انجمن کامپیوتر ایران

خزنده¬ها مهم‌ترین و اولین بخش موتورهای جستجو هستند که بهبود عملکرد آن¬ها تأثیر چشم¬گیری در بهبود نتایج نهایی دارد.محدودیت منابع نظیر زمان و حافظه، باعث می‌شود تا هر خزنده تنها 8 تا 12 درصد از حجم عظیم صفحات وب را در مخزن محلی خود نگه ¬دارد.همه¬ی خزنده¬ها فرآیند خزش را در عمق خاصی مثلاً عمق 5 متوقف می¬کنند. در این مقاله الگوریتمی پیشنهاد شده است تا صفحات بهتر، پیش از بقیه دانلود شوند. در نتیجه پس از توقف فرآیند خزش می¬توان مطمئن بود که بیشتر صفحات دانلود شده از بین بهترین صفحات قابل دسترس از URL شروع بوده‌اند. برای بررسی کارایی الگوریتم پیشنهادی، عملکرد آن با یکی از الگوریتم‌های جستجو مقایسه شده است.

سيستم¬ بازنويسي ترم (TRS) مدلي انتزاعي از زبان¬هاي تابعي ارائه مي¬دهد.اثبات پايان¬پذيرييکTRSبراي تاييد درستي عملکرد زبانهاي تابعيضروري است.روش برچسب¬گذاري معنايي(SL) روشي کامل براي اثبات پايان¬پذيري به شمار مي¬رود. بخش معنايياين روش توسط يک شبه-مدلاز تفسير تابع¬نشانه¬ها ايجاد مي¬شود. بيشتر توان روش SLبه استفاده از مدل¬هاي نامتناهي مربوط مي¬شود کهارائه آنها در ابزارهاي آزمون خودکار پايان¬پذيري دشوار است. در اين مقاله روش SL با دامنه تفسيراعداد طبيعي به شکلي با ترتيب کُنت-بنديکس (KBO) ترکيب شده تا بتوان اثبات پايان¬پذيري با مدل¬هاي نامتناهي را به طور خودکار انجام داد. ابتدا تعميمي از KBO به نام ترتيب کُنت-بنديکس برچسب¬گذاري(ℓKBO) ارائه، سپس توانايي آن را در اثبات پايان-پذيري TRS نشان داده¬ايم. الگوريتم جستجوي خودکار يک ℓKBO براي يک TRSمعرفيشده و عملکرد آن روي کتابخانه TPDB 3.1 با موفقيت مورد آزمون قرار گرفته است.

چندپخشی یکی از اساسی‌ترین نیاز‌های شبکه‌های حسگر بی‌سیم است که در آن داده‌ها برای تمامی گره‌های شبکه ارسال می‌شوند. بسیاری از کاربردها در زمان‌هایی از کار شبکه، نیازمند ارسال چندپخشی هستند.در تعداد زیادی از کارهای انجام شده در زمینه‌ی ارسال چند پخشی، فرض شده که گره‌های شبکه همیشه بیدار هستند. در حالی‌که در شبکه‌های حسگر بی‌سیم، برای صرفه‌جویی در مصرف انرژی و افزایش طول عمر شبکه، گره‌ها بین حالت خواب و بیداری سوئیچ می‌نمایند و این عمل ارسال داده پخشی را دشوار می‌کند. در این مقاله، ما مساله پخشی را با درنظر گرفتن حالت خواب و بیداری گره‌ها، مبتنی بر سیستم حدنصاب، مورد بررسی قرار می‌دهیم و روش‌هایی را ارائه می‌کنیم که بتواند تعداد دفعات ارسال داده پخشی و همچنین تاخیر آن را کاهش دهد. روش‌های ارائه شده را توسط انجام شبیه‌سازی‌های متعدد بررسی کرده‌ایم. نتایج شبیه‌سازی نشان داده است که پیشنهاد‌های ارائه شده در این مقاله نسبت به کارهای مشابه انجام شده کارایی بهتری را فراهم می‌کند.

با استفاده از شبکه هاي بزرگ وپيچيده امنيت شبکه به يک مسئله مهم تبديل شده است . در اين مقاله يک نظريه مرکز عمليات امنيت شبکه بر اساس تکنولوژي همبستگي هشدارهاي چند حسگر از نقطه نظر امنيت شبکه معرفي شده است. همبستگي هشدار يک فرآيند است که هشدارهاي توليد شده توسط يک يا تعداد بيشتري سيستمهاي تشخيص نفوذ را تجزيه وتحليل مي کند و يک نماي سطح بالا و موثرتر از تلاشهاي نفوذ يا نفوذ اتفاق افتاده فراهم مي کند.معماري پيشنهادي در اين مقاله متشکل از چندين لايه است که عبارتند از: 1- لايه تجهيزات امنيتي شبکه 2- لايه داده 3- لايه ارائه و منطق امنيت 4- لايه کاربر. همبستگي هشدارها در معماري پيشنهادي بصورت يک فرآيند مي باشد کهشامل يک مجموعه جامع از مولفه ها و يک ابزار همبستگي زمان واقعي مبتني بر اين مدل مي باشد و قادر است تعدادي از مجموعه داده هاي متفاوت را در زمان واقعي پردازش کند. براي شناسايي اينکه چگونه هر مؤلفه به اهداف کلي همبستگي کمک مي کند و عملکرد زمان واقعي همبستگی را معتبر مي سازد، اين ابزار روي تعدادي از مجموعه داده هاي تشخيص نفوذ اعمال شده است. فرآيند همبستگي مورد بحث، قادر است تا هشدارهاي شبکه هاي واقعي را پردازش کند و قدرت کافي براي حملات انکار خدمت و موقعيتهايي که شبکه تحت حملات سنگين قرار مي گيرد را دارد. نتايج آزمايشات نشان مي دهد که ابزارهاي همبستگي هنگامي که در زمان واقعي عمل مي کنند، در دستيابي به کاهش هشدار و چکيدگي موثرند .

در این مقاله موضوع ساخت یک درخت چندپخشی بهینه در شبکه های مش بیسیم را بررسی می کنیم، در ساخت درخت قصد داریم روشی میانی پیشنهاد دهیم بطوریکه بتواند از مزایای دو روش معروف در ساخت درخت یعنی SPT و MNT استفاده کند، در ساخت درخت گیرنده ها سعی می کنند با کمترین گام ممکن به منبع چندپخشی وصل شوند که نتیجه آن کاهش تأخیر انتها به انتها برای رساندن بسته های چندپخشی از منبع چندپخشی به گیرنده های چندپخشی است، از طرف دیگر در روش پیشنهادی سعی شده تعداد گره های فوروارد در شبکه کاهش یابد، چون یکی از دلائل اصلی تداخل بسته ها در شبکه و وجود مشکلات ترافیکی افزایش تعداد گره های فوروارد در ساخت درخت چندپخشی است، در قسمت شبیه سازی الگوریتم پیشنهادی را از نقطه نظر پارامترهای مختلفی مثل گذردهی، متوسط طول مسیر، تعداد گره های فوروارد و تأخیر انتها به انتها در شبیه ساز NS2 با الگوریتم های SPT و MNT مقایسه کرده ایم، تقریباً الگوریتم پیشنهادی کارایی قابل قبولی در مقایسه با دو الگوریتم ذکر شده دارد.

ما یک مدل مقید محلی سه بعدی برای استخراج ویژگی های چهره مقاوم به حرکت سر ارائه می دهیم . راه حل ما ترکیبی از اطلاعات شدت روشنایی و اطلاعات عمق چهره در قالبی مشترک می باشد که در این مقاله ارائه شده است. از این مدل می توان جهت تخمین زاویه سر در جهت های سه گانه و تعیین موقعیت سر نسبت به دوربین ایستا در تصاویر دوبعدیو همچنین استخراج نقاط مهم چهره مقاوم با چرخش سر برای کاربردهای دیگر نیزاستفاده کرد . ما نشان می دهیم که تعیین موقعیت سر با استفاده از این راه حل در تمام جهات سرعت بالایی در کارهای بلادرنگ داردو به صورت تمام اتوماتیک ومستقل از تغییرات روشنایی وافرادخواهد بود. همچنین این مدل ارائه شده مقاوم به شش حالت اصلی چهره و انسدادهای جزیی (عینک و موهای صورت و...) می باشد. بنابراین می توان گفت یک تخمین زاویه سر بدون قید و شرط همراه با تعیین موقعیت سر ارائه می دهیم.

l-diversity یکی از مدل های حفظ حریم خصوصی است که برای انتشار داده هایی که در اختیاریک سازمان نظیر یک بیمارستان است مورد استفاده قرار می گیرد. الگوریتم های زیادی برای پیاده سازی این مدل برای حالتی که داده ها تنهادر اختیاریک سازمان است، ارائه شده. ولی ما در این مقاله قصد داریم یک پروتکل چند طرفه امن بدون حضور شخص ثالث مورد اعتماد برای پیاده سازی مدل l-diversity در محیطی که داده ها به صورت توزیع شده در اختیار چندین طرف است،ارائه دهیم. پیاده سازی l-diversity به صورت چند طرفه در مقابل روشی که هر یک از طرفین به تنهایی داده های خود را منتشر میکنند، باعث می شود که کیفیت داده¬های حاصل بهتر شود. پروتکلی که ارائه داده ایم با تغییر روبکرد انتشار بازه ای به انتشار مجموعه ای توانسته کیفیت داده¬های خروجی را به طور قابل ملاحظه ای بهبود دهد. و همچنین از لحاظ مرتبه زمانی، اجرای پروتکلبا الگوریتم تک طرفه برابر می¬باشد. بنابراین با کمترین هزینه، امنیت را برای هر یک از طرفین درگیر در پروتکل تامین کرده ایم که باعث شده این پروتکل کاملاً کاربردی گردد.

این مقاله به ارائه رهیافتی نوینبرای اداره محدودیت در بهینه¬سازی چندهدفه می¬پردازد. بدین منظور، الگوریتم بهینه¬سازی ازدحام ذرات چندهدفه،جهت اداره محدودیت¬ها توسعه داده شده است. راهکار ارائه شده از سیاست تفکیک فضای محدودیت و فضای هدف و عدم دستکاری در فضای هدف پیروی می¬کند. بر این اساس ذرات موجه در فضای هدف و ذرات ناموجه در فضای محدودیت تکامل می¬یابند. همچنیننویسندگان، راهکار تعویض سردسته برای ذرات ناموجه راپیشنهاد می¬کنند. الگوریتم ارائه شده بر روی 12مسأله محک مورد آزمایش قرار گرفته و با 2 الگوریتم¬ پرکاربرد و بروز در این زمینه مقایسه شده و نتایج خوبی را بدست آورده است.

سیستم‌های نسل چهارم، ترکیبی از شبکه‌های بی‌سیم ناهمگن می¬باشند؛ در این سیستم‌ها گره‌های سیار می‌توانند در فضایی که در محدوده پوشش شبکه‌های مختلف قرار دارد حرکت کرده و بر اساس نیاز، مناسب‌ترین شبکه را به منظور ادامه ارتباط انتخاب نمایند. در چنین سیستم‌هایی یکی از مهم‌ترین مسائل در تعیین میزان کارایی گره سیار، بحث انتخاب شبکه می‌باشد. در این مقاله روشی برای انتخاب شبکه ارائه شده که پارامترهای پهنای‌باند در دسترس، هزینه سرویس، نیروی سیگنال دریافتی و سرعت حرکت کاربر را برای بهبود کارایی جابجایی از شبکه WiMAX به شبکه WiFi در نظر می‌گیرد. در این روش برای دست‌یابی به اطلاعات شبکه‌های مجاور از استاندارد IEEE 802.21 استفاده می‌شود. روش رایج برای انتخاب شبکه در جابجایی میان شبکه‌های ناهمگن، از نیروی سیگنال دریافتی و نوع واسط شبکه استفاده می‌کند؛ در حالی که در روش پیشنهادی، گره سیار علاوه بر تخمین مدت زمان اقامت در شبکه WiFi، شرایط کیفیت سرویس این شبکه را نیز مورد بررسی قرار می‌دهد. بر اساس نتایج شبیه سازی با استفاده از نرم افزار شبیه‌ساز NS-2، تعداد جابجایی‌ها در روش پیشنهادی نسبت به روش رایج، %30 کاهش یافته، نسبت بسته‌های حذف شده به کل بسته‌ها %21 کم شده و %17 به گذردهی سیستم افزوده شده است.

به دلیل عدم وجود کنترل مرکزی یا اطلاع کافی از مکان اشیاء در شبکه¬های نظیربه¬نظیر غیر¬ساخت¬یافته، طراحی یک روش جستجوی کارا در این¬گونه شبکه¬ها بسیار مورد توجه است. در روش k-قدم¬های تصادفی، به عنوان یکی از روش¬های جستجو، تعیین مقدار k به طور تصادفی، می¬تواند بر معیارهای کارایی شبکه تاثیر قابل توجهی داشته باشد. در این مقاله، یک روش جستجوی توزیع¬شده خودتطبیق با بهره¬گیری از اتوماتای یادگیر ارائه شده است تا این چالش را برطرف کند. در این روش، نیازی به تعیین مقدار k به طور تصادفی از قبل نیست، بلکه هر نظیر، می¬تواند همسایه خود را به صورت تطبیقی بیابد. با به¬کارگیری اتوماتای یادگیر برای هر گره، همه همسایه¬هایی که دارای بالاترین احتمال جستجوی موفق در مراحل قبلی جستجو هستند، به صورت تطبیقی انتخاب می¬شوند. سابقه جستجو برای هر گره، در جداولی ذخیره می¬شود که در زمان جستجو، بر اساس مقادیر احتمالی موجود در آنها، تصمیم¬گیری برای انتخاب همسایه¬ها انجام خواهد شد. شبیه¬سازی¬ها نشان می¬دهد که روش جستجوی پیشنهادی، برخی ویژگی¬ها را مانند میانگین تعداد همسایه¬ها به ازای هر درخواست، میانگین تعداد پیام¬های تولید شده، تعداد اشیاء کشف¬شده به ازای هر درخواست و همچنین میزان موفقیت در جستجو در مقایسه با روش k-قدم¬های تصادفی، بهبود می-بخشد.

شناسایی رفتارهای پیچیده انسان تحلیل خودکار فعالیت­های انجام شده توسط انسان در ویدئو است. یکی از رویکردهای شناسایی رفتارهای پیچیده رویکرد توصیفی مبتنی بر گراف است. این رویکرد برای مدل­سازی رفتارهای پیچیده به همراه زمان شروع و پایان و محل انجام زیررفتارها مناسب­تر است. به منظور شناسایی رفتار رویدادی در ویدئو باید عمل انطباق گراف با رفتارهای مدل شده بر گراف صورت گیرد. در این مقاله نحوه مدل کردن رفتارهای پیچیده بر روی گراف ارتباط ویژگی و همچنین روشی برای اجرای انطباق گراف با استفاده از معیار EMD مطرح شده است. عمل انطباق گراف در دو مرحله انجام می­شود. در مرحله اول EMD میان دو گره بر مبنای ماتریس فاصله ایجاد شده از فاصله زوج گره­ها و لبه­های میان آن­ها محاسبه می­شود. مولفه های این ماتریس بیانگر عدم تشابه گره­ها و لبه­های هردو گراف رفتاری است. با اعمال مجدد EMD بر روی ماتریس فاصله حاصل، "ماتریس جریان" تشکیل می‌شود که از آن می­توان نگاشت دو گراف را بدست آورده و عمل شناسایی رفتار را انجام داد. نتایج حاصل از ارزیابی این روش بر روی مجموعه داده Rochester که شامل رفتار های پیچیده می باشد، میزان دقت 6/90 درصد را نشان می­دهد.

خودشبیهی مفهومی است که در دو دهه¬ی گذشته وارد ادبیات شبکه¬های کامپیوتری شده است و نقش به سزایی در مدلسازی ترافیک شبکه¬های کامپیوتری دارد. وجود خاصیت خودشبیهی در ترافیک شبکه اثبات شده است و مشخصات آن با مدل¬های ترافیک مبنی بر توزیع پواسون متفاوت است. مدل¬های ترافیک شبکه¬های کامپیوتری نقش به سزایی در بهبود کیفیت خدمات دارند. بنابراین، برای رسیدن به کیفیت خدمات بهتر باید ویژگی خودشبیهی در مدل¬های ترافیک شبکه لحاظ شود. در این مقاله، ما دو مجموعه ترافیک شامل ترافیک شبکه دانشگاه یزد و ترافیک گروه MAWI را تحلیل می¬کنیم. تاثیر شرایط مختلف مانند بار ترافیک و کیفیت زیر ساخت را بر میزان خودشبیهی بررسی می¬کنیم. همچنین، درجه خودشبیهی پروتکل¬های مختلف و دلایل وجود اختلاف بین آن¬ها مرور می¬شود. نتایج به دست آمده حاکی از وجود رابطه مستقیم بین بار شبکه و میزان خودشبیهی بود. همچنین، وجود رابطه بین کیفیت زیرساخت و شدت وابستگی بلند مدت مورد بررسی قرار گرفت و رابطه معنی¬داری مشاهده نشد.

Hill Cipher (HC) is a polygraph symmetric data encryption method which is based on matrices. In 2011, Desoky et al.proposed the Bitwise Hill Crypto System (BHC) which is based on bit arithmetic. In this paper,weanalyze BHC and show that it is insecure. Then, we propose a new modification using chaotic map which provides better security

دسته بندی‌کننده بیزساده یکی از روش‌های دسته‌بندی متداول مبتنی برنظریه بیزین می‌باشد که در حوزه داده‌کاوی و یادگیری ماشین بطورکارآمد مورد استفاده قرارگرفته است. با این وجود، فرض پایه این دسته بندی‌کننده که استقلال مشروط بر دسته ویژگی‌ها می‌باشد، اغلب در مسائل کاربردی مطرح در دنیای واقعی نقض و منجر به کاهش کارایی دسته بندی‌کننده می‌شود. دراین مقاله یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم جستجوی هارمونی باینری که از روش‌های فرا اکتشافی نوظهور می باشد برای غلبه بر این مشکل و بهبود عملکرد این دسته بندی کننده پیشنهاد شده است. نتایج پیاده‌سازی‌ها در خصوص سه مساله دسته بندی «مجموعه داده بیماری دیابت»، «مجموعه داده یونسفر» و «مجموعه داده سونار» به عنوان مسائل متداول تشخیص الگو با ابعاد ویژگی کم، متوسط و بالا نشان می‌دهد که دقت دسته‌بندی‌کننده بیز پیشنهادی از دسته‌بندی‌کننده بیز ساده و دسته بندی کننده‌های بیز وزن‌دار مبتنی بر گسسته سازی ویژگی‌ها بهتر می‌باشد. همچنین نتایج آزمایشات از غلبه روش پیشنهادی بردسته بندی‌کننده بیز مبتنی بر الگوریتم ژنتیک از نظر زمان لازم برای آموزش مدل و دقت دسته بندی در مسائل با ابعاد متوسط و بالا حکایت می‌نماید.

در این مقاله روش تازه‌ای برای تشخیص لبه در تصاویر دیجیتال معرفی‌شده است. برای این منظور مسأله‌ی تشخیص لبه به عنوان یک مسأله‌ی بهینه‌سازی در نظر گرفته شده است که در آن به هر تصویر از لبه‌ها یک مقدار هزینه اختصاص می‌یابد. در واقع در این روش ما با تابع هزینه‌ای روبرو هستیم که می‌بایست کمینه شود. این تابع هزینه با توجه به معیار‌های موجود برای یک لبه‌ی ایده‌آل تعریف شده است. پیکر‌بندی تصویر لبه‌ها به صورت یک ماتریس دو بعدی است که به هر پیکربندی یک کشور در فضای راه حل مسأله اطلاق می‌‌شود و هر کشور هزینه‌ی متناظر با پیکربندی خود را دارد. با استفاده از سازو‌کار‌های موجود در الگوریتم رقابت استعماری یعنی Assimilation و Revolution که در ادامه توضیح داده می‌‌شوند، تابع هزینه کاهش داده شده و بهترین جواب مسأله‌ که بهترین تصویر لبه‌های تصویر اصلی‌است به دست آورده می‌شود. تصاویر لبه به دست آمده از این روش نشان دهنده‌ی کیفیت لبه‌های به دست آمده می‌‌باشد. در واقع این موضوع بیانگر این است که الگوریتم رقابت استعماری، ابزار قدرت‌مندی برای جستجو در فضای راه حل مسائلی‌با پیچیدگی ‌و گستردگی زیاد می‌‌باشد.

به منظور بهبود دسته‌بندی اسناد چندین رویکرد مختلف وجود دارد که یکی از مهم‌ترین آن‌ها استفاده از بردار ویژگی مناسب است. در دسته‌بندی اسناد معمولاً کلمات، اجزای بردار ویژگی را تشکیل می‌دهند. از آن‌جایی که در هر مجموعه‌ی اسناد تعداد بسیار زیادی کلمه وجود دارد؛ در این مقاله روشی نوین برای تولید بردار ویژگی مناسب، به منظور بهبود دسته-بندی اسناد علمی فارسی ارائه می‌شود. روش پیشنهادی ارتباطات معنایی بین کلمات هر سند را با استفاده از اصطلاح‌نامه استخراج می‌کند. سپس به منظور انتخاب ویژگی‌های دسته‌بند، روش نوین و کارآمد گروه‌بندی کلمات سند از لحاظ ارتباطات معنایی را، بکار می‌گیرد. برای ارزیابی و مقایسه روش پیشنهادی از مجموعه پایان‌نامه‌های ایران‌داک (پژوهشگاه علوم و فناوری اطلاعات ایران) استفاده می‌شود. نتایج آزمایشات نشان می‌دهد، عملکرد دسته‌بندی با بکارگیری این روش نسبت به انتخاب ویژگی بدون استفاده از اصطلاح‌نامه به صورت قابل توجهی افزایش می‌یابد.

امروزه عملیات تست مدارات دیجیتالی از بخش‌های اصلی فرایند ساخت هر قطعه دیجیتالی می‌باشد. به منظور تسریع و کاهش هزینه‌ی تست مدار، از شبیه‌ساز اشکال استفاده می شود. هدف این مقاله ارائه‌ی روشی برای تسریع این عملیات شبیه‌سازی با استفاده از GPU می‌باشد. در این روش ابتدا توصیف مدار در قالبی شبیه‌ به VHDL به برنامه داده شده و پس از تبدیل این توصیف به ساختاری قابل ذخیره‌سازی و انتقال این ساختار داده به حافظه‌ی GPU الگوریتم شبیه‌سازی موازی توسط پردازنده‌ی GPU که دارای معماری CUDA می‌باشد به صورت چند هسته‌ای برروی مدار ورودی اجرا می‌شود. از بین الگوریتم‌های موجود برای پیاده‌سازی شبیه‌ساز اشکال، الگوریتم شبیه‌سازی موازی انتخاب گردید. زیرا برای مدارهای ترکیبی که تاخیر گیت‌های آن صفر و یا یکسان فرض شود و همچنین سیگنال‌های مدار همگی دودویی باشند، الگوریتم شبیه‌سازی موازی، بیشترین بازده را از نظر سرعت دارا می‌باشد. نتایج حاصل نشان می‌دهد که برای مداری با تعداد n اشکال پیاده‌سازی شبیه‌ساز اشکال موازی بر روی k هسته‌ی GPU شبیه‌سازی را نسبت به شبیه‌سازی سریال بر روی پردازنده‌ی تک هسته‌ای، با مرتبه‌ی O(kn) تسریع می‌بخشد. که برای k» n مرتبه‌ی تسریع O(n2) می‌شود.

کاهش مصرف انرژي يکي از چالش‌هاي اساسي در مراکز داده است. در ميان مولفه‌هاي مختلف مرکز داده، ذخيره‌سازي يکي از بزرگترين مصرف‌کنندگان انرژي است. در اين مقاله، يک الگوريتم جايگزيني حافظه نهان ارائه کرده‌ايم که مصرف انرژي و در عين حال ميانگين زمان پاسخ را کاهش مي‌دهد. روش ارائه شده با سربار زماني و حافظه‌اي کمتري نسبت به روش‌هاي مشابه به اين هدف مي‌رسد. نتايج شبيه‌سازي قابليت کاربرد روش ارائه شده در سيستم‌هاي واقعي و همچنين بهبود در معيارهاي ذکر شده را نشان مي‌دهد.

کنترل توپولوژی، روش مهمی برای بهینه‌سازی مصرف انرژی و افزایش طول عمر در شبکه‌های حسگر بی‌سیم با چگالی بالا است. هدف از کنترل توپولوژی ساده‌سازی گراف شبکه است که موجب کاهش مصرف انرژی می‌شود اما ممکن است کنترل توپولوژی افزایش تاخیر و کاهش ظرفیت شبکه را بهمراه داشته باشد.اکثرکارهای ارائه شده در این زمینه برای تامین معیارهایی نظیر تاخیر، تداخل و ظرفیت شبکه روشی را ارائه نموده‌اند. در این مقاله روشی پیشنهاد شده است که توانسته با توجه به انرژی مصرفی، انرژی باقی مانده گره‌ها و محاسبه میزان انحراف معیار انرژی مصرفی، به طور توام تاخیر، تداخل و توزیع مصرف انرژی را برای ایجاد یک معیار جدید در نظر گیرد و یک توپولوژی با تامین محدویت تاخیر ارائه دهد.نتایج شبیه سازی نشان می‌دهد که روش پیشنهادی در مقایسه با کارهای موجود در عین تامین محدودیت تاخیر، مصرف انرژی را کاهش داده و موجب افزایش طول عمر شبکه می‌شود.

ردیابی هدف عملیاتی مهم در شبکه‌های حسگر، بخصوص حسگر متحرک است. از کنترل توده برای ردیابی یک هدف متحرک در یک شبکه‌ی حسگر متحرک استفاده می‌شود. کم و بیش مشکلاتی در این روش کنترل وجود دارد؛ یکی از آنها طراحی کنترل توده‌ی بهینه با پارامترهای توده‌ی بهینه است تا حسگرهای متحرک با بهترین سرعت به هدف همگرا شوند و بخوبی زمان ردیابی را کاهش دهند. این مقاله، بهینه‌سازی الگوریتم کنترل توده را برای ردیابی یک هدف پویا در یک شبکه‌ی حسگر متحرک ارائه می‌کند. روش بهینه‌سازی براساس الگوریتم بهینه‌سازی ازدحام ذرات است. هدف کلی این مقاله پیدا کردن پارامترهای بهینه برای الگوریتم کنترل توده بدون مانع است تا رفتارهای گروهی خواسته شده را برای کم کردن تابع برازندگی انجام دهد. هر چه انطباق موقعیت مرکز توده بر هدف بیشتر باشد، حسگرها توانایی ردیابی بهتر و ذخیره انرژی بیشتری دارند. نتایج حاصل از شبیه‌سازی کارایی الگوریتم بهینه‌سازی ازدحام ذرات را در بهینه‌سازی الگوریتم کنترل توده نشان می‌دهند.