انجمن کامپیوتر ایران

اخیراً بکارگیری هوش دسته جمعی در حل مسائل بهینهیابی پویا افزایش یافته است. هوش دسته جمعی، عاملها یا دستههای برهم کنش را که قادر به خودسازماندهی هستند مدلسازی میکند. کلونی مورچهها، دسته پرندگان، گله حیوانات، قالبگیری باکتریها و گروه زنبورها مثالهایی از یک سیستم جمعی میباشند. عمکرد خوب بهینهیابی گروه زنبورها بروی یک سری از مسائل ایستا ثابت شده است ولیکن بیشتر مسائل دنیای واقعی پویا میباشند به این مفهوم که موقعیت و مقدار بهینه سراسری آنها در طول زمان تغییر میکنند. در این مقاله الگوریتم بهینه یابی کلونی زنبورهای مصنوعی مبتنی بر مدل تابع تسهیم برای حل مسائل پویا ارائه گردیده است. الگوریتم پیشنهاد شده برای بهینهیابی تابع محک قلههای متحرک که رفتاری شبیه به مسائل پویا را در دنیای واقعی دارد، در فرکانسهای تغییر و با تعداد قلههای متفاوت آزمایش شده است. نتیجههای آزمایشهای انجام شده با, RPSO, mQSO Adaptive mQSO, Cellular PSO Adaptive Cellular PSO مقایسه شده است و نشان میدهد که این الگوریتم به کمک مدل تابع تسهیم قابلیت اکتشاف را در کلونی زنبورهای مصنوعی با افزایش تنوع و تضمین بقای اهداف در محیطهای پویا بهبود میبخشد.

روش رگرسيون خطي با بيشينه درست¬نمايي (MLLR) يکي از روش¬هاي تطبيق گوينده است که با خوشه¬بندي پارامترهاي مدل و تخمين ماتريس تبديل براي هر خوشه و اعمال تبديل بر پارامترهاي مدل ، باعث بهبود عملکرد تطبيق و در نتيجه افزايش نرخ بازشناسي براي گوينده جديد مي¬شود. خوشه¬بندي پارامترهاي مدل معمولاً به دو صورت انجام مي¬شود: بر اساس دانش آوايي و نزديکي ويژگي¬ها در فضاي آکوستيکي. در اين مقاله با استفاده از روش متمايزسازي خطاي کمينه کلاس¬بندي با متمايز کردن ويژگي¬هاي سيگنال گفتار با بهبود کلاس¬بندي، کارآيي روش MLLR بهبود يافته است. اين بهبود در حالت اول با متمايزتر کردن کلاس¬هاي رگرسيون و در حالت دوم با يکنواخت کردن توزيع مخلوط¬هاي گوسي در کلاس¬هاي رگرسيون ايجاد مي¬شود. روش پيشنهادي يعني بكارگيري خطاي كمينه كلاس¬بندي نسبت به روش¬هاي معادل بدون خطاي كمينه كلاس¬بندي، به ترتيب باعث افزايش نسبي %0.42 تا %0.58 و %0.12 تا %0.72 در نرخ بازشناسي واج به ترتيب براي دادگان TIMIT و WSJ مي گردد. در حالتي است که درخت کلاس رگرسيون بر اساس نزديکي ويژگي¬ها در فضاي آکوستيکي ساخته شده است ، نرخ بازشناسي واج بر روي دادگان TIMIT %0.25 افزايش نسبي يافته است.

بسیاری از مسائل دنیای واقعی پویا هستند بطوری که بهینه‌های محلی و سراسری در طول زمان تغییر می‌کنند. الگوریتم PSO بر روی این مسائل به منظور پیدا کردن و دنبال کردن بهینه با موفقیت مورد استفاده قرار گرفته است. در این مقاله الگوریتم PSO برای محیط‌های پویا بهبود داده شده است. الگوریتم ارائه شده فضا را به قسمت های مختلفی تقسیم می‌کند و در هر قسمت به طور جداگانه گروه‌هایی ایجاد می‌شود و به جستجو می‌پردازد؛ برای بهبود سرعت همگرایی میزان اینرسی ذرات به صورت پویا تنظیم می‌شود و همچنین بهترین گروه موجود برای بهبود جواب بدست آمده یک جستجوی محلی نیز انجام می¬دهد. نتایج بدست آمده برروی بنچمارک قله‌های متحرک (MPB) نشان می‌دهد که الگوریتم ارائه شده نسبت به روش های مشابه عملکرد بهتری دارد.

امروزه استفاده از سيستم¬هاي داده¬آميزي سنسوري به منظور انجام عمليات مانيتورينگ و پايش محيطي يكي از رايج ترين و متداول¬ترين روش¬ها مي¬باشد. از آنجا که فرآيند سنسور¬آميزي از مجموعه¬اي از گره¬هاي سنسوري، مراكز پردازشي و مديريتي برای انجام عملیات خود استفاده می¬نماید، لذا به منظور آن¬كه بتوان انتقال اطلاعات از سنسورها به مراكز پردازشي و اجراي عمليات داده¬آميزي در مراكز پردازش اطلاعات به سرعت انجام گيرد، مبحث معماري فرآيند داده¬آميزي از مباحث بسيار مهم اين حوزه مي¬باشد. از آن¬جا كه معماري¬هاي متعددي براي اجراي این فرآيند وجود دارد و هر يك از آن¬ها داراي جنبه¬هاي مثبت و منفي متعددي با توجه به نوع كاركرد مي¬باشد، لذا انتخاب معماري مناسب براي اين امر بايد به شكلي هوشمندانه و با توجه به پارامترها و معيارهاي خاص فرآيند سنسوري مذكور صورت پذيرد. از اين رو تصميم گيري در مورد انتخاب معماري مورد نظر به شرايط متعددي نظير نحوه عمليات داده¬آميزي، اولويت معيارهاي انتخاب معماري و شرايط اهداف بستگي دارد. براي اين منظور يك سيستم تصميم يار انتخاب معماري داده¬آميزي طراحي گرديده است تا با توجه به موارد فوق الذكر در هر شرايط، معماري داده¬آميزي مناسب انتخاب¬گردد. براي حل اين مسئله چند¬معياره از روش¬هاي تصميم-سازي چند¬معياره نظير AHP و PROMETHEE و نرم افزارهاي مربوط به آن نظير EXPERT CHOICE و DECISION LAB استفاده گرديده است.

به منظور بهبود دقت بازیابی در سیستم های بازیابی تصویر تمرکز محققین از طراحی الگوریتم های پیچیده به منظور استخراج ویژگی های سطح پایین تصویر به سمت کاهش شکاف معنایی بین ویژگی های سطح پایین تصویر و مفاهیم سطح بالای مد نظر کاربران رفته است. در این مقاله سعی کردیم تابع معیار شباهت را به گونه ای تخمین بزنیم که شکاف معنایی بین ویژگی های سطح پایین تصویر و مفاهیم سطح بالای مد نظر کاربر را کاهش دهیم. برای این منظور ما از بازخورد کاربر جهت درک نظر کاربر و همچنین از قدرت برنامه نویسی ژنتیکی در زمینه مسائل بهینه سازی وجستجو در فضای های بزرگ جهت تولید توابع غیر خطی استفاده کردیم. نتایج آزمایشات بیانگر بهبود قدرت بازیابی در روش پیشنهادی است.

Fuzzy c-means يک موضوع مطالعاتي مهم در خوشه¬بندي داده¬ها در تکنولوژي داده کاوي است که کاربردهاي عملي در زمينه-هاي مختلف دارد. بزرگترين عيب اين الگوريتم خوشه¬بندي فازي، حساسيت آن به مقداردهي اوليه به تعداد خوشه¬ها و مراکز اوليه خوشه¬ها است. انتخاب نا¬مناسب مراکز اوليه خوشه¬ها در اين الگوريتم منجر به مينيمم محلي مي¬شود. اين مقاله نسخه¬اي بهبود يافته از الگوريتم FCM با رويکرد رفع برخي از مشکلات اين الگوريتم، ازجمله حساسيت به شرايط اوليه ارائه مي¬کند. الگوريتم پيشنهادي مي¬تواند راه¬حل¬هاي بهينه سراسري، از طريق يک قانون ساده و جديد براي انتخاب مناسب مراکز اوليه خوشه بدست آورد. روش پيشنهادي در مقايسه با الگوريتم FCM متداول دقت بالاتري دارد، براي مقايسه دو روش از داده¬هاي دو مجموعه داده حقيقي استفاده شده است.

چارت سازماني، يكي از نمودارهاي مهمي است كه معرف سلسله مراتب پست¬ها در يك سازمان است و ابزارهاي متعددي به صورت خودكار آن را توليد مي¬كنند. در اين مقاله، بهينه¬سازي مصرف كاغذ براي اين ابزارها، در قالبي رسمي بيان شده و به كمك كاهش مسائل به يكديگر، نشان مي¬دهيم كه اين مسئله از رده پيچيدگي محاسباتي NP-Complete است.

مسئله زمانبندي يك برنامه موازي بر روي يك سيستم چندپردازنده‏اي از مسائل رام نشدني محسوب مي‏شود. هدف از اين مسئله، توزيع پردازش‏هاي موازي بر روي پردازنده‏ها است، به‏طوريكه علاوه بر رعايت وابستگي‏هاي اجرايي بين پردازش‏هاي موازي، زمان اجراي كلي آن برنامه موازي نيز حداقل شود. در اين مقاله يك روش زمانبندي مبتني بر اتوماتاي سلولي تكاملي بر پايه الگوريتم ژنتيك پيشنهاد شده است. از آنجاکه توليد مجموعه قوانين يك اتوماتاي سلولي با توجه به نوع مسئله يك فرايند دستي و هزينه بر است، در اين مقاله از الگوريتم ژنتيك جهت پيداكردن مجموعه قوانين بهينه اتوماتاي پيشنهادي، استفاده شده است. زمانبند پيشنهادي با استفاده ازمجموعه قوانين بدست آمده به كمك الگوريتم ژنتيك، قادر به پيدا کردن زمان اجراي بهينه براي برخي از گراف‏هاي وظايف محبوب درحوزه زمانبندي، نظير tree15 و g18 مي‏باشد.

در اين مقاله يك مدل جهت جلوگيري و تشخيص عمليات افراد متقلب در شبكه‌هاي سلولي بي‌سيم ارائه مي‌نماييم. مدل ما با در نظر گرفتن تاريخچه و وضعيت فعاليت و تحرك فعلي كاربر پرونده‌اي تركيبي را براي هريك از كاربران تشكيل مي‌دهد. اين "پرونده تركيبي كاربر تمامي فعاليت‌ها وزنجيره ای از تحرك‌‌‌هاي جديد هريك ازكاربران را با پرونده قبلشان مقايسه وزني مي‌كند. تحليل رفتار كاربر از نظر فعاليت و تحرك بسيار اهميت داشته و حتی مي‌توان اين پرونده تركيبي را بعنوان " امضاء" كاربر در شبكه‌هاي سلولي در نظر گرفت. از آنجا كه هر يك از كاربران رفتارهاي متفاوتي دارند، ما در مدل پيشنهادي كاربران را به سه دسته كلي كاربران با رفتار منظم، نيمه منظم و نا منظم تقسيم بندي مي‌كنيم. اين امر موجب مي‌شود كه ميزان تشخيص اشتباه تقلب توسط سيستم كاهش ‌يابد. نتايج تست و آزمايش مدل مذكور بر روي داده‌هاي واقعي نشان مي‌دهد كه اين مدل قادر به تشخيص بخش عمده‌اي از تقلبات مي‌باشد. همچنين، ميزان هزينه كشف تقلب توسط مدل پيشنهادي نيز بررسي شده است.

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.