بالا زمان¬گیر، هزینه¬بر و عملا غیرممکن است. به منظور بررسی بیشتر قابلیت بکارگیری منابع ابر در حل مسائل علمی، تعدادی مسئله علمی انتخاب و برروی ابر پیاده¬سازی شدند. به¬منظور اجرای این مسائل برروی ابر می¬بایست آنها را به یک چارچوب¬ تبدیل نمود تا امکان موازی¬سازی کارها و اداره شکست ماشین¬ها به صورت خودکار فراهم شود. در نتیجه این مقاله با انتخاب چارچوب MapReduce، قابلیت محاسبات ابری را از طریق بررسی قابلیت این چارچوب در حل مسائل مورد بررسی قرار داد. نتایج سرعت این الگوریتم¬ها نشان داد که این چارچوب برای حل مسائلی که بتوان کارها را به شکل کاملا مستقلی از هم انجام داد بسیار مناسب است. اما در الگوریتم¬های تکرارشونده که در هر تکرار الگوریتم باید یک کار MapReduce جدید ایجاد شود، این چارچوب سرعتی در حد الگوریتم¬های کاملا موازی ندارد اما سرعت به¬خوبی افزایش یافته و قابل¬قبول است. همچنین MapReuce مقیاس¬پذیری خوبی نشان می¬دهد. در کل می¬توان گفت محاسبات ابری یک راه¬حل ارزشمند است.

امروزه با افزایش چشمگیر منابع و مستندات متنی، تکیه بر روش¬های بازیابی اطلاعات پاسخگوی نیاز کاربران و محققان نیست. به همین دلیل توجه به روش¬ها و الگوریتم¬های خلاصه¬ساز متن در سال¬های اخیر رشد قابل توجهی یافته است. در بین روش¬های مختلف خلاصه¬ساز متن، روش¬های مبتنی بر هوش جمعی، جایگاه ویژه¬ای داشته و توانایی خوبی در حل مسائل به خصوص مسایلی با فضای گسترده جستجو دارند. در این مقاله ضمن ارائه روش دسته ماهی¬های مصنوعی و نسخه بهبود یافته آن برای حل مسأله خلاصه¬سازی، مقایسه¬ای نیز بین روش¬های ذکر شده با روش بهینه سازی گروه ذرات انجام می¬دهیم تا مزیت روش دسته ماهی بهبودیافته را نسبت به سایر روش¬ها مشاهده کنیم.

سرطان سینه یکی از رایج¬ترین بیماری¬ها در سال¬های اخیر به شمار می¬آید. تشخیص سرطان در مراحل ابتدایی، می¬تواند تاثیر بسزایی در درمان این بیماری داشته باشد؛ بطوریکه اخیراً تلاش¬های فراوانی جهت تشخیص زودهنگام آن صورت گرفته است. اکثر روش¬های موجود در مواجهه با تصاویر واقعی با ابعاد بالا عملکرد ضعیفی دارند و باید از یک متخصص در کنار آنها بهره گرفت. در اين مقاله، روشی نوین جهت تشخیص زودهنگام سرطان سینه در تصاویر ماموگرافی ارائه شده است. با توجه به توانایی تبدیل موجک در تجزیۀ تصویر و تفکیک جزئیات می¬توان از آن برای آشکارسازیعلائم این نوع سرطان، در ماموگرام¬ها استفاده کرد.استخراج ویژگیدر این روش با استفاده از تبدیل موجک دو بعدی انجام می¬شود؛ بطوریکه این ویژگی¬ها جهت تشخیص وجود علائم سرطان در تصاویر، مورد استفاده قرار می¬گیرند. پس از مرحلۀ استخراج ویژگی، طبقه¬بندی توسط ماشین بردار پشتیبان صورت می¬پذیرد.در ارزیابی¬های صورت گرفته، از تصاویر واقعی با ابعاد بزرگ به عنوان داده¬های ورودی استفاده شده است و نتایج نشان می¬دهد که روش استخراج ویژگی پیشنهادی، می¬تواند تأثیر چشمگیری در بهبود عملکرد سیستم¬تشخیص داشته باشد.

اعتماد را می¬توان به عنوان یکی از بزرگترین موانع پذیرش، رشد و گسترش رایانش ابری بشمار آورد. محیط پویا و توزیع شده¬ی رایانش ابری باعث به وجود آمدن چالش¬های امنیتی و ریسک¬های متفاوتی نسبت به سایر چارچوب¬های توزیع شده، گردیده است. گسترش کابردهای رایانش ابری اهمیت ایجاد یک مدل کارا برای ارزیابی اعتماد در چنین محیطی را بیش از گذشته نموده است. همان¬گونه که در روابط اجتماعی، سطح دانش یا خبرگی و همچنین داشتن سابقه‌‌ای از روابط با افراد می‌تواند ارزش بیشتری را برای پیشنهادهای آن¬ها در نزد ما ایجاد نماید، در محیط رایانش ابری نیز توجه به تاثیر عامل خبرگی و سابقه‌ی استفاده از خدمات می‌تواند نتیجه‌ی ارزیابی اعتماد سرویس‌دهنده را به واقعیت نزدیک‌تر کند. در این مقاله روشی پیشنهاد می-شود که با دخیل نمودن این دو عامل، ارزیابی اعتماد کاربران نسبت به سرویس دهنده‌ی ابر را بهبود می¬بخشد. روش پیشنهادی بر مبنای شبکه¬های بیزین طراحی¬ شده، و توانایی کشف رفتارهای منفعت‌طلبانه‌ی سرویس‌دهندگان را دارا¬ می¬باشد. ارزیابی¬ها نشان می‌دهد که این روش قابلیت بررسی تغییرات رفتاری احتمالی سرویس‌دهندگان در طول زمان، و ارزیابی پویای اعتماد را بهتر فراهم کرده است.

گذر به دوران پسا رشتگی در آموزش های دانشگاهی حوزه پر کاربرد رایانش ، ناگزیر بنظر می رسد. اما این گذار ، جهت توفیق ، نیازمند تحقق کمینه دانش و یادگیری مهارت های لازم ، در فارغ التحصیلان است. در این مقاله چارچوبی برای تحقق این امر ، پیشنهاد شده است. این پیشنهادات با فراهم سازی امکان رشد دانش های میان رشته ای ، از تربیت خیل کم دانشان علاقمند به مفاهیم نو ، میتواند جلوگیری کرده و بعنوان ضابطه و معیار گسترش این دوره ها ، عمل کند . با تاکید بر نحوه و لزوم تحقق کمینه سواد لازم از چند رشته تلفیقی سازنده میان رشته ، ساز و کار اختصاص دروس جبرانی برای دانشجویان ورودی ، توصیه این چارچوب است . تبیین دورن پسا رشتگی در پی اعصار پیشا رشتگی و رشتگی و تدقیق بیشینه گزینه های پسا رشتگی ، شامل چند رشتگی ، میان رشتگی ، بین رشتگی و فرا رشتگی از دیگر موضوعات این مقاله است. اینک که به علت تراکم داوطلبان و دانشجویان در دوره های تحصیلات تکمیلی و به علت ناکافی بودن امکانات ، در مواردی ، مراکز آموزشی با کاهش کیفیت آموزشها مواجه هستند ، با بکارگیری پیشنهادات این مقاله شاید بتوان از گسترش دوره های میان رشته ای با کیفیت نازل پیشگیری نمود و از این رخداد که حاوی یک تهدید بالقوه است ، یک فرصت ساخت.

از مهمترین ویژگی های شبکه های موردی متحرک خاصیت متحرک بودن گره¬هاست که نقش بسزایی در پارامترهای شبکه ایفا می¬کند. این شبکه ها هیچ زیرساخت از پیش تعریف شده ای ندارند اما بوسیله ساختارخوشه می توان برای آن یک ساختار ایجاد کرد. در این خوشه ها یک گره مرکزی و اصلی بنام سرخوشه وجود دارد که دارای نقش اساسی در نگهداری ساختار خوشه، مسیریابی و کارایی شبکه دارد. در این مقاله یک روش خوشه بندی جدید دو مرحله¬ای بر اساس وزن گره ها ارائه شده است. برای محاسبه وزن اولیه از پنج پارامتر چگالی، پایداری، تعداد گره های همگرا ، میانگین فاصله و انرژی استفاده شده است. وزن نهایی نیز بر اساس تحرک نسبی حال و پیش بینی تحرک نسبی آینده گره ها نسبت به همدیگرمحاسبه شده است. هدف این روش کاهش تعداد تغییرات سرخوشه ها و بیشینه کردن طول عمر شبکه است. با نتایج حاصل از شبیه سازی و مقایسه با روش¬های WCA ،MOBIC و Lowest-id مشاهده می کنیم که روش بیان شده اهداف ما را محقق می¬سازد.

There has been a big revolution in electronic commerce since the advent of recommender systems. Most of the current recommender systems are designed for B2C e-commerce sites. But this paper focuses on building a recommendation algorithm that increases volume and speed of forming trades between users by considering special features of C2C e-commerce sites. In this paper, we consider users and transactions between them as a network in which nodes represent users and edges represent transactions between them. By this mapping, link prediction approaches could be used to build the recommender system. The proposed model, rather than topology of the network, uses nodes’ features like: category of items, ratings of users, and reputation of sellers. The results show that the proposed model can be used to predict future trades between users in a C2C commercial network

پيش‌بيني صحيح بار علاوه بر صرفه جويي در هزينه هاي سرمايه گذاري ، امكان برنامه ريزي بهتر براي توسعه نيروگاه‌ها و شبکه‌های انتقال و توزيع را فراهم مي آورد. در ایران بدلیل وجود دو تقویم شمسی و قمری در موارد خاصی همچون روزهای بین تعطیل ، تعطیلی های پیاپی بارمصرفی متفاوت دارند .در فصل بهار و پائیز که درجه حرارت محیط در اغلب نقاط کشور معتدل می باشد بار شبکه نسبت به فصول تابستان و زمستان به مراتب پایین‌تر است، به همین دلیل در این 2 فصل، توزیع بار اغلب دارای خطای زیاد خواهد بود. خطای زیاد در پیش‌بینی بار ،نیاز به روشهای دیگر برای افزایش دقت و بهبود خطا را نشان می دهد. بررسی روش‌های قبل نشان می دهد که دسته بندی بار با توجه به تقویم شمسی و قمری در بهینه سازی مسئله ازاهمیت بالایی برخوردار است. در این تحقیق پس از دسته بندی داده‌های بارمصرفی، بردار ورودی مناسب برای سری زمانی انتخاب گردید وخروجی سری زمانی به ورودی شبکه عصبی که توسط بیزین آموزش داده شده اعمال میگردد. توانسته است با استفاده از بار روزهاي قبل در آموزش شبكه، در مقایسه با سایر روش‌ها دقت پيش‌بيني را تا حد زيادي بهبود بخشد.

در اين مقاله، یک الگوریتم افزایشی بر مبنای فاکتورگیری نامنفی ماتریس به‌منظور حاشیه‌نویسی چندبرچسبی تصویر به صورت نیمه‌نظارتی پیشنهاد شده است. الگوریتم پیشنهادی، با استفاده از روش فاکتورگیری افزایشی نامنفی ماتریس به-جای روش عادی فاکتورگیری نامنفی ماتریس، می‌تواند یک زیرفضای مبتنی بر بخش را به صورت خطی در یک شمای برخط یاد بگیرد. این روش افزایشی قابلیت کاهش بُعد فاکتورگیری نامنفی ماتریس را بدون افزایش بار محاسباتی حفظ کرده و همچنین پیچیدگی مکانی را بدون مقیم کردن داده‌ی ورودی جدید در حافظه، ثابت نگه می‌دارد؛ بنابراین می‌توان به کمک این روش مجموعه داده‌های بزرگ را نیز حاشیه‌نویسی کرد. نتایج آزمایشات بر روی سه مجموعه داده‌ی استاندارد نشان می‌دهد که روش پیشنهادی دقت حاشیه‌نویسی را بهبود بخشیده و مهم‌تر از آن پیچیدگی زمانی را مستقل از تعداد نمونه‌ها کاهش داده است.

در اين مقاله، ما یک مدل را در جهت اندازه‌گیری میزان شباهت دو جمله در ترجمه ماشینی مبتنی بر مثال ارائه کرده‌ایم. در مدل ارائه شده از الگوریتم ژنتیک و یک تابع برازندگی جدید که مبتنی بر بار معنایی منطبق شده بین دو جمله می‌باشد استفاده گردیده است. ما فعل‌ها را به عنوان قلب یک جمله در نظر گرفته‌ایم چون بخش اساسی یک جمله بشمار می‌آیند و مقادیر زیادی از بار معنایی جمله را حمل می‌کنند. بنابراین ما در تابع برازندگی ارائه شده توجه بیشتر خود را بر روی افعال جمله قرار داده‌ایم. این نکته قابل توجه است که مدل ارائه شده دارای وابستگی زیادی به بخش گفتاری و مترادف-های کلمات استخراج شده از وردنت و همچنین ترتیب کلمات دارد. نتایج بدست آمده از آزمایشات انجام شده بر روی دو پیکره (مجموعه مثال) نشان می‌دهد که الگوریتم ارائه شده، کیفت تطابق جملات را در ترجمه ماشینی مبتنی بر مثال بهبود بخشیده است و ما به میانگین دقت 79.5 درصد در آزمایشات انجام شده یر روی پیکره‌ها رسیده‌ایم.

افزایش فرکانس کاری و توان مصرفی بالای پردازنده‌‌های مدرن باعث ایجاد دمای بسیار بالایی در سطح تراشه ‌می‌شود. این دمای بالا برروی قابلیت اطمینان سیستم، هزینه‌‌ی خنک ‌کنندگی و عمر قطعه‌‌ی سخت ‌افزاری تاثیر منفی می‌‌گذارد. برای رفع بحران دمایی، تکنیک‌‌های مدیریت حرارتی پویا (در زمان اجرا) و ایستا (در زمان طراحی و کامپایل) ارائه شده‌‌اند. در تکنیک‌های پویا که در زمان اجرا سعی در رفع بحران دمایی می‌‌کنند، یکی از اساسی ترین نیازمندی‌‌ها، دستیابی به دمای هسته است. برای بدست آوردن دمای هسته می‌‌توان از حسگرهای حرارتی روی تراشه استفاده کرد و نیز می ‌توان از شمارنده‌‌های کارایی بهره برد. استفاده از حسگرها برای بدست آوردن دما ممکن است ایده آل بنظربرسد، اما محدودیت ‌هایی دارد از جمله: محدودیت زمانی یک ثانیه‌‌ای خواندن مقادیر حسگرها و هزینه‌‌ی پیاده ‌سازی بالای این حسگرها. دراین مطالعه سعی می‌‌کنیم روش‌‌های جدیدی برای «تخمین دمای هسته در یک ثانیه بعد با استفاده از شمارنده‌‌های کارایی» ارائه کنیم. براساس نتایج بدست‌ آمده توانسته‌ایم میانگین قدرمطلق خطا را 76% بهبود دهیم.

زمانبندی وظایف یکی از مهمترین چالش‌های سیستم‌های رایانش ابری است. به دلیل محدودیت‌ها و ناهمگن بودن منابع، مسأله زمانبندی جزء مسائل NP-Complete می‌باشد. یک روش زمانبندی مناسب، در کاهش زمان اجرای وظایف و بهره‌وری منابع بسیار تاثیرگذار است. تاکنون از روش‌های بسیاری مانند Min-Min، Max-Min و الگوریتم‌های فرامکاشفه‌ای مانند GA و PSO برای زمانبندی وظایف در محیط ابر استفاده شده است. در الگوریتم‌های مختلف ارائه شده برای زمانبندی وظایف در محیط ابر در بیشتر موارد، خصوصیات منابع مانند پهنای باند، به عنوان پارامتر موثر در تولید جواب نهایی در نظر گرفته نشده‌ است. در این مقاله برای دستیابی به یک توازن بار مناسب و افزایش بهره‌وری منابع، از تابع هزینه جدیدی برای محاسبه زمان اجرای وظایف بر روی منابع موجود در محیط ابر استفاده می‌کنیم. در این تابع هزینه، پارامتر پهنای باند منابع نیز به عنوان معیار موثر در تولید جواب نهایی در نظر گرفته می‌شود. برای دستیابی به پاسخ بهینه نیز، نسخه بهبود یافته الگوریتم رقابت استعماری جهت نگاشت مجموعه وظایف به منابع موجود در محیط ابر ارائه گردیده است. هدف این الگوریتم استفاده از توانایی‌های الگوریتم رقابت استعماری با توجه به سرعت مناسب آن در یافتن پاسخ بهینه است. همچنین به منظور افزایش قابلیت پویش و جلوگیری از همگرایی سریع الگوریتم به بهینه محلی از فرآیندی مشابه با بازترکیب یکنواخت در بخش سیاست جذب(همگونسازی) استفاده شده است. نتایج پیاده‌سازی مسأله و مقایسه آن با الگوریتم‌های ژنتیک و PSO، نشان‌دهنده دستیابی به زمانبندی بهتر وظایف می‌باشد.

این مقاله دربردارنده‌ی نتایج تحقیقات و اندازه‌گیری عملی خدمات ارائه‌شده‌ی شرکت تحویل محتوای آکامای است که توسط نویسندگان مقاله عرضه می‌شود. این شرکت در حوزه‌ی تحویل محتوا پیشتاز بوده و بالاترین سهم را در بازار دارد. اندازه‌گیری‌های انجام شده با هدف درک کارایی از نقطه نظر کاربران ایرانی صورت گرفته است. آزمایشات در تابستان 92 انجام شده و دوره‌ی اندازه‌گیری شامل اندازه‌گیری‌های روزانه در فواصل زمانی دو ساعته بوده است. از آنجایی‌که برخی کاربران با استفاده از آدرس IP غیر ایرانی (استفاده از VPN) اقدام به دریافت محتوا می‌نمایند، اندازه‌گیری‌ها در دو حالت بدون VPN و با استفاده از VPN نیزانجام شده است. نتایج حاصل از اندازه‌گیری بسیار جالب و قابل تامل می‌باشد مثلاً بهترین زمان دریافت فایل در بازه‌ی زمانی 10 صبح تا 12 ظهر به زمان استاندارد ایران برآورد شده است. نتیجه‌ی جالب دیگر بالا بودن زمان پاسخ در طول ساعات شبانه‌روز است که مؤید غیر بهینه عمل کردن مولفه‌ی "مسیریابی درخواست‌ها" در آکامای است. امید است چنان‌چه سرویس تحویل متحوا در ایران برقرار گردد، نتایج این پژوهش به مهندسی کارایی آن کمک موثر نماید.