انجمن کامپیوتر ایران

این مقاله یک الگوریتم بیزین تغییراتی توزیع شده برای تخمین چگالی و دسته بندی داده ها در شبکه های سنسوری نظیر به نظیر (peer –to- peer) ارائه می کند. در این الگوریتم، مقادیر چکیده محلی در هر گره، تنها با استفاده از داده های محلی محاسبه می شود. سپس با استفاده از یک روش میانگین گیری peer-to-peer مقادیر چکیده محلی به گره های همسایه فرستاده می شود و چکیده سراسری در هر گره محاسبه می شود. پس از آن، هر گره با استفاده از چکیده سراسری پارامترهای مدل ترکیبی گوسی را به روز رسانی می کند. در این الگوریتم هر گره فقط نیاز به ارتباط با گره های همسایه دارد، در نتیجه الگوریتم پیشنهاد شده مقیاس پذیر و مقاوم است. در پایان، برای ارزیابی کارایی الگوریتم ذکر شده، چندین شبیه سازی ارائه شده است.

استفاده از سيستم‌هاي تشخيص نفوذ براي تشخيص و کاهش حملات اينترنتي در سيستم‌هاي امروزي ضروري است. سيستم‌هاي تشخيص نفوذ، با گرفتن اطلاعاتي از سيستم‌هاي تحت نظارتشان مانند ترافيک شبکه يا رفتار فرآيندها، رفتارهاي نامطلوب را شناسايي مي‌کنند و به صورت هشدار در اختيار تحليل‌گر قرار مي‌دهند تا با خوشه‌بندي و برچسب‌زني آنها ديد خلاصه‌اي از وضعيت امنيتي شبکه به دست آيد. حجم و کيفيت هشدارها دو چالش اصلي اين سيستم‌ها محسوب مي‌شوند. عموماً تعداد هشدارهاي سيستم تشخيص نفوذ آن‌قدر زياد است که تحليل‌گر نمي‌تواند تمام آنها را بررسي کند. در اين مقاله روشي ارائه شده است که در آن با گسترش معنايي اطلاعات هشدارها، ايرادات فوق کاهش داده مي‌شود. در واقع نشان داده مي‌شود که گسترش معنايي اطلاعات هشدارها بر اساس دانش پيش زمينه قبل از مرحله خوشه‌بندي منجر به خوشه‌بندي به مراتب بهتري مي‌شود. براي ارزيابي روش ارائه شده از مجموعه داده‌اي DARPA و مجموعه داده‌اي مرکز آپاي دانشگاه صنعتي اصفهان IUT برای پروژه امنیت ملی SOC، که توسط شرکت مخابرات ایران در سال 2012 ایجاد شده، استفاده شده است. نرخ کاهش هشدارها در روش ارائه شده نيز بيشتر از 70% خواهد بود که از روش هاي مشابه بهتر است.

ارزيابي سرويس‌هاي نرم افزاري در سطح مدل‌سازي و همچنين در سطح پياده‌سازي با توجه به ويژگي‌هاي کيفي ، يکي از فعاليت‌هاي کليدي براي اطمينان از پياده‌سازي يک معماري سرويس‌گراي موفق است. براي انجام اين کار ضروري است که يک مجموعه از ويژگي‌هاي کيفي مانند قابليت استفاده مجدد، اتصال سست بين سرويسي، خودمختاري، انسجام و دانه‌بندي مناسب را در نظر گرفته و براي اندازه‌گيري آنها، متريک‌هايي تعريف کرد که بتوان به کمک اندازه‌گيري کمي، ميزان موثر بودن سرويس‌هاي نرم افزاري را بر مبناي اهداف کسب و کار تعيين کرد. با توجه به اينکه فاز مدل‌سازي، مبنايي براي فاز پياده‌سازي محسوب مي‌شود، ارزيابي در اين فاز بسيار حائز اهميت است. تاکنون روش‌هاي بسياري براي ارزيابي سرويس‌هاي نرم افزاري ارائه شده است، اما تعداد کمي از آنها به ارزيابي در سطح مدل‌سازي پرداخته اند و عمده آنها نيز يا سرويس را با تعداد اندکي متريک مورد ارزيابي قرار داده‌اند و يا اينکه متريک‌ها طوري کمي نشده اند که قابل اندازه گيري توسط ابزار باشند. در اين مقاله متريک‌هايي براي اندازه‌گيري انسجام، پيچيدگي ساختاري و خودمختاري سرويس از ديدگاه موجوديت محور بودن، ارائه شده است که قابليت کمي شدن از طريق ماتريس کراد را دارند و از طريق اين متريک‌ها مي‌توان ميزان خوش تعريف بودن سرويس را اندازه‌گيري کرد.

در این مقاله برای تسریع در اجرای برنامه‌های توزیع شده و حصول حداکثر پتانسیل همروندی، از الگوریتم ژنتیک ترکیبی جهت زمان‌بندی مجدد دستورالعملها استفاده شده است. همروندی در اجرای برنامه‌های توزیع شده با افزایش فاصله مابین دستورالعمل فراخوانی غیرهمزمان راه دور و اولین دستورالعمل استفاده کننده از نتایج آن فراخوانی، افزایش می‌یابد. ولی برنامه‌نویسان عموماً با تفکر سریال برنامه می‌نویسند و بلافاصله پس از فراخوانی یک تابع از نتایج آن استفاده می‌نمایند، در نتیجه وابستگی‌های داده‌ای به نتایج حاصل از فراخوانی‌های راه دور، موجب توقف همروندی در اجرای فراخواننده و تابع فراخوانی شده می‌گردد. در این مقاله روش جدیدی در مرحله دوم از سیستم تقسیم و توزیع اتوماتیک برنامه‌ها برای زمانبندی مجدد دستورالعملها، با رعایت انواع وابستگی‌ها ارایه شده است. نتایج ارزیابی نشان می‌دهد که این روش از لحاظ زمانبندی در سطح توابع، منحصر بفرد بوده و قادر است در کمترین زمان، حداکثر همروندی را ایجاد نماید.

امروزه بیشتر تکنیک ها در حوزه ردیابی ویدیو، مبتنی بر مدل کردن جسم هدف بصورت ترکیبی خطی از مجموعه ای از قالب ها است. در ابتدا، این قالب ها از جسم استخراج گردیده، سپس در یک دیکشنری تحت عنوان گالری قالب ها ذخیره و بروز رسانی می‌گردند. برای سناریوهای دشوار مانند انسداد، در مقالات پیشنهاد شده است تا در گالری یکسری تصاویر بدیهی ذخیره گردد که این قالبها فقط در سناریوهای دشوار فعال می گردند. اگر چه این تکنیک دارای مزیت دقت بیشتر در ردیابی است، ولیکن هزینه پردازشی زیادی صرف پردازش تصاویر خاصی می شود که فقط در موارد محدود استفاده می شود. در این مقاله، یک الگوریتم ردیابی ویدیویی جدید مبتنی بر فیلتر ذره ای پیشنهاد شده است که ازتوصیف کننده ویژگی HOG بجای پیکسل های خام استفاده می کند. در طول مسیر تُنُک بودن ضرایب کنترل می گردد که در کنار استفاده از HOG نیازمندی روش پیشنهادی به قالبهای مازاد را ناچیز نموده و منجر به نتایج ردیابی مطلوبی می گردد. شبیه سازی الگوریتم روی ویدیو هایی که دارای سناریوی دشوار از جمله انسداد، تغییر ناگهانی روشنایی صحنه و تغییر ژست قابل توجه هستند، بیانگر نتایج ردیابی مطلوبی با کاهش قابل توجه حجم محاسبات می باشد.

محاسبات کوانتومی روش جدیدی از پردازش اطلاعات است که بر مبنای مفاهیم مکانیک کوانتومی بنا شده است. طراحی مدارهای کوانتومی به فرآیند تبدیل یک دروازه کوانتومی به یک سری دروازه‌های پایه اطلاق می‌شود و به دو دسته کلی مبتنی بر تجزیه و ترکیب تقسیم می‌گردد. در دسته دوم با استفاده از الگوریتم‌های تکاملی و به خصوص الگوریتم‌های ژنتیک از ضرب دروازه‌های ماتریسی برای دستیابی به مشخصه نهایی مدار کوانتومی بهره گرفته می‌شود. برنامه‌نویسی ژنتیک یکی از زیرشاخه‌های محاسبات تکاملی است که در آن برنامه‌های کامپیوتری تکامل می‌یابند تا مسأله مورد مطالعه را حل کنند. در تحقیقات گذشته‌ای که در زمینه طراحی مدارهای کوانتومی صورت گرفته است، تنها یک معیار هزینه (معمولاً هزینه کوانتومی) بررسی شده است. در این مقاله برای نخستین بار، یک روش چندهدفه برای طراحی مدارهای کوانتومی با استفاده از برنامه‌نویسی ژنتیک ارائه شده است که علاوه بر معیار هزینه کوانتومی، معیار عمق و هزینه همسایه مجاور را نیز در نظر می‌گیرد. از دیگر نوآوری‌های این مقاله، می‌توان به استفاده از تابع برازندگی دو مرحله‌ای و در نظر گرفتن هم‌ارزی فاز سراسری در دروازه‌های کوانتومی نیز اشاره کرد. نتایج اجرا نشان می‌دهد که روش پیشنهادی ما قادر به یافتن جوابی خوب در زمان کوتاه است.

ضرورت بازبینی مستمر برنامه های درسی دانشگاهی به ویژه در رشته های مهندسی و به صورت خاص در حوزه پر تغییر علوم و مهندسی رایانش امری کارشناسانه و پذیرفتنی است. اینک که پس از گذشت بیش از دو دهه از تدوین آخرین برنامه های مدون در این حوزه ، وزارت علوم ،تحقیقات و فناوری اقدام به تدوین و در ماه جاری اقدام به ابلاغ اجرای این برنامه در سطح کارشناسی در واحدهای مجری این آموزشها نموده است، لازم است این برنامه با هدف اصلاح در اجرا مورد بررسی و نقد گسترده و منصفانه قرار گیرد. در این مقاله پس از بیان پیشینه و اقدامات فعلی ، مروری اجمالی بر مهمترین نکات برنامه مصوب صورت گرفته است. سپس برای توجیه پیشنهادات ضمنی بعدی، به خلاصه ویژگیهای یک چارچوب و یک مدل برای تولید برنامه های درسی دانشگاهی علوم و مهندسی رایانش و سیر گذار از پیشا رشتگی به پسارشتگی در این حوزه اشاره شده است. در ادامه در آسیب شناسی برنامه مصوّب با ذکر نقاط قوت و ضعف این برنامه، در بخش تحلیل شرایط و امکانات تحقق این برنامه، به شکل ضمنی به راه حل هائی برای رفع دشواری ها اشاره گردیده است.

ماشين بردار پشتيبان به‌عنوان يکی از بهترين طبقه‌بندهای موجود در زمينه يادگيری ماشين نسبت به توزيع داده‌ها اهميتی قائل نمی‌‎شود. روش‌های تعميم‌يافته آن به لحاظ سرعت، روش ماشين بردار پشتيبان دوگانه و به لحاظ دقت و سرعت هم‌زمان، بهبوديافته آن روش ماشين بردار پشتيبان دوگانه ساختاری ارائه شده است. در این مقاله، بکارگيری حداقل مربعات (least square) از الگوریتم S-TWSVM جهت افزايش سرعت برای طبقه‌بندی‎‌های باینری پيشنهاد می‌شود. روش پيشنهادی الگوریتمی ساده و سریع، برای ایجاد طبقه‌بندهای باینری برمبنای دو ابرصفحه غیرموازی فراهم می‌آورد. در این مقاله به‌جای حل دو مسأله quadratic programming، در S-TWSVM ، دو سیستم از روابط خطی حل می‌شوند. بدین ترتیب سرعت اجرای الگوریتم پیشنهادی از S-TWSVM به‌طور قابل توجهی افزایش می‌یابد. این درحالی‌ است که اطلاعات ساختاری داده‌ها همانند الگوریتم S-TWSVM به درون مسأله بهینه‌سازی وارد می‌شود تا ابرصفحه‌های الگوریتم پیشنهادی بتوانند روند توزیع داده‌ها را دنبال کنند. نتایج آزمایشات الگوریتم پیشنهادی روی پایگاه‌داده‌های استاندارد UCI مبین صحت بیش‌تر طبقه‌بندی این الگوریتم در برابر الگوریتم‌های S-TWSVM و LSTWSVM و سرعت بالاتر در برابر الگوریتم S-TWSVM است.

: یکی از جنبه‌های مهم در روش‌های مدل‌رانده، تبدیل مدل است. دغدغه‌ی اصلی یک طراح در این روش‌ها نوشتن تبدیل‌های با کیفیت می‌باشد. استفاده از الگوهای تبدیل به‌جا و مناسب در تولید تبدیل مدل، سبب بهبود ساختار و کیفیت تبدیل‌های تولیدی می‌شود. در این مقاله فرایندی ارائه می‌شود که در تشخیص و پیشنهاد خودکار الگوهای تبدیل و نیز اعمال این الگوها بر روی مدل طراحی تبدیل به کمک طراح می‌آید. فرایند پیشنهادی، لزوم استفاده از یک الگوی تبدیل، تشخیص الگو و پیشنهاد استفاده از الگوهای متناسب با ساختار یک تبدیل را به‌طور خودکار انجام می‌دهد. این عمل بر روی مدل طراحی تبدیل و بر اساس مفهوم الگوهای تبدیل انجام می‌شود. با اعمال الگوهای پیشنهاد شده در این فرایند بر روی یک مدل طراحی تبدیل، مدل جدیدی مبتنی بر الگوهای تبدیل، تولید می‌شود. مدل طراحی تبدیل مبتنی بر الگوها سبب تولید تبدیلی با کیفیت و کارایی بیشتر، قابلیت استفاده مجدد، سادگی بیشتر و زمان اجرای کمتر می‌شود. در این مقاله ارزیابی فرایند پیشنهادی به‌‌صورت غیردستی و بر اساس اندازه‌گیری پارامترهای کیفی تبدیل، مانند سادگی، وجود تکرار و افزونگی در تبدیل، زمان اجرای یک تبدیل و میزان حافظه مصرفی انجام شده است.

مدل‌های بلوغ حاكميت معماري سرويس‌گرا ابزاري معتبر و اثربخش براي حاكميت مؤثر معماري سرويس‌گرا هستند. به‌گونه‌ای كه سازمان‌ها می‌توانند با اين ابزار وضعيت جاري حاكميت خود را ارزيابي، نیازمندی‌های حاكميت خود را تعيين و سپس يك چارچوب مناسب براي حاكميت خود ارائه كنند. تاكنون مدل‌های بلوغ حاكميت مختلفي ارائه‌شده‌اند، كه از ميان آن‌ها مدل بلوغ حاكميت COBIT به دليل مناسب بودن يك نمونه شاخص به شمار می‌رود بااین‌همه از اين چارچوب اغلب براي اندازه‌گیری بلوغ حاكميت فناوري اطلاعات استفاده‌شده است. در واقع يكي از چالش‌هایی كه براي استفاده از اين چارچوب وجود دارد فقدان روشي براي ارزيابي بلوغ حاكميت معماري سرويس‌گرا است.در اين تحقيق چارچوبي چهاربعدی مبتني بر معماري سرويس‌گرا براي مدل بلوغ حاكميت COBIT با در نظر گرفتن ابعاد اصلي يك مدل جامع‌ بلوغ حاكميت معماري سرويس‌گرا ارائه گرديده است به ‌طوری‌که بتوان از اين چارچوب براي ارزيابي بلوغ حاكميت معماري سرويس‌گرا نيز استفاده كرد. نتايج تحقيق، بيانگر آن است كه مدل بلوغ حاكميت COBIT می‌تواند چارچوب مناسبي براي ارزيابي بلوغ حاكميت معماري سرويس‌گرا باشد و در نهايت چارچوب پيشنهادي ارائه‌شده در اين تحقيق به‌عنوان يك چارچوب معتبر مورد تأیید قرار گرفت.

پيشرفت در ساخت تجهيزات دقيق و اطمينان از صحت عملكرد ربات‌ها، موجب افزايش تمايل انسان به استفاده از سيستم‌هاي رباتیکي شده است. هدف اصلي در برنامه‌ريزي مسیر، يافتن مسير حركتي براي ربات از نقطه شروع تا هدف، بدون برخورد با موانع و با کمترین هزینه است. در سال‌های اخیر، الگوریتم‌های مبتنی بر نمونه‌گیری مورد توجه بسیاری از پژوهشگران قرار گرفته است. در این مقاله الگوریتم مبتنی بر نمونه‌گیری جدیدی برای یافتن مسیر ربات ارائه شده است. الگوریتم جدید با استفاده از سه استراتژی متفاوت، به نمونه‌برداری از محیط می‌پردازد. به روز شدن میزان سوگیری نسبت به هدف و سوگیری نسبت به جستجوی محیط‌های کشف نشده در هر مرحله، موجب عملکرد مناسب این روش در محیط‌های مختلف شده است. آزمایشات مختلف نشان می‌دهند که الگوریتم ARRT*، در مقایسه با روش‌های RRT و RRT* و RRT* توسعه یافته، در یافتن مسیر کوتاه‌تر درمحیط، موفق‌تر عمل می‌کند.

الگوریتم بهینه‌سازی اجتماع ذرات (PSO)، یکی از الگوریتم‌های تکاملی برای حل مسائل بهینه‌سازی است که در بسیاری از زمینه‌ها مورد استفاده قرار می‌گیرد. اما این الگوریتم با مشکل همگرایی زودرس رو‌به‌رو است. الگوریتم بهینه‌سازی اجتماع ذرات با رهبر سالخورده و رقبا (ALC-PSO)، به منظور فائق آمدن بر این مشکل، ارائه شده است. اما ALC-PSO همانند PSO، دارای حجم محاسبات بالایی است. برای مثال اجرای تابع محک‌زن Zakharov، به زمانی برابر با 130 ثانیه نیاز دارد. هدف از این مقاله پیاده‌سازی الگوریتم ALC-PSO به صورت موازی بر روی واحد پردازش گرافیکی (GPU) است. برای دستیابی به این هدف، در بین روش‌های مختلف موازی‌سازی، از روش موازی‌سازی سطح حلقه بهره گرفته‌‌ایم. نتایج پیاده‌سازی سه تابع محک‌زن بر روی GPU نشان داده است که کارایی الگوریتم ALC-PSO را می‌توان تا 30 برابر نسبت به پیاده‌سازی آن بر روی CPU افزایش داد.

امروزه شبکه‌های اتونومیک به عنوان راه‌حلی برای پاسخگویی به هزینه‌ها و پیچیدگی روز افزون مدیریت زیرساخت‌های شبکه مطرح شده است. این معماری قابلیت خودسازمان‌دهی ، خود بهینه‌سازی ، حفاظت از خود و خودترمیمی را دارد. هدف این مقاله ارائه معماری اتونومیک مبتنی بر سیاست و یادگیری برای شبکه‌های موردی سیار است تا به واسطه آن بتواند خود را با شرایط ویژه شبکه‌های موردی سیار تطبیق دهد. با توجه به ماهیت پویای شبکه‌های بی‌سیم موردی که در آن هر گره وظیفه مسیریابی را خود به تنهایی انجام می‌دهد، مدیریت این نوع از شبکه‌ها فرآیندی پیچیده و دشوار است. لذا به دلیل تحرک گره‌ها مهمترین چالش این نوع از شبکه‌ها در کنار محدودیت منابع رادیویی و انرژی گره‌ها، مسیریابی با حداقل مصرف منابع است. یافتن ارتباطات محلی با گره‌های همسایه با ثبت و حفظ همسایه‌ها می‌تواند علاوه بر سهولت فرآیند مسیریابی، مصرف انرژی گره‌ها را نیز بهبود بخشد. در این مقاله سعی شده با ارائه معماری اتونومیک، فرآیند شناسایی همسایه‌ها را با مدیریت پذیر نمودن، بهبود بخشیم. معماری پیشنهادی برروی پروتکل AODV به عنوان نمونه، پیاده‌سازی شده و در مواردی چون نرخ ارسال بسته‌ها، تاخیر نقطه به نقطه، تعداد بسته‌های Hello و نرخ بسته‌های کنترلی بهبود داشته است.

در این مقاله یک الگوریتم رمزنگاری تصویر بلوک-مبنا، با استفاده از اتوماتای سلولی خطی برگشت پذیر و نگاشت آشوب ارائه می‌‌دهیم. الگوریتم ارائه شده در برابر انواع حملات متن آشکار انتخاب شده، متن آشکار دانسته شده و سایر حملات مقاوم است. از مزایای روش ارائه شده در برابر سایر روش‌های مشابه، قابلیت پردازش موازی همراه با حساسیت بالای تصویر-رمز نسبت به یک تغییر جزئی در تصویر-آشکار است، طوری که تغییر جزئی در یک بلوک‌، تمام بلوک‌های قبل یا بعد از آن را نیز متأثر می‌کند. همچنین با استفاده از نتایج تجربی نشان خواهیم داد که وابستگی اندکی بین تصویر آشکار و تصویر رمز وجود دارد و همچنین تصویر رمز نسبت به تغییرات کلید یا تصویرآشکار، حساسیت بالایی دارد. در نهایت نیز روش پیشنهادی را با چندین روش مشابه مقایسه خواهیم کرد.

در اکثر پروتکل‌های مسیریابی مورد استفاده در شبکه‌های حسگر بی‌سیم، بسته‌ها در کل شبکه پخش می‌شوند تا به چاهک برسند. سربار زیاد غرق‌کردن بسته‌ها باعث مصرف بی‌رویه‌ی انرژی نود‌ها می‌شود. روش شایعه‌پراکنی یک جایگزین مناسب برای غرق کردن است که تعداد انتقالها را به طور مؤثری کاهش می‌دهد. ما در این مقاله برای اولین بار روش شایعه‌پراکنی جهت دار را مطرح می‌کنیم و بسته (شایعه) را فقط در جهت چاهک پخش می‌کنیم. برای حل مشکل مرگ زودهنگام نیز از چاهک متحرک استفاده می‌کنیم و با چرخش چاهک حول نودهای حسگر انرژی نودها به صورت متعادل مصرف می‌گردد. ما در این مقاله روشی به اسم SINKM با دو هدف ارائه کرده‌ایم. هدف اول این روش کاهش سربار ارسال و هدف دوم آن توزیع مصرف انرژی نودها در کل شبکه است. ما روش خود را با غرق کردن معمولی و روش شایعه‌پراکنی مقایسه کرده‌ایم و شبیه‌سازی‌ها نشان از صرفه‌جویی 50 درصدی انرژی در روش پیشنهادی نسبت به روش غرق کردن می‌دهند. همچنین روش پیشنهادی طول عمر شبکه را حدوداً دو برابر افزایش می‌دهد.

تشخیص وقایع غیرمعمول در صحنه‌های پرجمعیت، یک موضوع بسیار مهم برای امنیت عمومی است. در محیط‌های پرچمعیت به علت پیچیدگی ذاتی این ویدئوها و هم‌پوشانی بین افراد، شناسایی رویدادهای غیرمعمول چالش‌برانگیز است. در این مقاله، یک سامانه نظارت تصویری هوشمند برای تشخیص رویدادهای غیرمعمول در دنباله‌های ویدئویی مربوط به صحنه‌های پرجمعیت پیشنهاد شده است. روش پیشنهادی، ویژگی‌های حرکتی و مکانی تصاویر ویدئوهای آموزشی که تنها شامل رویدادهای معمول هستند بر پایه شار نوری استخراج می‌‌نماید. سپس، با توجه به ذات پویا و متغیر بودن این ویژگی‌ها، در این مقاله از قابلیت‌های مدل مخفی مارکوف چندین مشاهده در مدلسازی این ویژگی‌های متغیر با زمان استفاه می‌شود. رویدادهای غیرمعمول در تصاویر ویدئویی جدید از روی مدل یادگرفته شده، شناسایی و محل‌یابی می‌شوند. نتایج آزمایش‌ها روی ویدئوهای نظارتی نشان می‌دهد که روش پیشنهادی نه تنها به طور دقیق قادر به شناسایی رویدادهای غیرمعمول است بلکه می‌تواند محل رویداد غیرمعمول را در تصاویر ویدئوی پرجمعیت مشخص نماید.

مسأله‌ی جایابی ماشین‌های مجازی یکی از مهمترین مسائلی است که باید توسط فراهم‌کنند‌گان بستر ابر در مراکز داده در‌نظر گرفته شود. استفاده از راه‌حل مناسب برای این مسأله این امکان را به فراهم‌کنندگان بستر ابر می‌دهد، تا از منابع موجود بیشترین استفاده را داشته باشند؛ همچنین با تامین پارامترهای کیفیت سرویس، سبب افزایش رضایتمندی مشتریان شوند. اغلب راه‌حل‌هایی که در رابطه با این مسئله وجود دارند، درصدد بهبود یکی از معیار‌های کیفیت سرویس می‌باشند و برای تامین این هدف از روش‌های مختلف استفاده می‌کنند. در این مقاله یک راه‌حل پویا برای مسأله‌ی جایابی ماشین‌های مجازی ارائه کرده‌ایم، روش ارائه شده حالت خاصی از مسئله‌ی تخصیص زیر‌ساخت به عنوان سرویس در بستر ابر می‌باشد، که با انتخاب ماشین فیزیکی مناسب، سبب تامین معیار‌های کیفیت سرویس، از جمله بهبود در زمان پاسخ و زمان تکمیل طولانی‌ترین کار برنامه‌های اجرایی توسط ماشین‌های مجازی، می‌شود. الگوریتم پیشنهادی به ما کمک می‌کند، تا با درنظر گرفتن قابلیت‌های هر ماشین‌های فیزیکی و ایجاد تعادل بار بر روی آن‌ها، علاوه‌بر استفاده‌ی بهینه از منابع، سبب کاهش زمان پاسخگویی و تامین معیار‌های کیفیت سرویس شویم. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی بهبود خوبی در زمان پاسخ، نسبت به روش‌هایی که معیار آنها میزان بهره‌وری منابع می‌باشد، دارد.

شبکه‌های اجتماعی در چند سال اخیر رشد گسترده‌ای پیدا کرده‌اند، به گونه‌ای که امروزه شبکه‌هایی چون فیسبوک با بیش از یک میلیارد کاربر در صدر جدول مشهور‌ترین شبکه‌های اجتماعی قرار گرفته است. این شبکه‌ها، با دریافت اطلاعات شخصی کاربران و علایق آن‌ها می‌توانند منابع مناسبی برای بهبود سیستم‌های توصیه‌گر در تجارت و بازاریابی الکترونیکی باشند. کشف کاربران متشابه و خوشه‌بندی آن‌ها از دغدغه‌های اصلی این شبکه‌ها محسوب می‌شود و دقت بالای این کشف می‌تواند در بهبود پیشنهادات در این شبکه‌ها موثر باشد. در این مقاله، به بررسی برخی روش‌های رایج کشف تشابه ساختاری کاربران مانند SRank و SimRank و استفاده از آنها در شبکه‌های اجتماعی پرداخته می‌شود. در این روش‌ها، روابط کاربران با یکدیگر مورد سنجش قرار گرفته و افراد با ویژگی‌های مشابه به هم در یک خوشه قرار داده می‌شوند که خوشه‌بندی پیشنهادی دارای سرعت بیشتر نسبت به روش پیشین است. سپس توصیه‌هایی براساس کاربران با بیشترین تعداد دوست در خوشه‌ها صورت میگیرد. هدف از این مقاله پیشنهاد دوست در شبکه‌های اجتماعی به جهت افزایش میزان اطلاعات دربارهی کاربران و شناخت بهتر آنان است که متد SRank دارای دقت بیشتر حداقل 10 درصدی نسبت به متد Simrank میباشد.

FPGA-based multiprocessors, referred as soft-multiprocessors, have an increasing use in embedded systems due to appealing SRAM features. More than 95% of such FPGAs are occupied by SRAM cells constructing the configuration bits. These SRAM cells are highly vulnerable to soft errors threatening the reliability of the system. This paper proposes a fault-tolerant method to detect and correct errors in the configuration bits. The main of this method is to analyze the scheduled task graph and select a subset of tasks to be replicated in multiple processors based on the utilization of the processors in different execution phases. To this end, 1) errors are detected by re-executing a subset of tasks in multiple processors and comparing their output; 2) errors are corrected by re-downloading the fault-free bitstream; 3) errors are recovered from correct checkpoints. To evaluate the proposed method, a FPGA containing four and eight processors running randomly generated task graphs is evaluated. The simulation results show that the performance overhead of the proposed method for four and eight processors is 20% and 15%, respectively. These values for lockstep method are about 90% and 45%, respectively. Moreover, the area overhead of the proposed method is zero.

برون سپاری محاسبات از یک سو با انتقال اجرا از موبایل به سرورهای قدرتمند می تواند موجب کاهش زمان اجرا و مصرف انرژی روی دستگاه های موبایل شود و از سوی دیگر با تبادل داده بین سرور و موبایل موجب ایجاد هزیه ی انتقال (تأخیر) می شود. یک برنامه ی کاربردی باید به نحوی بین سرور و موبایل بخش بندی شود که بهترین مصالحه بین زمان اجرا/مصرف انرژی و هزینه ی انتقال برقرار شود. در بیشتر کاربردهای موبایل امروزی از وب سرویس استفاده می شود که قاعدتاً به دلیل الزام به اجرای غیر محلی، فرآیند بخش بندی و برون سپاری را تحت تأثیر قرار می دهد. در این مقاله با در نظر گرفتن تغییرات پهنای باند در سیستم سیار، مسئله ی بخش‌بندی و برون‌سپاری اجرای این نوع کاربردها به صورت سه مدل جداگانه با اهداف متفاوت فرموله شده و روشی ابتکاری مبتنی بر الگوریتم ژنتیک برای حل هر مسئله ی بهینه‌سازی در زمان معقول ارائه شده است. نتایج نشان می دهد الگوریتم ارائه شده قادر است بخش بندی تطبیقی نزدیک به حالت بهینه را ارائه نماید. همچنین نتایج شبیه سازی و ارزیابی الگوریتم پیشنهادی حاکی از این است که در مقابل تغییرات پهنای باند در دسترس سیستم سیار، عملکرد الگوریتم ارائه شده به نحو قابل ملاحظه ای بهتر از کار مشابه انجام شده است.