انجمن کامپیوتر ایران

بهينه سازي تاخير با در نظر نگرفتن پارامترهاي ديگر موثر در طراحي همانند انرژي مصرفي، به منظور جلوگيري از پيچيده شدن مساله، باعث مي گردد تا بتوانيم با استفاده از متدهايي همانند Logical Effort به جوابي سريع براي تاخير بهينه دست يابيم. در اين مقاله سعي مي گردد تا با توجه به نياز به در نظر داشتن همزمان پارامترهاي موثر در طراحي هاي كنوني از يک سو، و همچنين استفاده از سرعت بالاي متد Logical Effort از سويي ديگر، روشي ترکيبي براي حل معادلات بهينه سازي از اين دست ارائه گردد. با ارائه جوابي اوليه بر پايه متد Logical Effort مي توان سرعت همگرايي الگوريتمهاي بهينه سازي هاي غير خطي با محدوديتهايي نظير انرژي مصرفي را تا حد چشمگيري افزايش دارد.

گراف در شاخه هاي علوم كامپيوترمانن د طراحي و نمايش پايگاه داده ها، مهندسي نرم افزار، نمايش داده ها و غيره كاربرد فراوان دارد. ترسيم گراف و نمايش قابل قبول آن يکی از مهم ترين قسمت ها در اين گونه سيستم ها مي باشد. مسئله رسم گراف به صورت خوانا و قابل فهم را ميتوان با استفاده از روشهاي بهينهسازي با چند تابع هدف حل نمود. معيارهايي چون تعداد برخورد يالها، ميزان تقارن رسم، اندازه وضوح زاويه اي ترسيم و غيره را ميتوان در قالب توابع هدف بهينهسازي نمود. در اين مقاله، جهت رسم از روش SPEA كه بر الگوريتم ژنتيك استوار است، استفاده شده اس ت. با معرفي معيار آسان و جديد تعادل نيرو ی وارد برگره ها، در اين مقاله شك لهاي متقارن بيشتري از گراف توليد ميشود. همچنين ، در م حاسبه معياره ا شرايط خاصي اعمال شده اس ت كه اين تغييرات باعث توليد نمونه هاي بهتري از رسم مي گردد. با استفاده از روش بهينه سازي چند تابعي در انتهاي يك بار اجراي الگوريتم، چندين رسم بهينه از يك گراف در اختيار كاربر قرار مي گيرد. اين در حالي است كه تعداد نسل مورد نياز الگوريتم ژنتيك نيز كاهش میيابد.

زمان بندي دروس یکی از مسائل مهم و زمان بر در هر محیط آموزشی اس ت. برنامه ریزي چیدمان دروس در جدول هفتگی، براساس معیارها و امکانات محیط، مشخصات دروس و ساعات حضور استادان صورت می گیرد. هدف زمان بندي دروس، ایجاد یک برنامۀ زمانی معتبر و قابل اجرا با حداقل تداخل می باشد. این مسأله از نظر پیچیدگی در دستۀ مسائل NP قرار می گیرد و براي حل آن به جاي الگوریتم هاي کلاسیک، از الگوریتم ژنتیک، جستجوي ممنوع، شبیه سازي تبریدي و رنگ آمیزي گراف استفاده می شود. در این مقال ه ضمن بیان مراحل بکارگیري الگوریتم ژنتیک به منظور زما ن بندي درو س، فنون مورد استفاده در رویکرد نو ینِ این پژوهش ارائه م یگردد. رویکرد مذکور شامل اصلاحاتی از قبیل تغییراتی در مدل اولیۀ مسأله در راستاي بهبود زمان اجرا و جلوگیري از پیمایش فضاي حالت ناممکن، روشی جدید در رمزگذاري و معرفی عملگرهاي هوشمند جهش و ترکیب به منظور انجام اصلاحات در نسل ها م ی باشد. در انتها، با اعمال 20 نمونه ورودي مختلف به برنامه اي که مخصوص این پژوهش طراحی گردید، تأثیر رو یکرد نوین در مقایسه با روش استاندارد، در رسیدن به جواب بهینه سنجیده م یشود و نشان داده می شود که رویکرد نوین به طور متوسط در زمان کوتاهتر به جوابهاي بهینه تري می رسد.

در اين مقاله به کمک عمل دسته بندی، دانش را از مجموعه داده های ورودی واکشی کرد ه و با استفاده از الگو ريتم Simulated (SA) Annealing دانش واکشی شد ه را بهينه م ینماييم. الگوريتم SA يک روش جستجوی تکراری است که به دنبال جوا ب بهينه سراسری م یگردد و به کمک مکانيزم هايی تلاش می کند که در نقاط بهينه محلی گرفتار نشود. دانش واکشی شده به صورت قوانين فازی نشان داده می شود. قوانين فازی از آن جهت مورد توجه می باشند که امکان تفسير شدن توسط انسان خبره در آنها وجود دارد. در اينجا واکشی قوانين فازی متناظر با عمل دست هبندی قوانين فازی است؛ دسته بندی يا يادگيری با ناظر از رايج ترين رو شهای داده کاوی اس ت که در زمينه های گسترد ه ای مورد استفاده قرار گرفته است . نتيجه کار عبارت است از يک الگوريتم داده کاوی بر مبنای الگوريتم SA که به صورت نرم افزاری پياده سازی م ی شود. ارزيابی اين الگوريتم توسط د و معيا ر دقت و سادگی مورد بررسی قرار یگيرد که اين دو معيار از جمله معيارهای معروف در شاخه داده کاوی هستند. در پايان روش پيشنهادی با روش های موجود مانند رو ش مبتنی بر GA و K-NN مقايسه شده است.**

يافت ن کوتا ه تري ن مسير در گر اف ها ي تصادف ي از لحا ظ کاربر د ي اهميت ويژه ا ي د ارد. ما در اي ن مقاله، با استفاده از رويکرد اتومات اي يادگير توزيع شده، بهبودهايي در روش های موجود ايجاد نمودهايم. همچنين روشجديدی نيز ب را ي حل اي ن مسال ه پيشنهاد و پس از طراحی و انجام آزمايشهای لازم، نتايج حاصله را با الگوريت مه اي موجود مقايسه کردهايم.

حذف نويز از تصاوير، يکي از مسألههای مهم پردازش تصويربوده و روشهای مختلفی برای آن ارائه شده است. از متداولترين روشها در اين زمينه، ميتوان به روشهاي آماري و روشهاي محلي اشاره کرد. در روشهای آماری حذف نويز، به پيشفرضهايي دربارهی توزيع ضرائب موجک در زيرباندهای مختلف نياز است و روشهای محلی، روشهايي هزينهبر هستند. در اين مقاله ضمن معرفی دستهتوابع آستانهگذاری غيرخطی جديد، از روش شبکهعصبی آستانهگذاری براي حذف نويز از تصاوير استفاده شده است. اين روش وفقی، ضمن عدم وابستگی به نوع نويزی خاص، در حذف نويز گوسي به همراه بسياري از روشهاي متداول امروزي آزموده شده است. نتايج آزمايش، برتري و قوت روش پيشنهادي را نسبت به بسياري از روشهاي متداول نشان ميدهد.

مسيريابي براي روبات هاي متحرك يكي از موضوعات مطرح در روباتيك است. در مسيريابي، مسأله رسيدن روبات از يك مبدأ به مقصد مطرح است طوري كه مسير طي شده كمترين هزينه را در بر داشته باشد. در راه حل هايي كه تا كنون براي اين مسأله مطرح شده اند تنها به هزينه مسير توجه شده است در حالي كه يكي از مسائل مهم در سينماتيك حركت تغييرات پارامترهاي كنترلي يعني سرعت و زاويه چرخهاي روبات است، كه هر چقدر اين تغيييرات كمتر باشد سرعت حركت روبات بيشتر خواهد بود. در اين مقاله با بهبود روش Field D* الگوريتمي پيشنهاد شده است كه با استفاده از درون يابي خطي، علاوه بر يافتن مسيري با كوتاهترين هزينه، مسيري را مي يابد كه طي كردن آن نياز به تغييرات كمتر در پارامترهاي كنترلي داشته باشد .

رشد فوق نمایی پایگاه هاي داده اي زیستی ، انجام جستجوي ش باهت در این پایگاهها را دشوار ساخته است. در این راستا، روشهاي شاخص گذاري بر اساس فاصله جهت تسریع جستجو در این پایگا هها وفق داده شده اند . با این حال ، در هیچکدام از روش هاي موجود از ویژگیهاي مختص رشتهها جهت بهینه سازي شاخص و افزایش کارایی در زمان جستجو استفاده نشده است. در این مقال ه، یک روش شاخص گذاري بر اساس فاصله جهت تسریع جستجو در پایگاه هاي دادة بسیار بزرگ زیستی ارائه شده است. در روش ارائه شده، با خوشه بندي سلسله مراتبی رشتههاي زیستی، یک درخت شاخص جهت هرس دادهها در زمان جستجو ایجاد می شود. در این روش با توجه به ویژگ یهاي رشتهها، درخت شاخص تا حد ممکن بهینه میشود که به کارایی بالاي آن در زمان جستجو می انجامد. علاوه بر این، پیچیگدي زمانی پایین روش ارائه شده در زمان شاخص گذاري و پشتیبانی از ساختار دیس ک، از مزایاي دیگري هستند که بکارگیري این روش را در پایگاه هاي داده اي زیستی بزرگ امکان پذیر می سازند. در آزمایشات نشان داده شده است که روش ارائه شده نسبت به روش شاخصگذاري کاراي ،M-Tree کارایی بالاتري دارد.

در این مقاله، شیوه فازی جدیدی برای یادگیری و تشخیص نمادهای گرافیکی مانند اعداد وحروف زبانهای مختلف ارائه می شود . این روش مبتنی بر پویش خطی تصویر بخش بندی شده می باشد و در تشخیص نمادها نسبت به ضخامت و ابعاد آنها وابسته نیست و در برابر چرخش های کمتر از 20 درجه مقاوم م ی باشد. ویژگی های استخراجی، ملهم از طرز شکل گیری الگوها در ذهن انسان هستن د . توابع عضویت فازی از روی توزیع ناپارامتری ویژگ ی ها محا سبه می شوند و انجام طبقه بندی با مدل ممدانی انجام م ی گیرد . در فاز یادگیری، برای یافتن قوانین فازی، به ازاء مرکز هر خوشه یک قانون به سیستم اضافه م ی شود. ویژگی های استخراجی این روش می تواند در روند یادگیری و تشخیص سیستم های مشابه نیز به کارگرفته شود. نتایج پیاده سازی این روش روی اعداد فارسی دست نویس منجر به بازشناسی 90 % می گردد.

This paper is an overview of benchmarks and tools being used for large scale network performance evaluation analysis, modeling, simulation and Benchmarking. In this paper we first describe some performance evaluation metrics and approaches and then we introduce some simulation and analysis tools for this purpose. But our emphasize on this paper is on benchmarking and in this way, we introduce more than 10 benchmark in network performance evaluation. We have chosen Web server Stress Benchmark as one of the most powerful benchmarks .Then, we have done three tests on this benchmark, but in this paper we show only one of these tests. As we expected this benchmark has very features and provides a number of robust and flexible reports and logging features to help you gather valuable data about your Web server and website performance.

In this paper a conceptual design for development of an e-research environment is proposed. In this environment services are proposed by several components such as virtual library ,data mining tool , frame based causal model , Hyper value & reference and report generator and a computer aided model analysis component. Prototype of this environment has been used to implement two different applied researches.

Explore/Exploit dilemma is one of the most challenging issues in reinforcement learning area as well as learning classifier systems such as XCS. In this paper, an intelligent method is proposed to control the exploration rate in XCS to improve its long-term performance. This method is called Intelligent Exploration Method (IEM) and is applied to some benchmark problems to show the advantages of adaptive exploration rate for XCS.

Due to the rapid growth of electronic environments (such as internet) much research is currently being performed on autonomous trading mechanisms. Also in the last few years there has been an increasing interest from the agent community in the use of techniques from decision theory and game theory. Our paper connects theses two fields. In real world, when two agents negotiate, it seems rational that they emphasize on their highest priorities first. We give a strategy based on the 7 types presented by Raymund J. Lin and Seng-cho T. Chou [7] in which an agent can gain more profit by sacrificing or delaying some high priority tasks. The focus of this paper is on negotiation of self interest agents.

Real-time video transmission is considered as an important way for information broadcasting. One noticeable example in this area is E-leaning applications, which is based on real-time video processing and transmission. On the other hand, the process of registration is a fundamental component in automatic image and video processing. In our previous work, we implemented a new method for cut detection technique based on dominant lines and angles. This paper introduces a new video registration technique that uses dominant angles extracted from edge information of the video frames in one shot. To the best of our knowledge, it is the first works done for registration in E-learning applications. This method is compatible with our application’s requirements and has a low complexity and high speed. We compare our method against three established techniques and present our results using different video sequences.

In this paper, the application of “Multivariate Adaptive Regression Splines” (MARS) to the problem of segmental (phonemic) duration modelling in Farsi text-to-speech systems is presented. Segmental duration is influenced by a number of contextual factors such as segment identity, stress, position of a target segment within a syllable, word, and phrase. These factors interact with each other and a good model of segment duration should account for the problem of factor's interaction. Databases of speech data often encounters with sparse data problem. MARS is a technique to estimate general functions of high-dimensional arguments given sparse data, which automatically selects the parameters and the structure of the model based on available data and deals with the problem of interaction between factors. Besides highly accurate prediction, a MARS model also allows interpretation of its structure. Using MARS method for Farsi segmental duration modeling yields a correlation coefficient of 86.50 between observed and predicted durations for training data of and a correlation coefficient of 80.83 between observed and predicted durations for testing data. The performance of MARS model was also compared to Multi-Layer Perceptron (MLP) neural network. MLP neural netwok was trained using an error Back Propagation algorithm. Using MLP neural network for segmental duration medeling of Farsi language leads to a model with a correlation coefficient between observed and predicted durations of 84.86 for training data and 80.97 for testing data.

الگوريتم PSO يک روش هوش گروهی برای حل مسائل بهينه سازی سراسری است. در PSO هر کانديد راه حل، موقعيت خود را در فضاي جستجو با توجه به تجربيات خود و تجربيات کل گروه راه حلهای کانديد، تغيير مي دهد. در اين مقاله مدلی از الگوريتم PSO ارائه می شود که در آن يک گروه به چندين زير گروه تقسيم می شود و علاوه بر بهترين حالت هر جزء و بهترين حالت کل گروه، بهترين حالت هر زيرگروه نيز در حرکت تک تک اجزاء اثر می گذارد. آزمايشات انجام شده برای يافتن بهينه سراسری چندين نمونه تابع با تعداد زياد بهينه محلی و سراسری، کارايی بهتر اين روش را در مقايسه با PSO نشان می دهد. همچنين نتايج آزمايشات بکارگيری الگوريتم MPSO در روند آموزش مدل مخفي مارکوف(HMM) يك سيستم بازشناسي گفتار نشان می دهد که با استفاده از اين روش، خطای بازشناسی نسبت به استفاده از روشهای مبتنی بر بيشترين ميزان شباهت، ۴.۸۳ درصد کاهش يافته است

سیستمهای بهبود گفتار مبتنی بر موجک موفقیت خود را در عمل نشان دادهاند، که سیگنال صوتی میتواند در هر دو حوزه زمان و فرکانس با رزولوشن دلخواه تجزیه گردد. و با آستانه گذاری یا فیلتر کردن اجزا سیگنال بهبودیافته بازسازی میگردد. در مقاله حاضر، ابتدا یك سیستم تشخیص فریمهای واكدار /بی واك مبتنی بر آنتروپی زیرباندهای موجك معرفی میگردد. سپس، دو روش ارائه میگردد . در روش اول، برحسب واكدار/بیواك بودن فریمها تابع پایه موجك تغییر میكند و سپس با استفاده از فیلتر وینر عمل حذف نویز صورت می - گیرد. در روش دوم، با تنظیم میزان حذف نویز در فیلتر وینر برحسب واكدار/بیواك بودن فریمها، عمل كاهش نویز در زیرباندهای موجك صورت میگیرد. نتایج ارزیابیهای عملی و نظری بیانگر کارائی بهتر انتخاب پایه و تنظیم میزان حذف نویز بر حسب واكدار /بی واك بودن فریمها در حذف نویز و بهبود كیفیت گفتار میباشد.

دشواریهای اجرای پروژه های معماری سازمانی به ویژه در دیوان سالاریهای دولتی ایجاب می کند برای تسهیل اجرای برنامه گذار گامهای تحلیل وضعیت موجود و مطلوب و تدوین برنامه گذار به گونه ای انجام و توصیف شوند که تکرار احتمالی آنها توسط معماران آتی سازمان میسر باشد. در این مقاله تجارب ناشی از دو پروژه بزرگ معماری سازمانی و راه حلهای ابداعی بکار گرفته شده درآنها در جهت ارائه راه حلی برای دشواریهای اجرائی رایج مطالعه معماری اطلاعات سازمان پیشنهاد شده است. این راه حل شامل افزودن دو گام ابداعی یعنی تدوین سیاست نامه قبل از تحلیل وضعیت موجود، تدوین و اجرای بیانیه تغییر در فاصله تحلیل وضعیت موجود تا طراحی وضعیت مطلوب و استفاده نوآورانه از مدلهای مرجع در جهت نامگذاری استاندارد اشیاء مورد مطالعه در لایه معماری برای همسانی و معنی دار بودن مستندات برای افراد عضو در گروههای کاری معماری است.

اين مقاله روشي ابتكاري به صورت تركيبي از خوشه بندي سلسله مراتبي و روشهاي تكاملي را براي حل مسأله مسير يابي كاميون برمبناي چند مركز 1 با كاميون هاي همگن اريه مي دهد. اين روش از افزودن يك الگوريتم خوشه بندي دو سطحي به مسأله مسير يابي كاميون برمبناي چند مركز بدست آمده است. در كاربرد هاي لجستيكي مشتري ها يا متقاضيان سرويس بر مبناي برخي پارامتر هاي لجستيكي داراي اولويت مي باشند. سطح اولويت مشتري ها بر سياست توزيع كالا مخصوصا در مرحله خوشه بندي تاثير مي گذارد. در اين مقاله يك مدل مجتمع براي مسأله مسير يابي كاميون 2 با استفاده از روش خوشه بندي سلسله مراتبي و يك الگوريتم ژنتيك توسعه داده شده است؛ بطوري كه عملگر ها و جمعيت اوليه در الكوريتم ژنتيك بهبود داده شده اند. در اولين فازاين الگوريتم يك الگوريتم خوشه بندي سطح بالا اجرا مي گردد بطوري كه مشتري هاي قابل سرويس دهي توسط يك مركز تعيين گردند. سپس الگوريتم خوشه بندي سطح پايين ديگري بايد انجام گيرد بطوري كه در هر مركز مشتري هاي قابل سرويس دهي توسط يك كاميون تعيين گردند. مانند روشهاي ديگر بهينه سازي روش پيشنهادي به خوبي براي تعداد كم كاميون عمل مي نمايد. به منظور بالا بردن كارآايي الگوريتم و غلبه بر اين محدوديت بطوري كه بتواند براي تعداد زياد كاميون نيز نزديك به بهينه عمل كند، در يك مرحله پيش پردازش يك سطح له Ĥ خوشه بندي سطح بالا انجام مي شود تا مسأله به يك مس فشرده تر بر مبناي خوشه بندي تبديل شود. به اين ترتيب يك فرايند سلسله مراتبي به تركيبي شامل يك فاز خوشه بندي ابتكاري و يك فاز تكاملي توسعه داده شد.

CCA یک معماري مبتنی بر مؤلفه هاي نرمافزاري است که کاربرد آن در نرم افزارهاي با کارآیی بالا می باشد. سیستم هاي Grid نیز نوعی از سیستم هاي توزیع شده می باشند که از ترکیب چندین کامپیوتر ناهمگن تشکیل شده اند و هدف آنها ایجاد یک کامپیوتر مجازي قدرتمند و خودمدیریتی می باشد که منابع موجود در سیستم ها مانند منابع داده اي و محاسباتی را با همدیگر و با کامپیوترهاي خارج از Grid به اشتراك می - گذارند. Avaki یکی از بسترهاي نرم افزاري این نوع از سیستم ها بوده و مسئول انجام این وظایف می باشد. ما در این مقاله، یک قالبکاري توزیع شده و یک مدل برنامه نویسی براي اجرا و به اشتراكگذاري مؤلفههاي نرم- افزاري در Grid هاي دادهاي و محاسباتی ارائه میکنیم.