در اين مقاله زمان¬بندي همه¬پخشي براي حالتي كه سرور تعدادي فايل را بر اساس درخواست كاربران بين آن¬ها توزيع مي¬كند، مطالعه شده است. به منظور اين¬كه بتوان مسأله را در عمل پياده¬سازي نمود، نياز است كه فايل¬ها به تعدادي قطعه شكسته شده و در شبكه ارسال گردند. رويكرد پيشنهادي با در نظر گرفتن هدف مينيمم كردن كل زمان پاسخ كاربران، رابطه¬اي تقريبي به شكل فرم بسته ارائه مي¬كند كه بر اساس آن تقريبي از تعداد قطعات بر حسب پارامترهاي مختلف شبكه و نوع درخواست¬ها بيان مي-نمايد. تقريب انجام شده با نتايج شبيه¬سازي ارزيابي شده كه نتايج حاكي از دقت مناسب رويكرد پيشنهادي است. همچنين تاثير پارامترهايي مانند اندازه سرآيندهاي لايه¬هاي مختلف پشته پروتكل شبكه نيز در كارآيي روش پيشنهادي مورد مطالعه قرار گرفته است.

موضوع همکاری منابع توزیع شده¬ی جغرافیایی برای حل مسائل بزرگ، گرید محاسباتی نام گرفته است. گرید منابع زیادی را که بر روی ماشین¬های مختلف و جداگانه قرار گرفته¬اند، متحد می¬کند تا یک سامانه¬ی یکپارچه به وجود آورد. در گرید، مکانیزمی برای متعادل¬سازی استفاده از این منابع وجود دارد که مکانیزم زمان¬بندی می¬نامند. این مکانیزم درخواست¬های کاربران را به صورت متعادل و مطابق با اهداف خاصی بر روی منابع توزیع می¬کند. با توجه به NP-Hard بودن مسئله¬ی زمان¬بندی، رویکردهای مبتنی بر روش¬های قطعی در این زمینه کارآیی چندانی نخواهند داشت. الگوریتم¬های مکاشفه¬ای متعددی از جمله الگوریتم ژنتیک، کلونی مورچه¬ها، شبیه¬سازی تبرید برای حل این مسئله استفاده شده است. در این مقاله، هدف ارائه¬ی الگوریتمی جدید برای زمان¬بندی ایستای کارهای مستقل در گریدهای محاسباتی با استفاده از الگوریتم رقابت استعماری می¬باشد. الگوریتم رقابت استعماری همانگونه که از نام آن برمی¬آید، بر مبنای مدل¬سازی فرآیند اجتماعی - سیاسی پدیده¬ی استعمار بنا نهاده شده است و از این جهت در نوع خود یک الگوریتم جدید و قابل رقابت با سایر الگوریتم¬های مکاشفه¬ای می¬باشد. در الگوریتم پیشنهادی، هدف کمینه کردن زمان اتمام کل کارها می¬باشد. نتایج به دست آمده از پیاده¬سازی¬ها و آزمایشات، نشان می¬دهد که الگوریتم پیشنهادی در بیشتر موارد بهتر از سایر الگوریتم¬های زمان¬بندی ایستا عمل می¬کند.

یکی از چالش¬های اساسی در زمینه سرمایه¬گذاری در بازارهای بورس کالا و اوراق بهادار، تنوع تعداد اقلام و نیز سهامعرضه شده و همچنین نوسانات زیادی است که در این بازارها رخ می دهد. لذا اتخاذ یک تصمیم درست و انتخاب یک آیتم سودآور جهت سرمایه¬گذاری در آن، یکی از مسائل مهم برای رسیدن به موفقیت در این نوع بازارها می¬باشد. در این مقاله با استفاده از پروسه تحلیل سلسله مراتبی (AHP)، سیستم توصیه-گری معرفی می¬گردد که قابلیت عرضه یکسری توصیه¬ها به کاربران جهت سرمایه¬گذاری در یک بازار خاص و یا خرید یک آیتم مشخص را دارا است. این سیستم توصیه¬گر که از نوع سیستم¬های پالایش همکارانه می¬باشد، براساس یکسری معیارها از جمله شاخص قیمت، شاخص تعداد معاملات، قیمت هر آیتم (که می¬تواند کالا یا سهام باشد)، سود هر آیتم، برتری شرکت¬های حاضر در بورس نسبت به یکدیگرو در نهایت امتیازاتی که کاربران قبلی نسبت به این شرکت¬هاابراز نموده¬اند، افراد را قادر می¬سازد تا با توجه به توصیه¬های ارائه شده، یک یا چند آیتم را انتخاب و در آنها سرمایه¬گذاری نمایند. در پایان مقاله عملکرد سیستم پیشنهادی مورد ارزیابی قرار گرفتهاست.

سيستمهاي توصيه گر سيستم هاي هوشمندي هستند كه در فضاي اينترنت با شناسايي علايق و اولويتهاي كاربر، اطلاعات موجود را پالايش كرده و توصیه هایی مناسب و مرتبط را به كاربران ارائه مي كنند. اگر توصيه هايي كه ارائه مي دهند با سلايق كاربر هم خواني نداشته باشد ،‌ آنگاه كاربر اعتمادي به اين سيستم ها نخواهد داشت و خود به دنبالعلایقشان خواهد گشت . به همين دليل در سالهاي اخير الگوريتم هاي گوناگوني در جهت ارتقاي كيفيت اين سيستم ها ابداع شده اند . ما در این مقاله در تلاش هستیم تا با پیشنهاد یک معیار ترکیبی جدید در سنجش شباهت کاربران، خطای سیستم توصیه گر را کاهش دهیم. این معیار به صورت ترکیبی از اطلاعات پروفایل کاربران و رتبه های داده شده به آیتم ها توسط دیگر کاربران طراحی شده است. از الگوریتم خوشه بندی فازی جهت خوشه بندی کاربران بر اساس اطلاعات پروفایل استفاده شده است و از الگوریتم ژنتیک جهت تعیین میزان شباهت بین کاربران با استفاده از اطلاعات ماتریس رتبه بندی استفاده شده است. نتایج بدست آمده در آزمایشات نشان داده که این روش توانسته عملکرد بهتری نسبت به معیارهای شباهت سنتی داشته باشد.

در اين مقاله، با در نظر گرفتن مسأله پوشش پیوسته اهداف برای شبکه¬های حسگر بی¬سیم، حسگرها را به¬گونه¬ای زمانبندی می¬کنیم که طول عمر شبکه بیشینه شود. کارهای قبلی انجام گرفته در این زمینه، برای حل مسأله مستقیما به سراغ یافتن درخت¬های بهینه رفته¬اند. از آنجا که برای یافتن مجموعه درخت¬های بهینه باید همه درخت¬های ممکن را در نظر داشت و یافتن تمامی درخت¬های ممکن در یک شبکه یا گراف NP-complete است، تنها به ارائه راه حل¬های حریصانه و ابتکاری اکتفا شده است. اما در راهکار پیشنهادی این مقاله، ابتدا یال¬های گراف شبکه را به گونه¬ای وزن¬دهی می‌کنیم که طول عمر شبکه بیشینه شود، سپس درخت¬های ممکن را استخراج می¬کنیم. برای یافتن وزن بهینه یال¬ها از برنامه¬ریزی¬خطی استفاده شده است. به¬ علاوه، مدلی برای حالتی که در شبکه بیش از یک گره چاهک وجود دارد نیز ارائه شده است. همچنین در حالتی که مکان گره(های) چاهک از پیش تعیین شده نباشد ، مدل ارائه شده، این امکان را دارد که مسأله مکان¬یابی گره چاهک و مسیریابی را به صورت موازی حل نماید. در انتها با بررسی مدل ارائه شده در این مقاله با پژوهش¬های قبلی تأیید می¬شود که کارایی مدل ارائه شده بسیار بالاتر از مدل‌های قبلی است و منجر به طول عمر بالاتری می‌شود.

هر شبکه اقتضایی متحرک شامل مجموعه‌ای از گره‌‌‌های متحرک است که در آن هیچ‌گونه زیرساخت ثابت و متمرکزی وجود ندارد. شبکه‌های اقتضایی متحرک به دلیل ویژگی‌های ذاتی خود در مقایسه با سایر شبکه‌ها در مقابل حملات مسیریابی آسیب‌پذیرتر هستند. در این مقاله، رویکردی ممتیکی مبتنی بر الگوریتم کلونی زنبورهای مصنوعی به نام MemBee برای تشخیص ناهنجاری پویا در شبکه‌های اقتضایی متحرک پیشنهاد می‌شود. رویکرد پیشنهادی شامل سه مرحله اصلی آموزش، تشخیص و به‌روزرسانی است. در مرحله آموزش، با استفاده از الگوریتم ممتیکی NicheMABC مجموعه‌ای از شناساگرهای کروی برای پوشش حداکثری فضای غیرعادی تولید می‌شود. در فرآیند تولید شناساگرهای کروی، از یک الگوریتم جستجوی محلی برای بهبود این شناساگرها و از تخمین مونت کارلو برای جلوگیری از تکرارهای غیرضروری استفاده می‌شود. در مرحله تشخیص، با استفاده از شناساگرهای کروی تولید شده ناهنجاری‌ها در ترافیک شبکه تشخیص داده می‌شوند. در مرحله به‌روزرسانی، شناساگرهای کروی با استفاده از یکی از دو روش به‌روزرسانی جزیی و کلی به‌روز می‌شوند. نتایج آزمایش‌های انجام شده برای حملات مسیریابی ارسال سیل‌آسا، سیاه‌چاله، همسایه، سریع و لانه کرمی نشان می‌دهند که رویکرد MemBee در مقایسه با سایر رویکردهای مشابه قادر است توازن بهتری میان نرخ تشخیص و نرخ هشدار نادرست برقرار کند.

کاربرد سيستم¬هاي الکترونيکي و تحت وب در آموزش در چند سال اخير گسترش روزافزون داشته است. جهت افزايش کارآيي اين گونه سيستم¬ها و بهبود آموزش، تکنيک¬هاي هوش¬ مصنوعي و طراحي سيستم بر اساس مدل دانشجو استفاده می¬شود. با استفاده از پیش¬بینی رفتار دانشجو می¬توان سیستم را برای فرد شخصی ¬سازی کرد. در اين مقاله روشي جهت پيش¬بيني رفتار دانشجو با استفاده از مدل مخفي مارکوف ارائه داده¬ایم. ورودي ما مجموعه اعمال انجام شده توسط کاربر در طول دوران آموزش در تعامل با سيستم الکترونيکي است. ابتدا با پيش¬پردازش بر روي داده¬هاي جمع آوري شده از يک سيستم آموزش الکترونيکي به تنظيم پارامترهاي مدل¬هاي مخفي¬ مارکوف مورد نظر پرداختيم. گام بعدي آموزش مدل مخفي مارکوف به کمک الگوريتم بام ولش با استفاده از داده¬هاي آموزشي بود. سپس جهت تشخيص رفتار کاربر جديد از الگوريتم پيش¬رو استفاده کردیم. ميزان درستي پيش¬بيني در روش ارائه شده در مقایسه با شبکه عصبي مصنوعي طراحی شده بهتر بود.

در اين مقاله روش ترکيبي جديدي بر اساس سيستم ايمني مصنوعي براي کشف تقلب در حوزه کارت‌هاي اعتباري ارائه مي‌شود. روش ارائه شده از دو الگوريتم در حوزه سيستم ايمني مصنوعي تشکيل شده است. الگوريتم اول سيستم تشخيص ايمني مصنوعي نام دارد که يک الگوريتم دسته‌بندي است و سلول‌هاي حافظه را بر اساس انتخاب کلوني توليد مي‌کند. الگوريتم دوم، الگوريتم تشخيص الگوي خودي نام دارد که بر اساس داده‌هاي خودي کشف‌کننده‌هايي را براي تفکيک تراکنش‌هاي خودي از غيرخودي توليد مي‌کند. اين الگوريتم از نظريه الگوي خودي در سيستم ايمني بدن الهام گرفته شده است. اين مقاله با ترکيب دو الگوريتم فوق، دقت را بالا برده و به نتايج بهتري دست يافته است.

آموزش الكترونيكي آموزش مبتني بر فناورياست کهنقطه عطف و همگرايي آموزش، اينترنت، فناوري شبكه، مديريت و توسعه آموزش می¬باشد.در این میان حجم وسیعی از اطلاعات مانند نحوه تعامل کاربر با سامانه¬ مدیریت آموزش، ذخیره می¬گردد. این داده¬ها حاوی اطلاعات با ارزشی برای مطالعه و تحلیل رفتار دانشجویان و ارائه مشاوره به دانشجویان می¬باشد. هدف اصلی این پژوهش ترکیب الگوریتم¬های داده¬کاوی و الگوریتم¬های تکاملی از جملهAssociation Rules وGenetic جهت ارائه یک روش جدیدبه نام PNGAR ( Positive Negative Genetic Association Rule)که هدف آن به طور خاص پیدا کردن الگو و قوانین پنهان در نحوه استفاده دانشجو از منابع سامانه آموزشی می¬باشد. قوانین و الگوهای کشف شده با الگوریتم PNGARرا می¬توان جهت ارتقاء سطح آموزشی فراگیران به صورت پیشنهاداستفاده از منابع استفاده کرد؛ همچنین در مقاله فعلی جمع آوری و آماده سازی داده¬ در نرم افزار Sql Server و پیاده سازی الگوریتم به زبان برنامه¬نویسیC# صورت گرفته است.

کلمات کلیدی منابع ارزشمندی برای سازماندهی و بازیابی اسناد می¬باشند، از این رو تا کنون روش¬های بسیاری برای تولید خودکار این کلمات پیشنهاد شده است؛ اما اکثر این روش¬ها به مجموعه¬های آموزشی، فرآیندهای یادگیری و یا دسترسی به منابع زبان¬شناختی مانند فرهنگ لغت نیاز دارند. با توجه به محدودیت دسترسی به این منابع، مخصوصاً در زبان فارسی، نیاز به روشی احساس می¬شود که مستقل از این منابع بتواند کلمات کلیدی را از متون استخراج نماید. روش پیشنهادی دراین مقاله مبتنی بر روش¬های آماری می¬باشد و بدون نیاز به منابع اضافی و تنها با در اختیار داشتن مجموعهاسناد و براساس ساختار سند، کلمات کلیدی را با کارایی قابل قبولی استخراج می¬نماید. بمنظور ارزیابی و مقایسه کارایی روش پیشنهادی از مجموعه داده¬ای همشهری استفاده شده است و نشان داده شده که این روش،کارایی استخراج خودکار کلمات کلیدی را نسبت به روش¬های آماری معمولی بهبود داده است.

با گسترش روزافزون صنعت تجارت الکترونیک و به تبع آن مواجهه با حجم رو به رشد کالاهای عرضه شده، سیستم¬های پیشنهاد دهنده نقش حیاتی را در کمک به خریدار برای هرچه سریع¬تر نزدیک شدن به هدف خود، ایفا می¬کنند.در صنعت تجارت الکترونیک، با طیف وسیعی از خریداران از کشورهای مختلف، با فرهنگ¬های متفاوت روبرو هستیم.بر اساس مطالعات، مصرف-کنندگان با فرهنگ¬های متفاوت، دارای رفتارهای متفاوتی در هنگام خرید بوده و نسبت به خرید محصولات نامتناسب با فرهنگ خود بی میل هستند. درنتیجه فرهنگ ملی در تعیین رفتار مشتری بسیار مؤثر است.بر همین اساس در این مقاله با استفاده از ابعاد فرهنگی کشور شخص خریدار به عنوان معیاری برای تشخیص نیاز خرید کاربر، در کنار معیارهای تأثیرگذار دیگر، بهره جسته¬ایم. برای این منظور از ابعاد فرهنگی هافستد که به صورت گسترده در مطالعات و کاربردهای بازاریابی به کار برده می¬شود استفاده کرده¬ایم و سیستم پیشنهاد دهنده¬ای را طراحی کرده¬ایم که بر اساس ابعاد فرهنگی کشور شخص خریدار پیشنهادات خود را ارائه می¬دهد. با توجه به نتایج آزمایشات انجام شده با استفاده از این سیستم بر روی داده¬های واقعی و مقایسه¬ با سیستم-های پیشنهاد دهنده رایج، می¬بینیم که سیستم پیشنهاد دهنده مبتنی بر فرهنگ بسیار کاراتر عمل می¬کند.

ترسیم نقشه دانش سازمان می‌تواند به مدیران و تصمیم‌گیرندگان سازمان‌ها در درک بهتر جریان دانش در سازمان کمک کند. در این مقاله فرایند و روشی برای توسعه نقشه‌های دانش سازمانی با استفاده از داده‌های موجود و بر اساس روش‌های کمی ارائه گردیده است. جهت ترسیم نقشه‌ دانش نهان سازمان، رفتار اطلاع‌جویی افراد مبنا قرار گرفت. برای رسیدن به این هدف پایگاه اطلاعات کتابخانه به عنوان منبع شناسایی دانش نهان سازمان انتخاب شد. نقشه دانش آشکار سازمان نیز با استفاده از داده‌های مربوط به تولیدات دانشی سازمان اعم از مقالات و طرح‌های پژوهشی ترسیم گردید. همچنین الگویی جدیدی برای ترسیم نقشه دانش بر اساس داده‌های سازمانی ارائه شد که در نهایت مبنای ترسیم نقشه دانش پژوهشگاه علوم و فناوری اطلاعات ایران قرار گرفت. نقشه‌های ترسیم شده مورد تجزیه و تحلیل قرار گرفتند و با یکدیگر مقایسه شدند. همچنین با توجه به نتایج حاصل از تحلیل نقشه‌ها راهبردهایی برای توسعه دانش در پژوهشگاه ارائه گردید.

در این مقاله قصد داریم روشی برای مقایسه زمینه¬ها در یک آنتولوژی ارائه دهیم و با استفاده از آن میزان اعتماد در زمینه¬های مشابه را محاسبه کنیم. فرض بر این است که میزان اعتماد نسبت به یک عامل را در یک زمینه داریم، می¬خواهیم بدانیم که چگونه می¬توان میزان اعتماد را در زمینه¬های دیگر محاسبه کنیم. طبق روش ارائه شده در این مقاله، یک معیار مناسب برای محاسبه میزان شباهت بین دو زمینه متفاوت بدست می¬آید تا بتوانیم بر اساس آن میزان اعتماد را با دقت بیشتری بین زمینه¬های موجود و یا حتی در یک زمینه جدید محاسبه کنیم. بنابراین صرف نظر از اینکه چه روشی برای محاسبه اعتماد مورد استفاده قرار می¬گیرد، می¬توان با افزودن پارامتر مشابهت، اعتماد را با دقت بیشتری در یک زمینه محاسبه نمود. نتایج بکارگیری از روش پیشنهادی در دو رابطه محاسبه اعتماد نشان دهنده حدود 70 درصد بهبود در محاسبه و پیش بینی اعتماد می باشد.

سامانه¬های توصیه¬گر در زمینه¬های مختلف، براساس نوع داده¬ها و روش¬هایی که برای پالایش اطلاعات استفاده می¬کنند، پیشنهادهایی با کیفیت¬های متفاوت تولید می¬کنند. مدل ارائه شده در این کار یک مدل انعطاف¬پذیر است که می¬تواند انواع متفاوتی از داده¬ها را به عنوان ورودی دریافت کرده و دیدگاه¬¬های پیشنهاددهی مختلف را پشتیبانی کند. در روش پیشنهادی، داده¬ها به شکل یک گراف دو لایه مدل میشوند، در یک لایه گردشگران و در یک لایه تورهای مسافرتی در نظر گرفته می¬شوند. سه نوع ارتباط بین گرهها وجود دارد که از طریق دریافت همبستگی تورها، همبستگی گردشگران و همبستگی گردشگران و تورها تشکیل می¬شود. اگر فقط اتصالات بین تورها استفاده شود، دیدگاه مبتنی بر محتوی حاصل می¬شود؛ اگر سایر اتصالات استفاده شود، دیدگاه مبتنی بر همکاری گروهی به دست می¬آید و اگر تمام اتصالات برای ارائه پیشنهادها استفاده شود دیدگاه ترکیبی حاصل می¬شود. با انتخاب هر یک از دیدگاه¬های پیشنهاددهی در گراف دو لایه، الگوریتم انتشار فعال¬سازی B&B برای استخراج روابط تراگذری گردشگر هدف با تورها استفاده می¬شود. نتایج حاصل از ارزیابی¬ها توسط معیار F-measure نشان می-دهد که کیفیت پیشنهادها به طور قابل توجهی نسبت به روش¬های پیشنهاددهی استاندارد یعنی روش مبتنی بر همکاری گروهی و مبتنی بر محتوی بالاتر است.

هدف اين مقاله، ارايه روشي جهت تشخيص خودکار الگوي مناسب فراخواني غير همزمان در سرويسهاي وب مي باشد. اصولا"، چهار الگو جهت فراخواني غير همزمان وب سرويسها مطرح است که در چارچوبهاي موجود براي ايجاد سرويسهاي وب به صورت دستي تعيين و مورد استفاده قرار مي گيرند. استفاده ناصحيح از اين الگوها مي تواند در طولاني شدن زمان اجراي برنامه ها بسيار موثر باشد. مي توان با تعيين وابستگي ها به نتايج حاصل از فراخواني و زمان لازم براي رسيدن به اولين مکان وابستگي و همچنين با در نظر گرفتن زمان لازم براي اجراي تابع مورد فراخواني، الگوي مناسب را براي فراخواني ها به صورت خودکار تشخيص داد. ابزار پيشنهادي با تحليل نحوي کد برنامه، تشکيل زنجيره تعريف و استفاده، تخمين زمان اجراي برنامه و تخمين زمان پاسخ وب‌سرويس الگوي مناسب براي فراخواني غيرهمزمان را تشخيص داده و با جايگزيني کدهاي متناسب با الگوي تشخيص داده شده در کد، برنامه را بهينه مي¬کند. اين کار باعث ساده تر شدن بکار بردن فراخواني‌هاي غيرهمزمان و همچنين افزايش شفافيت و سرعت اجراي کد برنامه مي¬شود.

امروزه دو گروه برجسته از سرويس¬هاي وب وجود دارد که يکي بر پايه¬ي معماري SOAP و ديگري بر پايه¬ي معماري REST مي-باشد. اين دو گروه از سرويس¬هاي وب، زبان توصيف خاص خود را دارند كه به زبان توصيف سرويس¬هاي وب مبتني بر SOAP، WSDL و به زبان توصيف سرويس¬هاي وب مبتني بر REST، WADL گفته مي¬شود. از طرف ديگر روش¬هاي صوري، روش¬هايي مبتني بر رياضيات هستند. مهمترين مشخصه¬ي يک روش صوري، اتکا به يک زبان توصيف صوري است که يکي از معروف¬ترين آن¬ها زبان توصيف Z نام دارد. در منابع قبلی ترجمه¬ی WSDL 2.0 به Z ارائه شده است. در این مقاله هدف ما ارائه¬ی ترجمه¬ای از WADL به Z می¬باشد. با داشتن اين دو ترجمه مي¬توان به دستاوردهايي از قبيل: بررسی ترکیب¬پذیری سرویس¬هاي وب به شکل صوری، اعتبارسنجيسرويس¬هاي وب به شکل صوری (با ابزاري مانند JAZA يا ابزاري مشابه)، بررسی صوری تطابق بین سرويس¬هاي وب یا ترکیب آن¬ها با فرآیندهای حرفه و ایجاد زمینه¬ای برای تولید صوری سرويس¬هاي وب رسيد. از طرف ديگر مي¬توان انواع ناهماهنگی¬ها در سطح عناصر، قبل از ترکیب سرویس¬ها را به شکل صوری بررسی نمود.

مساله کوتاه‌ترین مسیر از مسائل بنیادی و پرکاربرد در علم کامپیوتر است. انواع و حالات مختلفی از این مساله وجود دارد که بسیاری از آن‌ها با توجه به کوتاه‌ترین مسیر در گراف‌ها قابل حل هستند. سطوح نامنظم مثلث‌بندی‌شده‌ی (تین) وزن‌دار , در نمایش سرزمین‌ها در سیستم‌های اطلاعات جغرافیایی کاربرد دارند و یافتن کوتاه‌ترین مسیر میان دو نقطه از این سطح به طوری که مسیر از روی تین عبور کند و هزینه آن کمینه شود مورد بررسی ماست. به علت حجم زیاد داده‌ها در تین در کاربردهای واقعی, یافتن کوتاه‌ترین مسیر در زمان قابل‌قبول چندان ساده نیست. در این مقاله با استفاده از پردازش چندهسته‌ای, روشی برای پاسخ‌گویی سریع به پرس‌وجوهای کوتاه‌ترین مسیر میان دو نقطه از تین ارائه می‌دهیم. پردازش چندهسته‌ای حیطه‌ای نوین در پردازش موازی است که پیاده‌سازی برنامه‌های کارا با استفاده از آن متفاوت از سیستم‌های پردازش موازی پیشین است. مقایسه عملکرد روش پیشنهادی با معیارهای موجود برای ارزیابی این مساله و با داده‌های واقعی, کارایی روش را نشان می‌دهد.

پيش¬بينی نقص نرم¬افزار يکی از موثرترين روش¬های مطرح در کاهش هزينه¬ی آزمون نرم¬افزار است. در اين روش تعداد احتمالی نقص در هر بخش از نرم¬افزار پيش¬بينی می¬شود و بخش¬های نقص¬پذير محتمل در اولويت آزمون قرار می¬گيرند. اطلاع از میزان سودمندی این روش در پروژه¬های موجود به مدیر پروژه کمک می¬کند تا از سودمندی روش پیش¬بینی نقص درک بهتری داشته باشد و بهتر از این روش استفاده کند. برای این منظور در این مقاله میزان سودمندی پیش¬بینی نقص در چهل¬و¬هشت پروژه¬ی متن¬باز توصیف شده و ارتباط میزان سودمندی با چگالی نقص و اندازه¬ی پروژه بررسی شده است. در انجام آزمایشات، معیار اثربخشی¬هزینه برای سنجش میزان سودمندی بکار رفته است و از تحلیل پیرسون برای بررسی ارتباط¬های مورد نظر استفاده شده است. نتایج آزمایشات بر روی مجموعه¬داده¬های گنجینه¬ی پرامیس نشان داده است که متوسط اثربخشی هزینه در پروژه¬های مورد بررسی 0.59 است و هرچه چگالی نقص در یک پروژه کمتر شود، پیش¬بینی نقص، اثربخش¬تر است به طوری که برای پروژه¬هایی که در آن ها در هر کیلو خط از کد، حداکثر یک نقص وجود دارد، اثربخشی هزینه بیشتر از 0.80 است. ارتباطی بین اندازه¬ی پروژه و اثربخشی هزینه مشاهده نشده است.

براي لحاظ کردن سطوح مختلف عدم قطعيت و ناسازگاري، در فرايند چک کردن مدل، از منطق¬هاي زماني چندمقداري استفاده شده است. منطق فازي نيز نوعي منطق چندمقداري نامتناهي و پيوسته است که در حوزه¬هاي مختلف کاربرد دارد. با ترکيب منطق¬هاي زماني با منطق فازي مي¬توان مفاهيم فازي را در حوزه چک کردن مدل، وارد کرد. برای وارسی خواص زمانی سیستمهای مرتبط با زمان حقیقی (پیوسته) مدل اتوماتای زمانی (TA) ایجاد و منطقی با نام TCTL روی آن تعریف شده است. در اين مقاله ضمن تعريف مدل اتوماتای زمانی فازی (FzTA)برای زمانهای حقیقی، جهت چک کردن خواص زماني روي اين مدل-ها، منطق FzTCTL را ارائه مي¬کنيم. نشان خواهیم داد که این مدل و منطق نسبت به مدل TAو منطق TCTL قوی تر و کامل تر است.