انجمن کامپیوتر ایران

پيشنهادی بر بصری‌سازی ابرها در استاندارد

تولید بردار آزمون یکی از مسائل مهم در آزمون مدارات دیجیتالی می باشد. در این مقاله تولید بردار آزمون برای مدارات دیجیتالی درسطح گیت برای آشکارسازی خطای اتصال به "1" یا " 0" با استفاده از الگوریتم ژنتیک مورد نظر می باشد. روش مورد نظر در حالت وجود چندین خطا (multi-fault) و مدارات دارایFan-Out و در حالتیکه تعداد ورودی‌ها مدار بالا باشد دارای عملکرد مناسب می‌باشد. نتایج شبیه‌سازی کارایی این روش تولید ‌بردار آزمون برای مدارات دیجیتالی را نشان می‌دهد.

مسئله جداسازی هرزنامه ها از مهم‌ترین مسئله‌های مطرح شده در زمینه‌ی امنیت شبکه، کارایی سیستم و الگوریتم‌های تحت وب می باشد. دراین مقاله پس از معرفی دقیق مسئله الگوریتمی برای کاهش هرزنامه‌های دریافتی معرفی می‌‌‌شود. این الگوریتم با نگاهی حساس به هزینه و با استفاده از یادگیری آماری اقدام به شناسائی خودکار هرزنامه می‌کند. کارائی الگوریتم تحت هسته‌ای از نامه‌های الکترونیکی ارزیابی می‌شود و نتایج عملکردی الگوریتم در شرایط مختلف بررسی قرار می‌گیرد و با الگوریتم‌های موجود مقایسه می‌شود. الگوریتم پیشنهادی با بهره‌گیری از تکنیک‌های آماری و متدهای پردازشی و دسته‌بندی متنی اقدام به جداسازی نامه‌های الکترونیکی می‌کند. در پایان به پیشنهاد‌هایی جهت بهبود کارائی آنها ارائه می‌شود.

در این مقاله یک روش فازي براي یافتن منشأ انتشار گازهاي سمی در محیط با استفاده از شبکه‌هاي سنسوري پیشنهاد می‌گردد. روش ارائه شده با به کارگیري یک سیستم خبره‌ی فازي می‌تواند در محیط‌هایی با نویز بالا و نیز در شرایطی که برخی از ندهاي شبکه‌ی سنسور اطلاعات نادرستی را گزارش می‌نمایند به خوبی عمل نماید و منشأ انتشار گازهاي سمی را پیدا کند. در این روش، هر ند سنسور میزان ماده‌ی سمی اطراف خود را تعیین کرده و آن را به همراه موقعیت مکانی فعلی خود در سطح شبکه‌ی سنسور پخش می‌نماید. سپس هر ند با دریافت اطلاعات سایر ندها و به کمک سیستم خبره‌ی فازي ارائه شده، مناسب‌ترین موقعیت مکانی بعدي خود در محیط را تعیین کرده و به سمت آن موقعیت حرکت می‌کند. فعالیت شبکه تا زمانی که یکی از ندها منشأ انتشار گازهاي سمی را بیابد ادامه پیدا می کند. روش پیشنهادي شبیه‌سازي گردیده و با روش‌هاي موجود مقایسه شده است.

مسائل برنامه‌ریزی و زمان‌بندی از جمله مسائل پیچیده همراه با محدودیت‌های متنوع هستند. از سویی دیگر الگوریتم‌های ژنتیك ابزاری مناسب در زمینه یافتن جواب‌های قابل قبول و نزدیك به بهینه در مسائل برنامه‌ریزی محسوب می‌شوند. این مقاله، از الگوریتم‌های ژنتیك جهت حل مسأله برنامه‌ریزی دروس دانشكده استفاده كرده‌است. برنامه ریزی‌های درسی با توجه به محدودیت‌های متعدد حاصل از نوع دروس, اساتید و دانشجویان از جمله مسائل بسیار پیچیده هستند كه حل آنها می‌تواند در موارد متعددی به كار آید. بررسی‌های ما نشان داده است كه جهت یافتن جوابی قابل قبول باید محدودیت‌های اصلی را لزوماً رعایت كرده و در زمینه تنظیم سایر محدودیت‌ها از مكانیسم تصادفی الگوریتم‌های ژنتیك استفاده كرد. نتایج پیاده‌سازی, توانایی این روش در حل مسائل پیچیده را نمایش می‌دهد.

در این مقاله یک ساختمان داده یگانی براي نمایش طرح‌هاي انتقال ثبات ارائه می‌گردد. در حال حاضر نمایش یگانی و مبتنی بر گرافی به نام دیاگرام بسط تیلور وجود دارد. اگرچه می‌توان دیاگرام بسط تیلور را براي نمایش بهینه عبارات جبري در سطح کلمه به کار گرفت، اما آنها در نمایش عبارات بولی سطح بیت بهینه نمی‌باشند. همچنین دیاگرام بسط تیلور نمی‌تواند عبارات بولی در سطح کلمه (بردار) را نمایش دهد. در این مقاله تغییراتی به دیاگرام بسط تیلور اعمال می‌گردد که قابلیت نمایش سطح بیت آن‌ را افزایش می‌دهد و همزمان قابلیت نمایش عبارات بولی در سطح کلمه را به آن اضافه می‌کند.