انجمن کامپیوتر ایران

کیفیت سرویس در شبکه‌های سنسور تعاریف متفاوتی دارد که از آن جمله می‌توان به پوشش مناسب شبکه، تعداد ندهای فعال دریک زمان، صحت اطلاعات دریافتی در ند مرکزی و مدت زمان انتقال اطلاعات به ند مرکزی اشاره کرد. در این مقاله بر مبنای تعریف تعداد ندهای فعال به عنوان کیفیت سرویس، به ارائه‌ی روشی مبتنی بر اتوماتای یادگیر جهت دستیابی به کیفیت مورد انتظار خواهیم پرداخت. در این روش، با خوشه‌بندی شبکه و قرار دادن رؤوس خوشه‌ها به عنوان مسؤول بررسی تعداد ندهای فعال در هر خوشه، پوشش مناسبی از تعداد ندهای فعال در سطح کل شبکه به دست خواهد آمد. هر ند مجهز به یک اتوماتای یادگیر می باشد که در طول فعالیت شبکه و از طریق پاسخ‌هایی که از رأس خوشه دریافت می‌دارد، لزوم فعال یا غیرفعال بودن ند را مشخص می‌کند. ازطریق شبیه‌سازی کامپیوتری نشان داده می‌شود که روش ارائه شده، می‌تواند کیفیت سرویس مطلوبی را از دیدگاه ارائه شده تولید کند.

کنترل پذیرش درخواست، یکی از مهم‌ترین وظایف شبکه‌هایی است که کیفیت سرویس را پشتیبانی می‌کنند. هدف اصلی کنترل پذیرش درخواست، اطمینان از تامین کیفیت سرویس اتصال‌های جاری بدون تاثیر منفی بر کیفیت سرویس جریان‌های قبلی می‌باشد. بنابراین یک الگوریتم کنترل پذیرش درخواست باید از میزان منابع شبکه (مانند پهنای باند لینک و ظرفیت بافر) که هنوز آزاد هستند و مورد استفاده قرار نگرفته‌اند؛ آگاه باشد. اگر این منابع آزاد، بزرگتر یا مساوی میزان منابعی باشد که یک درخواست به شبکه ارائه می‌دهد؛ آنگاه این درخواست، مورد پذیرش قرار می‌گیرد. منابع شبکه هم باید به صورت مؤثری توسط الگوریتم‌های کنترل پذیرش درخواست، مورد استفاده قرار بگیرند و باید از رد کردن بیش از حد درخواست‌های جدید، خودداری نمود. در این مقاله، روشی برای کنترل پذیرش درخواست بر مبنای اندازه‌گیری درشبکه‌های P Diffserv ارائه شده‌است. روش ارائه شده، تنها رفتار تودهای جریان‌ها را در نظر می‌گیرد و نیازی به نگهداری اطلاعات هر جریان به صورت جداگانه ندارد. روش پیشنهادی، توانایی تنظیم میزان بهره‌وری از پهنای باند شبکه را به اندازهای که مدیر شبکه می‌خواهد با رعایت محدودیت‌های کیفیت سرویس را دارا می‌باشد. نتایج حاصل از شبیه‌سازی روش پیشنهادی نشان دهنده کارایی بالای آن می‌باشد.

استفاده از فراخوا‌‌نی‌های غیرهمزمان یکی از روش‌های مرسوم برای ایجاد همروندی جهت تسریع اجرای برنامه‌های توزیع شده می‌باشد. اما این همروندی اغلب تا حداکثر مقدار ممکن ایجاد نمی‌گردد. در واقع، وابستگی دستورات بعد از فراخوانی‌های غیر همزمان به مقادیر تاثیرپذیر از فراخوانی‌ها، موجب کاهش همروندی در اجرای همزمان دو تابع فراخواننده و فراخوانده شده می‌شود. در این مقاله نشان داده شده که برای افزایش میزان همروندی می‌توان دستورات را به گونه‌ای جابجا کرد که دستوراتی که از مقادیر توابع غیر همزمان استفاده می‌کنند تا حد امکان از محل فراخوانی تابع دور شوند. بدین ترتیب همانطور که در عمل نشان داده‌ایم، این جابجایی دستورالعمل‌ها موجب افزایش قابل توجهی در میزان همروندی و بالنتیجه سرعت اجرای برنامه شده است.

علی رغم تأکید بر حذف شکاف موجود بین مدل‌های نرم افزاری و کدهای پیاده‌سازی، تلاش‌های کمی در مورد بکارگیری ابزارهای نرم‌افزاری جهت اعما ل خودکار مدل‌های کنترل دسترسی بطور مستقیم در داخل متن برنامه‌ها صورت گرفته است. در این مقاله به شرح طراحی و پیاده‌سازی یک محیط اعمال سیاست‌های کنترل دسترسی پرداخته شده است. در این محیط، سیاست‌های مدل شده کنترل دسترسی بر مبنای دیدگاه یا همان VBAC (View-Based Access Control) که به فرمت (XML Metadata Interchange) XMI هستند، تبدیل به زبان سیاست دیدگاه یا VPL (View Policy Language) می‌شود. کدهای تولید شده به زبان سیاست دیدگاه، به راحتی قابل تبدیل به دستورالعمل‌های زبان جاوا است. در نهایت دستورالعمل‌های جاوای متناظر با کدهای زبان سیاست دیدگاه به داخل برنامه‌هایی که قرار است امن شوند، اعمال می‌شوند. این روش شکاف موجود بین مدل‌سازی و اعمال سیاست‌های کنترل دسترسی را از بین می‌برد و تضمین می‌کند که کد برنامه همانطور که طراح برنامه قصد داشته، امن شده است.

در سال‌های اخیر روش‌های حذف نویز با استفاده از تبدیل موجک مورد توجه بسیاری از محققان بوده است, ولی برخی ضعف‌های آن مانند عدم امکان نمایش یکتایی خطی باعث شد تا تبدیل موجک جهت‌دار مطرح شود که تبدیل Curvelet از این نوع است. در فرایند نویززدایی, روش‌های مختلفی برای محاسبه مقدار مناسب آستانه ارائه شده است. روش پیشنهادی بر خلاف روش‌های موجود, توزیع مستقل را برای ضرائب در حوزه تبدیل در نظر نمی‌گیرد؛ همچنین به اندازه تصویر وابسته نیست و به تخمین زدن پراکندگی نویز و یا پارامترهای دیگر نیاز ندارد. در این مقاله با استفاده از شبکه عصبی, مقدار مناسب آستانه برای تصویر محاسبه می‌شود. ابتدا برای آموزش شبکه عصبی, ویژگی‌های مهم تصویر آسیب دیده با نویز گوسی در حوزهCurvelet استخراج می‌شوند و با توجه به نسخه سالم تصویر, مقدار آستانه ایده آل نیز محاسبه می‌شود. سپس ویژگی‌های تصویر نویزی جدید به عنوان ورودی به شبکه داده می‌شود تا شبکه آستانه مناسب را برای آن تخمین بزند. نتایج آزمایش بر روی تصاویر مختلف نشان داد که روش پیشنهادی در مقایسه با روش‌های موجود دارای دقت مناسبی است. علاوه بر آن، به دلیل ویژگی تبدیل Curvelet در حفظ لبه‌ها, تصاویر به‌دست آمده دارای کیفیت بهتری نسبت به تبدیل موجک هستند.

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 .