کاوش استفاده از وب که از شاخه‌هاي وب کاوي می‌باشد به پیشبینی صفحه بعدي کاربر و همچنین شناسایی رفتار کاربر می‌پردازد. یکی از چالش‌هاي این حوزه، تشخیص شیوه رفتاري کاربر جهت پیش‌بینی دقیق‌تر صفحه بعدي مورد نظر وي است. آنچه کار مهم است، صحت پیش‌بینی به همراه کاهش زمان مورد نیاز براي پیش‌بینی می‌باشد. ما در این مقاله از مدل خوشه‌بندي کامیانه استفاده کرده و توسط یکچارچوب جدید قابل گسترش، به پیش‌بینی صفحه بعدي کاربر می‌پردازیم. هدف ما در این مقاله ارائه راهکاري براي افزایش صحت و کاهش زمان پیش‌بینی برخط صفحه بعدي کاربر می‌باشد. نتایج حاکی از افزایش صحت پیش بینی و کاهش زمانی پیش‌بینی برخط به میزان قابل ملاحظه‌اي می‌باشد.

با پیدایش وب 2، مشارکت مخاطبان در دنیای اینترنت سهم عمده‎‌‎ی تولید محتوا را به خود اختصاص داده است. یکی از ساده‎ترین و رایج‎ترین ابزار تولید محتوا در اینترنت وبلاگ‌ها هستند. در این مقاله تمرکز ما بر روی بازیابی وبلاگ‌ها یا جستجوی وبلاگ‌ها می باشد. هدف اصلی در یک سیستم جستجوی وبلاگ‌ها، بازیابی وبلاگ‌هایی است که موضوع اصلی آنها مطابق با پرس‌وجوی کاربر می‌باشد. لذا در این مقاله سعی شده است با استفاده از مجموعه داده استاندارد irBlogs ، به بررسی و مقایسه روش‌های مختلف بازیابی وبلاگ‌ها در زبان فارسی بپردازیم. سپس روش ر‌ای‌دهی را با تعریف یک فاکتور مرتبط بودن و سطح بندی نتایج بر اساس آن،توسعه داده‌ایم. نتایج حاکی از این است که روش پیشنهادی باعث بهبود چشمگیری در معیاری‌های مختلف بازیابی وبلاگ‌ها، نسبت به روش رای‌دهی شده است.

بیماری فصلی آنفلوآنزا هر ساله باعث مرگ 500.000 نفر در جهان می‌شود. بنابراین جلوگیری از این بیماری و بیماری‌های واگیردار مشابه از اهمیت بالایی برخورداراست. همان‌طور که مطالعات نشان می‌دهد، در صورت تشخیص زودهنگام، می‌توان از بسیاری از بیماری‌های واگیردار جلوگیری کرد. از‌این‌رو، پیش‌بینی شیوع بیماری‌های واگیر نقش مهمی در کاهش خسارات ناشی از آنها دارد. مرکز کنترل و پیشگیری بیماری (CDC) به صورت سنتی داده بیماری شبه آنفلوآنزا (ILI) را جمع‌آوری می‌کند که معمولاً فاصله زمانی تشخیص بیماری تا تهیه گزارش ILI، یک تا دو هفته است. کاهش این زمان، منجر به پیش‌بینی زودتر شیوع بیماری و کاهش هزینه‌های آن می‌باشد. در این مقاله با استفاده از روش‌های یادگیری ماشین، روش‌های جدیدی برای پیش‌بینی داده بیماری شبه آنفلوآنزا مبتنی بر تحلیل داده‌های شبکه اجتماعی توییترارائه شده است. روش‌های پیشنهادی از مدل رگرسیون خطی با ورودی خارجی و مدل سری زمانی با شبکه عصبی برای پیش‌بینی داده بیماری شبه آنفلوآنزا استفاده می‌کنند. ارزیابی‌های انجام شده بر روی داده‌های سال 2009 تا 2010 شبکه توییتر نشان می‌دهند که از طریق روش‌های پیشنهادی امکان پیش‌بینی شیوع بیماری، دو تا چهار هفته زودتر از CDC، فراهم می‌شود. نتایج حاصل نشان می‌دهد که می‌توان توسط شبکه عصبی بیماری آنفولانزا را با خطای کمتر از 5% پیش‌بینی کرد.

تحلیل شبکه‌های اجتماعی در سال‌های اخیر بسیار مورد توجه قرار گرفته‌است. بسیاری از شبکه‌های اجتماعی به شکل شبکه‌های پیچیده و ناهمگن مدل می‌شوند. ظهور شبکه‌های ناهمگن در فضای وب، تنوع در انواع موجودیت‌های شبکه و پیوندهای مختلف میان موجودیت‌ها را به همراه داشته‌است. بنابراین چالش جدیدی به نام پیش‌گویی نوع پیوندمطرح گردیده‌است که هدف آن تشخیص نوع رابطه‌‌ی موجود، میان موجودیت‌هاست. با توجه به تاثیری که این موضوع در مدیریت بهینه‌ی اطلاعات کاربران دارد، در این مقاله ابتدا به بیان اهمیت پیش‌گویی نوع پیوند در شبکه‌های اجتماعی و مزایای آن پرداخته‌ایم. سپس برای حل این مسئله، الگوریتم جدیدی ارائه شده که براساس روش یادگیری با نظارت و قوانین احتمال، به منظور پیش‌بینی نوع پیوند در یک شبکه اجتماعی عمل ‌می‌کند. این الگوریتم با کلاس‌بندی نوع روابط براساس ویژگی‌های کاربران درگیر در یک رابطه، سعی در پیش‌بینی نوع روابط ناشناخته دارد. این روش به کمک مجموعه داده Epinions مورد ارزیابی قرار گرفته ‌است ونتایج آن از نظر دقت و فراخوان با الگوریتم کلاس‌بندی بیز مقایسه شده‌است.

امروزه با رشد روز افزون اطلاعات موجود در وب، موتورهای جستجو تبدیل به ابزاری مهم و محبوب برای یافتن اطلاعات مورد نیاز کاربران در وب شده است ولی با این وجود هنوز پژوهشی در زمینه تحلیل رفتار کاربران ایرانی در موتورهای جستجوی بومی صورت نگرفته است. لذا در اين مقاله، سعی شده رفتار کاربران ایرانی که از موتور جست‌وجوی پارسی‌جو استفاده نموده‌اند را به کمک تحلیل فایل ثبت وقایع (log) اين موتور جست‌وجو بررسی نماییم. تحلیل‌های صورت گرفته در سطوح مختلف پرس‌وجو، نشست، كليك كاربر و وب‌سايت‌هاي پربازديد در بازه زمانی حدود دو ماه صورت گرفته است. نتایج کسب شده حاکی از آن است که کاربران ایرانی بیشتر در مورد موضوعات کامپیوتر و اینترنت، افراد ومکان‌ها، اخبار،علمی و اجتماعی جستجو می‌نمایند و نیازهای اطلاعاتی خود را در قالب نشست‌های کوتاه مدت و با تعداد کمی از پرس‌جوها در هر نشست مطرح نموده‌اند. علاوه بر آن میانگین تعداد کلیک کاربران برای جستجوی عکس بیشتر از جستجوی وب بوده است و میانگین طول پرس‌وجوهای کاربران نیز حدود 2.78 بوده است.

امروزه برنامه‌های کاربردی وب به عنوان واسطی برای بسیاری از سیستم‌های تحت وب، مورد استفاده قرار می‌گیرند. به دلیل رشد استفاده از این برنامه‌ها و قابلیت دسترس‌پذیری بالای آن‌ها، و هم چنین سر و کار داشتن آن‌ها با اطلاعات شخصی و حساس کاربران، لزوم برقراری امنیت در این دسته از برنامه‌ها احساس می‌شود. بنابراین تشخیص آسیب‌پذیری‌های برنامه‌های کاربردی تحت وب، می‌تواند به میزان زیادی از سوءاستفاده توسط نفوذگران جلوگیری کند. در این مقاله روشی ارائه می‌گردد که درآن با استفاده از تحلیل ایستای کد متن برنامه کاربردی تحت وب، نقاط آسیب‌پذیر برنامه شناسایی می‌شود و برای این منظور از گراف احتمال آسیب‌پذیری استفاده می‌کند. گراف احتمال آسیب‌پذیری برای پوشش هرچه بیشتر نقاطی از برنامه با احتمال آسیب‌پذیری بالا، طراحی شده است.

کاهش مصرف انرژي يکي از چالش‌هاي اساسي در مراکز داده است. در ميان مولفه‌هاي مختلف مرکز داده، ذخيره‌سازي يکي از بزرگترين مصرف‌کنندگان انرژي است. در اين مقاله، يک الگوريتم جايگزيني حافظه نهان ارائه کرده‌ايم که مصرف انرژي و در عين حال ميانگين زمان پاسخ را کاهش مي‌دهد. روش ارائه شده با سربار زماني و حافظه‌اي کمتري نسبت به روش‌هاي مشابه به اين هدف مي‌رسد. نتايج شبيه‌سازي قابليت کاربرد روش ارائه شده در سيستم‌هاي واقعي و همچنين بهبود در معيارهاي ذکر شده را نشان مي‌دهد.

زمانبندی وظایف یکی از مهمترین چالش‌های سیستم‌های رایانش ابری است. به دلیل محدودیت‌ها و ناهمگن بودن منابع، مسأله زمانبندی جزء مسائل NP-Complete می‌باشد. یک روش زمانبندی مناسب، در کاهش زمان اجرای وظایف و بهره‌وری منابع بسیار تاثیرگذار است. تاکنون از روش‌های بسیاری مانند Min-Min، Max-Min و الگوریتم‌های فرامکاشفه‌ای مانند GA و PSO برای زمانبندی وظایف در محیط ابر استفاده شده است. در الگوریتم‌های مختلف ارائه شده برای زمانبندی وظایف در محیط ابر در بیشتر موارد، خصوصیات منابع مانند پهنای باند، به عنوان پارامتر موثر در تولید جواب نهایی در نظر گرفته نشده‌ است. در این مقاله برای دستیابی به یک توازن بار مناسب و افزایش بهره‌وری منابع، از تابع هزینه جدیدی برای محاسبه زمان اجرای وظایف بر روی منابع موجود در محیط ابر استفاده می‌کنیم. در این تابع هزینه، پارامتر پهنای باند منابع نیز به عنوان معیار موثر در تولید جواب نهایی در نظر گرفته می‌شود. برای دستیابی به پاسخ بهینه نیز، نسخه بهبود یافته الگوریتم رقابت استعماری جهت نگاشت مجموعه وظایف به منابع موجود در محیط ابر ارائه گردیده است. هدف این الگوریتم استفاده از توانایی‌های الگوریتم رقابت استعماری با توجه به سرعت مناسب آن در یافتن پاسخ بهینه است. همچنین به منظور افزایش قابلیت پویش و جلوگیری از همگرایی سریع الگوریتم به بهینه محلی از فرآیندی مشابه با بازترکیب یکنواخت در بخش سیاست جذب(همگونسازی) استفاده شده است. نتایج پیاده‌سازی مسأله و مقایسه آن با الگوریتم‌های ژنتیک و PSO، نشان‌دهنده دستیابی به زمانبندی بهتر وظایف می‌باشد.

در بسیاری از سیستم‌های مدرن و برنامه‌های کاربردی نظیر محاسبات فراگیر، شبکه‌های نظیر به نظیر، محسبات شبکه‌ای، محاسبات ابری و حتی اپلیکیشن‌های تحت وب، مفهوم اعتماد بکار برده شده است. اعتماد، سطحی از احتمال ذهنی که بین دو موجودیت، یک trustor (یعنی موجودیت مبدا) و یک trustee (یعنی موجودیت مقصد یا هدف) می‌باشد که از طریق یک مشاهده مستقیم طبیعی و یا توصیه ای از موجودیت‌های اعتماد شکل می‌گیرد. از این رو در این مقاله به ارائه یک مدل اعتماد در محیط محاسبات ابری بر اساس منطق و ریاضیات فازی می پردازیم به گونه ای که روابط میان موجودیت های ابر را بر اساس تعاملات موفق و عدم موفق آنها مدل سازی می‌کند.

محاسبات ابری، نوعی مدل محاسباتی می‎باشد که امکان دستیابی به منابع محاسباتی را به عنوان سرویس و براساس تعهد پرداخت امکان‎پذیر می‎سازد. تهیه‎کنندگانِ متفاوتی در محیط محاسبات ابری وجود دارد که هر کدام از آنها، سرویس‎هایی را با ویژگی‎های کیفیتی گوناگون، ارائه می‎نمایند. بنابراین کاربر به هنگام تصمیم‎گیری در مورد انتخاب سرویس، بر اساس نیازمندی‎های کیفیتِ کاربردِ خود به مشکل برخورد می‎کند. به همین دلیل، داشتن سیستمی برای دریافت نیازهای کاربر و انتخاب و رتبه‎بندی سرویس‎های ابری لازم و ضروری به نظر می‎رسد. در این مقاله، روشی به نام MOOW برای رتبه‎بندی سرویس‎های ابری ارائه شده است. این روش، رتبه‎بندی را به عنوان یک مسئله‎ی بهینه‎سازی چند هدفه در نظر گرفته و از طریق وزن دادن به ویژگی‎هایِ کیفیت، مسئله را تحلیل می‎نماید. نتایج آزمایشات نشان می‎دهد که پیچیدگی روش ارائه شده در مقایسه با روش‎ قبلی، 5 درصد کاهش یافته است و الگوریتم ارائه شده، بسیار ساده می‎باشد.

در مراکز داده برای سادگی استفاده از منابع توسط چند کاربر، مدیریت ساده‌تر و متمرکز؛ تمامی زیرساخت از جمله ماشین‌های فیزیکی، ذخیره‌سازی، شبکه و ... را به صورت مجازی‌شده در اختیار کاربران قرار می‌دهند. در شرایط خاص نیاز به مهاجرت و جابجای ماشین‌های مجازی بین ماشین‌های فیزیکی داریم. با استفاده از روش‌هایی که مهاجرت زنده نام دارد، ماشین‌های مجازی می‌توانند بدون وقفه در سرویس مهاجرت کنند. در این مقاله ما روش‌های مهاجرت زنده و کارهایی که برای بهبودی آن انجام شده را مطرح می‌کنیم. در نهایت روش که در مورد ماشین‌های مجازی وب سرورها بهینه عمل می‌کند را ارائه می‌کنیم. در نهایت سه روش پیش‌کپی، توقت‌کپی و روش بهینه ارائه شده در ماشین‌های مجازی وب سرورها را مقایسه می‌کنیم.

در راستای پیشرفت‌های اخیر در حوزه‌ی ارتباطات بی‌سیم، الگوی جدیدی تحت عنوان"شبکه‌های موردی خودرویی" به منظور برقراری ارتباط خودرو‌ها با یکدیگر و همچنین با واحدهای کنارجاده‌ای به وجود آمده است. علی‌رغم آنکه این نوع شبکه ‌با انگیزه‌ی بهبود ایمنی در سیستم حمل‌و‌نقل پدید آمده؛ اما باید خاطر نشان کرد که تحقق آن، بستری توانمند برای ارائه‌ی طیف وسیعی از کاربردها اعم از ایمنی و غیرایمنی محسوب می‌شود. پیام‌ها در بسیاری از کاربردهای مذکور، برای خودرو‌ها در محدوده‌ای فراتر از یک پرش سودمند هستند؛ لذا بایستی به صورت چندپرشی در شبکه منتشر شوند. این فرآیند در عمل، معادل با مفهوم "پخش‌فراگیر چندپرشی" است. در این مقاله، ضمن محوریت قرار دادن معیار حداقل افزونگی در ارسال پیام و تحمیل بار کاری اندک بر روی کانال، طرحی قابل‌اطمینان و مبتنی بر ناحیه، برای پخش‌فراگیر در شبکه‌های موردی خودرویی پیشنهاد شده است. با توجه به طرح پیشنهادی و همچنین بر اساس روش‌های انتخابِ گره رله، دو پروتکل جدید یکی مبتنی بر فرستنده و دیگری مبتنی بر گیرنده معرفی شده است. در هر یک از این دو پروتکل، زمان انتظارِ گره‌های گیرنده، بر اساس معیاری جدید تعیین می‌گردد. نتایج شبیه‌سازی حاکی از آن است که پروتکل‌های پیشنهادی، عملکرد مناسب‌تری نسبت به پروتکل مورد مقایسه دارند.

در سال‏های اخیر، حجم داده‌های تولیدی در حوزه سلامت در حال افزایش است که از نمونه آن‌ها اطلاعات مربوط به شیوع همه‏گیری در جامعه است. در واقع الگوهای تماس افراد در جامعه، باعث ایجاد شبکه می‌شوند که تحلیل این شبکه از اهمیت زیادی در پیش‏گیری و کنترل شیوع بیماری‏ها برخوردار است. بنابراین ارائه مدلی برای ذخیره‏سازی این داده‌ها به نحوی که قادر باشد پرس‏وجوهای مطرح در این حوزه را به سرعت پاسخ دهد، ضروری است. در این مقاله برای ذخیره‌سازی این داده‌ها، از سیستم ذخیره‌سازی گرافی که یکی از انواع سیستم‌های «NoSQL» است، استفاده می‌کنیم. برای این کار ابتدا نیازها و پرس‌وجوهای مطرح در این حوزه را مشخص نموده و بر اساس آن مدل مناسب را در سیستم گرافی (neo4j) طراحی می‌کنیم. برای ارزیابی کار خود، طراحی مدل در یک سیستم رابطه‌ای (mysql) را نیز انجام داده و کارایی این دو را در پاسخ به پرس‌وجوها را با هم مقایسه کرده‌ایم. نتایج نشان می‌دهند که کارایی سیستم گرافی در بسیاری از موارد (مانند پیدا کردن مسیر انتقال بیماری، کوتاهترین مسیر بین دو فرد، پیماش گراف،... ) بهتر از سیستم رابطه‌ای است.

شناسایی افراد مناسب برای واکسیناسیون با استفاده از علوم شبکه در سال‏های اخیر مورد توجه محققان قرار گرفته است. متداول‏ترین روش‏ها برای ایمن‏سازی شبکه بر پایه‏ی معیارهای مرکزیت شبکه مانند درجه و مرکزیت میانی بنا شده‏اند که اهمیت گره مورد نظر را به صورت کلی در سراسر شبکه‏ی مورد نظر می‏سنجند. در این مقاله روشی سلسله مراتبی برای اولویت دهی واکسیناسیون گره‏ها ارائه می‏کنیم که ابتدا گروه‏های موجود در شبکه را شناسایی و به هرگروه بنا به نقشی که در شبکه دارد امتیازی نسبت می‏دهد. سپس نقش هر گره را به صورت محلی در گروهی که متعلق به آن است مورد بررسی قرار می‏دهد و در مرحله‏ی آخر به نقش گره در انتقال بیماری بین گروه‏های مختلف خواهد پرداخت. نتایج به دست آمده بر حسب بزرگ‏ترین مولفه متصل نشان می‏دهد که این روش امتیازبندی در شبکه‏های جهان کوچک و شبکه‏های دارای ساختار اجتماعی بهتر از درجه و به خوبی معیار مرکزیت میانی عمل می‏کند در حالی که پیچیدگی زمانی آن نسبت به مرکزیت میانی کم‏تر است.

با توجه به مصرف انرژی قابل توجه مراکز داده و همچنین افزایش قیمت انرژی، کاهش هزینه‌ی مراکز داده به یک مسئله‌ی مهم تبدیل شده است. تنوع زمانی و مکانی قیمت انرژی، فرصت کاهش هزینه‌ی کلی مراکز داده را از طریق مهاجرت کارها به مکان‌هایی با قیمت انرژی کمتر، فراهم کرده است. با این حال، مهاجرت نادرست بار کاری به دلیل نادیده‌گرفتن هزینه‌ی خنک سازی، ممکن است افزایش قابل توجهی در هزینه‌ی کلی مراکز داده را به دنبال داشته باشد. در این کار ما یک روش مهاجرت بار کاری بین مراکز داده‌ ارائه می‌دهیم، که علاوه بر در نظر گرفتن هزینه‌ی محاسباتی، هزینه‌ی خنک‌سازی را نیز در تصمیمات مهاجرت خود در نظر می‌گیرد. دو ویژگی‌کار ما را از سایر کارهای مشابه متمایز می‌کند : اول; ما فرض می‌کنیم که هزینه‌ی خنک سازی با توجه به بهره‌وری مرکز داده، به صورت غیر خطی افزایش می‌یابد. دوم; هزینه‌ی خنک سازی را بدون در نظر گرفتن هیچ فرضی از چگونگی کار سیستم خنک کننده مرکز داده، مدل می‌کنیم. در مدل مهاجرت پیشنهادی، ما مشخص می‌کنیم که چه مقدار بار کاری باید از یک مرکز داده به دیگر مراکز داده مهاجرت کند و همچنین چه تعداد سرور باید در هر مراکز داده برای اجرای بار کاری روشن شود. در نهایت، با استفاده ازtrace های MapReduce، روش پیشنهادی را ارزیابی می‌کنیم و نشان می‌دهیم که روش پیشنهادی کاهش هزینه قابل توجهی،23.4%، را به دنبال دارد.

استاندارد IEEE 802.11p/1609.4 بر پایه‌ی یک سیستم چندکانالی متشکل از چند کانال سرویس (SCH) و یک کانال کنترل (CCH) بنا نهاده شده است. اکثر پیام‌هایی که در کانال کنترل ارسال ( پخش فراگیر) می‌شوند، متعلق به کاربردهای ایمنی بوده و باید با احتمال بالایی در همه خودروهای تحت پوشش دریافت گردند. از آنجا که احتمال دریافت فریم‌ها تابعی از اندازه پنجره رقابت، تعداد خودروها و طول بازه است، در این مقاله روشی جدید پیشنهاد می‌شود که بر اساس آن، اندازه پنجره رقابت و مدت زمان بازه کانال کنترل(CCH) با توجه به ترافیک و بار کانال، به صورت تطبیقی تنظیم می‌گردد. در روش پیشنهادی، با استفاده از پیام‌های دوره‌ای بیکن هر خودرو می‌تواند از تعداد خودروهای در محدوده پوشش خود آگاهی پیدا کرده و بر اساس آن پارامترهای انتقال را به‌صورت پویا تنطیم نماید. الگوریتم پیشنهادی، با استفاده از شبیه‌ساز Veins شبیه‌سازی شده که نتایج حاکی از این است که بر خلاف استاندارد موجود، با افزایش چگالی خودروها، احتمال دریافت بسته‌ها در حد قابل قبولی باقی می‌ماند. باتوجه به پیچیدگی زمانی ناچیز الگوریتم پیشنهادی و در نتیجه سرعت بالای آن، می‌توان انتظار داشت که در شرایط بلادرنگ تنظیم طول بازه انجام شده و بدین ترتیب نقطه ضعف اصلی روشهای دیگر را برطرف کرده است.

يكي از تكنيك‌هاي ارائه شده براي زمانبندي در واسطه‌های توري، زمانبندي اقتصادي می‌باشد كه يكي از مهمترين آنها الگوريتم زمانبندي مبتني بر محدوديت زمان و هزينه است. در اين الگوريتم‌ها زمان‌بندی بر اساس دو محدوديت زمان و هزينه براي اجراي كارها که توسط کاربر اعلام می‌شود، انجام مي‌گيرد. يكي از چالش‌هاي مهم اين روش‌ها، عدم قطعیت اجراي يك كار روي يك منبع توري است كه باعث تفاوت در رويه اجراي كارها و تفاوت با پيش‌فرض‌های زمانبندي مي‌شود. اين كاستي، تاثير منفی روي نسبت اتمام كارها گذاشته و ميزان از دست رفتن سرمايه را افزايش مي‌دهد. در اين مقاله، هزينه و زمان به صورت يك توزيع احتمالي در يك چارچوب تئوري تصميم‌گيري در نظر گرفته شده و سپس با گسترش الگوريتم‌هاي اقتصادي، تكنيك‌هاي جديد زمانبندي مبتني بر محاسبات احتمالي ارائه شده است. الگوريتم‌هاي ارائه شده در اين كار انتخاب كاربر را در نوع انجام كارها افزايش داده و باعث بالا رفتن نسبت اتمام كارها شده است. شبیه‌سازی نشان می‌دهد که روش‌های مبتنی بر توزيع احتمالي زمان اجرا در صورت استفاده از تخمين اوليه كاربر عملكرد بهتري از خود نشان مي‌دهند. الگوريتم‌ها اقتصادي مبتني بر مدل بيزين ارائه شده در اين مقاله (الگوريتم 3-2)، به طور میانگین، در زمان 12 درصد، در نرخ اتمام كارها 9 درصد و در هزینه كل 8 بهبود نشان داده است.

یک سیستم توزیع ‏شده مجموع‌ه‏ای از کامپیوترهای مستقل از هم است که از دید کاربران یک سیستم منفرد به نظر می‏رسد. هنگامی که یک سیستم توزیع‏‌شده توسعه می‏یابد مسأله تکرارسازی اشیا داده‏ای تبدیل به یک مبحث مهم می‏گردد. تکرارسازی، دسترسی به داده‏‌ها را در غیاب یک سرور یا خرابی‏های مربوط به خطوط ارتباطی بهبود بخشیده و از طریق فراهم نمودن دسترسی‌‏های محلی سبب می‏شود کاربران با تأخیر کم‏تری در دست‏یابی به اطلاعات مواجه شوند. انتخاب یک شی داده‏ای جهت تکرارسازی و جای‏گذاری آن بر روی سرورهای موجود در سیستم، یک مسأله بهینه‏‌سازی است که می‏تواند تأثیری مهم بر کارایی کل سیستم ایجاد نماید. در طول چند دهه اخیر الگوریتم‌‏های مکاشف‌ه‏ای به منظور غلبه بر مسائل بهینه‏‌سازی در مقالات متعدد ارائه شده‏اند. این الگوریتم‌‏ها به طور گسترده‏ای به عنوان ابزارهایی برای جستجو و بهینه‏سازی در حل مسائل مختلف مورد استفاده قرار گرفته‌‏اند؛ در این مقاله با استفاده از الگوریتم رقابت استعماری و الگوریتم مکاشف‌ه‏ای HBM-PS و یک جستجوی جامع در فضای پاسخ، راه‏‌حلی مقبول برای مسأله جای‏گذاری نسخه‏‌های کپی در سیستم‌‏های توزیع‏‌شده در حوزه ایستا ارائه می‏‌گردد. آزمایشات عملی، برتری این الگوریتم را نسبت به دیگر الگوریتم‌‏های ارائه شده جهت حل مسأله مورد بحث در شاخه تکاملی و هوش ازدحامی نشان می‏‌دهد.

شبکه‌های گرید یک سیستم توزیع شده می‌باشد که هماهنگ سازی و اشتراک منابع را در مقیاس بزرگ امکان پذیر می‌سازد. يكي از اهداف اساسي در شبكه‌هاي گريد بالا بردن امکان دسترسی به منابع با هزینه کمتر است. در شبکه‌های گرید ارائه شيوه‌اي هوشمند جهت در اختيار قرار دادن منابع مي تواند در استفاده مفيد از منابع، مؤثر باشد. در واقع چنانچه منابع هوشمندانه انتخاب شوند ميزان استفاده بهينه از منابع افزایش می‌یابد و در نتيجه بر كارايي كل سيستم، تأثير مي‌گذارد. برای اين منظور وجود سيستم‌هاي زمانبندي هوشمند، در اين شبكه ها ضروري است. در اين مقاله، الگوریتمی مبتنی بر Q-Learning برای انتخاب هوشمند منابع پیشنهاد شده است. در این الگوریتم، سیستم تجربیاتی که در حین تعامل با محیط بدست آورده است را ذخیره می‌کند تا در آینده با استفاده از این تجربیات، عمل تخصیص هوشمندانه منابع را انجام دهد. نتایج شبیه سازی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم‌های بررسی شده، امکان دسترسی به منابع را در مهلت تعیین شده با هزینه کمتری انجام می‌دهد.

جستجوی اول سطح هسته اولیه‌ای برای پیمایش گراف و پایه بسیاری از الگوریتم‌های تحلیل گراف است. این الگوریتم را می‌توان بعنوان نماینده‌ای از یک کلاس از الگوریتم‌های موازی نامنظم دانست. امروزه برای پیاده‌سازی بسیاری از الگوریتم‌ها از پردازنده‌های گرافیکی استفاده می‌شود. پیاده‌سازی‌های متفاوتی از الگویتم جستجوی اول سطح، بر روی این نوع پردازنده ارائه شده است؛ اما هر کدام برای پیمایش نوع خاصی از گراف مناسب است. تنها یک کار تخصصی ارائه شده است که می‌تواند گراف‌های خلوت و متراکم را با سرعت خوبی پیمایش کند. اما در این کار از پردازنده مرکزی در کنار پردازنده گرافیکی استفاده شده است. در این مقاله سعی می‌شود با بهره‌گیری از روش‌های متفاوت پیاده‌سازی الگوریتم اول سطح و نیز استفاده از امکانات موجود در پردازنده گرافیکی در برنامه‌نویسی سرعت اجرای الگوریتم بهبود یابد. با استفاده از الگوریتم‌های ارائه شده در این مقاله می‌توان گراف های منظم و نیز نامنظم با هر میانگین درجه‌ای را با بهره سرعت بهتری پیمایش نمود. نتایج عملی بدست آمده این ادعا را نیز تایید می‌نماید.