تخصیص نامناسب درحوزه زاینده رود در طی سالیان اخیر به مشکلات کم آبی درحوزه دامن زده ودر صورتیکه تخصیص به همین صورت ادامه یابد،در آینده با مشکلات عدیده تر از الان مواجه خواهیم بود.به نظر می رسدکه عدم رعایت حق آبه هادرحوزه یکی از علل تخصیص نامناسب در حوزه بوده که منجر به ایجاد مشکلات زیادی برای حق آبه داران در حوزه شده است.

چکیده توسعه روزافزون جوامع بشری، گسترش سریع حمل و نقل هوایی را به دنبال داشته است. امروزه مدیریت ترافیک هوایی به مسئله پیچیده ای تبدیل گردیده که دانشمندان علاقه مند به حل آن می باشند. فشار زیاد کاری مراقبین پرواز، افزایش موقعیت های اضطراری پرواز، هواپیما ربایی، محدودیت فضای آزاد و غیر قابل پیش بینی بودن آن، نیاز به استقلال عمل، خودمختاری، اجازه دادن برای مسیر یابی و پیشگیری از تصادم را در مدیریت ترافیک هوایی دارد. با ورود علم به عصر کامپیوتر، محققان سعی نمودند از این تکنولوژی در جهت کنترل ترافیک هوایی بهره جویند. استفاده از عامل ها و سیستم های چند عامله بعنوان ابزارهایی که دارای خصایصی همچون هوشمندی، خودمختاری، یادگیری، همکاری و... می باشند در صدر تحقیقات دانشمندان قرار گرفته است. اما تاکنون مدل جامعی که تمامی فاکتورهای مورد نظر را در مدیریت ترافیک هوایی شامل گردد ارائه نگردیده است. در این پژوهش سعی بر آن بوده که با توجه به تحقیقات صورت گرفته و در حال انجام و قوانین کنترل ترافیک هوایی بین المللی و محلی و تلفیق آنها مدلی جامع برای مدیریت ترافیک هوایی (atm) مبتنی بر عامل های هوشمند ارائه گردد. در طراحی این مدل سعی بر انعطاف پذیری برای سازگاری با فضاهای ترافیک هوایی ایران، تلفیق قوانین مختلف هوایی کاربردی، ارائه ایده جدیدجهت جداسازی و نحوه مواجهه با پروازهای اضطراری و hijack (هواپیما ربایی) گردیده است. این مدل دارای پنج ماجول اصلی fpl پروازها، atc و ناوبری هوایی، تعیین فضای آزاد هوایی، تعیین اولویتهای پروازی، چیدمان نمودن ترافیک و تصمیم گیری می باشد. به لحاظ تست سیستم پیشنهادی در یک محیط واقعی فضای کنترل ترافیک هوایی فرودگاه مشهد انتخاب گردید، ولی به لحاظ عدم وجود محیط نرم افزاری مناسب و در جهت کاربردی کردن سیستم، برنامه کاربردی طراحی فضاهای ترافیک هوایی ایران در محیط visual stadio.net به زبانc# و به همراه دیتابیس مربوطه پیاده سازی گردید. طراحی و ارزیابی مدل پیشنهادی سیستم چند عامله با کمک ابزارagenttool تحت متدولوژی maseصورت گرفت و سپس پیاده سازی آن با ابزار jade در محیط netbeans صورت پذیرفت که منتج به برنامه کاربردی مشاوره ای atm_m_adviser گردید. همچنین خروجی دو برنامه فوق قابلیت به کار گیری در سیمولاتور سورس آزاد atcsim را دارند که برای تست سیستم به کار رفت. نتایج حاصله از ارزیابی و تست سیستم در محیط واقعی(تیم یک عملیات پرواز فرودگاه مشهد) و شبیه سازی در atcsim و سیمولاتور flightsimulator جمعا نشانگر بهبود نسبی پارامترهای مورد ارزیابی و رضایت کاربران(مراقبین پرواز) و خلبانها را داشته است.

فرایند تفکر و تصمیم گیری انسان مسئله پیچیده ای است که دانشمندان علاقه مند به کشف آن هستند. عامل های هوشمند نیز به عنوان ابزاری برای حل مسئله نیاز به تفکر و تصمیم گیری دارند. محققان معتقدند که فرایند تصمیم گیری در انسان از فاکتورهای بسیاری همچون احساس، شخصیت و اخلاق تاثیرپذیر است. تا کنون مدلهایی برای تصمیم گیری مبتنی بر اخلاق ارائه شده اما مدل کاملی برای بررسی تاثیر اخلاق بر تصمیم گیری عامل های هوشمند ارائه نشده است. در این پژوهش با بررسی تئوریهای مختلف اخلاقی، سعی بر ارائه مدلی برای یک عامل اخلاقی داریم. این مدل بر مبنای تئوریهای اخلاقی وظیفه گرایی و سودمندگرایی می باشد و در آن عامل سعی دارد تا با توجه به تئوری اخلاقی موجود در دانش خود، تصمیم مناسبی را از دیدگاه اخلاقی، اتخاذ نماید. برای انتخاب اخلاقی ترین عمل، در تئوری وظیفه گرا از یک روش جدید برای محسباتی کردن اخلاق استفاده شده است. لازم به ذکر است که در پیاده سازی روش ارائه شده، از الگوریتم ژنتیک و منطق فازی استفاده شده است.

امروزه، توسعه روزافزون تولیدات متحرک چون لپ تاپ و تلفن همراه شبکه های اقتضایی متحرک را محبوب ساخته است. شبکه های اقتضایی متحرک دارای محیطی پویا و بی ساختار همراه با محدودیت منابع می باشند. مدیریت ترافیک در چنین محیطی نیاز به یک معماری هوشمند جهت پشتیبانی از پویایی شبکه دارد. ارتباطات مبتنی بر محتوا با جایگزین کردن محتوا در آدرس های دقیق مبدأ و مقصد، نقش مهمی در استفاده بهینه از منابع شبکه دارند. در چنین سیستمی، اطلاعات بر مبنای محتوایشان به سوی گیرنده ها ارسال می شوند. به علت ارسال چندپخشی در ارتباطات مبتنی بر محتوا، زمان ارسال و ترافیک سربار شبکه بالا می رود. ارسال داده از کوتاه ترین مسیر ممکن میان فرستنده و گیرنده موجب کاهش تعداد بسته های ارسالی در هر انتقال و کاهش ترافیک سربار می-شود. بسیاری از محققان با استفاده از ساختارهای درختی و نگهداری علایق مشتریان در گره های واسط، به این مهم دست یافته-اند. لیکن نگهداری و به روز رسانی علایق مشتریان در شبکه های اقتضایی متحرک، امری پیچیده است که موجب ناکارآمدی شبکه می شود. در این پایان نامه با بهره گیری از الگوریتم مورچگان در کشف مسیر، یک الگوریتم مسیریابی مبتنی بر محتوا (carman) در شبکه های اقتضایی متحرک ارائه شده است. استفاده از الگوریتم مورچه ها در این روش موجب مدیریت خودگردان ترافیک گشته است. انتشار علایق مشتریان تنها به همسایگان مستقیم آن ها، استراتژی مکملی است که در carman به کار رفته و موجب کاهش زمان تحویل بسته ها می گردد. به منظور ارزیابی، الگوریتم پیشنهادی در محیط شبیه ساز شبکه ns2 شبیه سازی شده است. نتایج شبیه شازی حاکی از بهبود کارایی الگوریتم carman نسبت به انتشار بی بنیاد پایه در ارتباطات مبتنی بر محتوا می باشد. به علت انتشار پیام در کوتاه ترین مسیر ممکن میان فرستنده و گیرنده، نرخ تحویل بسته ها افزایش و ترافیک سربار شبکه کاهش یافته است.

در حراج ترکیبی دوسویه چندخصیصه ای ، ترجیحات فروشندگان و خریداران بر چندین کالا که ارزش هم افزاینده دارند به بهترین وجه برآورده می شود. ولی در این حراج، نه تنها مسئله تخصیص از نظر محاسباتی دشوار است، بلکه نمایش و ارایه پیشنهادات و تحلیل رفتار استراتژیک پیشنهاددهندگان نیز مستلزم مدیریت پیچیدگی مسئله است. در تحقیقات انجام شده در حراج ترکیبی فرض شده است که پیشنهاددهندگان، بسته های ترکیبی از کالاها و قیمت مورد نظرشان را برای بسته ها می دانند. اما هنگامی که پیشنهاددهندگان با ترکیبات ممکن بسیاری مواجه هستند و روش کارایی برای ارزیابی آنها ندارند این فرض برقرار نیست. این تحقیقات، خواسته های پیشنهاددهنده ها را برای معامله یک بسته از بین ترکیبات معین و مشخص مدلسازی نکرده و بیان نمی کنند که بهترین بسته ای که پیشنهاددهنده بیشتر به آن راغب است چگونه است. با بالارفتن تعداد کالاها، محاسبه بهترین بسته برای پیشنهاد در مکانیزم حراج ترکیبی چندخصیصه ای دوسویه بسیار پیچیده و چالش برانگیز می شود. پیشنهاددهی در بازار ترکیبی، در هر مسئله ای که با عرضه و تقاضای دوسویه و تخصیص یک شیء یا خدمتِ ترکیبی همراه باشد، کاربرد دارد و یک نیاز است. در این پژوهش، استراتژی پیشنهاددهی ترکیبی چندخصیصه ای برای عاملهای خریدار و فروشنده ارائه می شود. این استراتژی به رفتار، ترجیحات و مجموعه کالاهای عامل پیشنهاددهنده و نیز وضعیت بازار توجه می کند. برای طرح پیشنهاد، نکات مهمی همچون تعیین اندازه ی بسته، نوع کالاها در بسته، تعداد هر نوع کالا در بسته، ارزش ویژگی های کل بسته، قیمت کل بسته، محدودیت تعداد کالا برای فروشندگان، و محدودیت بودجه پیشنهاددهنده برای خریداران نیز مد نظر قرار می گیرد. با گسترش مدل شخصیت و نظریه پرتفوی مارکویتز ، کالاهای مکمل با توجه به اطلاعات بازار و نیز مجموعه کالاها و شخصیت پیشنهاددهنده دسته بندی می شود. سپس با توسعه ی الگوریتم یادگیری نزدیکترین همسایگی به صورت ترکیبی و چندمقداری، دسته ی تدوین شده توسط مقادیر جایگزین برای خصیصه ها بسته بندی می شود. انتخاب پیشنهاد ترکیبی چندخصیصه ای از میان این جایگزین ها ، با توسعه مدل شخصیت و نظریه سودمندی چندخصیصه ای صورت می گیرد. استراتژی های موجود برای یک عامل سودجو طراحی شده اند در حالی که استراتژی پیشنهادی مطابق خواست پیشنهاددهنده و بر اساس رفتارهای متفاوت و بازه های مقادیر قیمت در بازار تدوین می شود. برای ارزیابی این استراتژی در برابر استراتژی های محک، یک بستر آزمون در حراج ترکیبی دوسویه چندخصیصه ای تدوین می شود. این بستر، الگوریتم هایی برای تولید داده های بازار و نیز شخصیت، ترجیحات و مجموعه کالاهای پیشنهاددهندگان ارائه می دهد. نتایج حاصل از شبیه سازی نشان می دهد که احتمال موفقیت بسته ی پیشنهادی استراتژی پیشنهاددهی ترکیبی چندخصیصه ای برای فروش و خرید به ترتیب دارای برتری 5/1 و 44/1 برابری نسبت به استراتژیهای موجود است و در عین حال، خطای خصیصه های آن نیز کمتر و به ترتیب 952/0 و 94/0 برابر درصد خطا در این استراتژیها است. همچنین، در میان عاملهای فروشنده و خریدار که با این استراتژی پیشنهاددهی ترکیبی چندخصیصه ای پیشنهاد می دهند، فروشندگان ریسک پذیر و خریداران مذاکره گر پیشنهادهای موفق تری نسبت به سایرین ارایه می کنند.

یکی از زمینه های مربوط به کاربرد نظریه سیستم های فازی در پایگاه داده ها، بازیابی اطلاعات، سیستم های خبره و پایگاه دانش است. مهم ترین مسئله ای که در پایگاه داده فازی مطرح می شود، نحوه مواجهه با پدیده عدم قطعیت است. نمایش و کار با داده های غیرقطعی در پایگاه داده رابطه ای، مسئله پیچیده ای است که برای حل آن باید در ساختار رابطه ها و عملگر های مربوط به کار با رابطه ها اصلاحاتی انجام شود. هم چنین هر پایگاه داده دارای محدودیت های جامعیت است و از میان این محدودیت ها، به وابستگی های داده بیشتر توجه می شود. هدف اصلی این پژوهش، بررسی وابستگی های داده فازی در پایگاه داده‏های رابطه ای فازی و ارائه تعریف جدیدی برای وابستگی چندمقداری فازی با درجه ی ? است. در پایگاه داده ی رابطه ای فازی تعاریف زیادی برای مفهوم وابستگی چندمقداری فازی بیان شده اند و در این پژوهش به بررسی مفهوم تقریب معنایی برای این نوع وابستگی می پردازد و فرمولی را برای حل مشکل این نوع وابستگی در نحوه مواجهه با اعداد crisp و تهی موجود در این نوع پایگاه داده ها ارائه می دهد. هم چنین تعریف جدیدی را برای وابستگی چندمقداری فازی بر مبنای مفهوم توسعه ی تقریب معنایی با درجه ی ? برای پایگاه داده های رابطه ای فازی که شامل مقادیر crisp ، تهی و فازی هستند، ارائه می دهد و سپس قانون های استنتاج را تعریف و کامل بودن آن ها را اثبات می کند و هم چنین ثابت می کند که وابستگی تابعی فازی و وابستگی چندمقداری کلاسیک، حالت های خاصی از وابستگی چند مقداری فازی هستند.

کاربردپذیری به طور کلی به معنای راحتی استفاده است. کاربردپذیری و امنیت با یکدیگر رابطه معکوس دارند؛ چرا که هر چه خصوصیات امنیتی بالاتر رود، کار کردن با سیستم دشوارتر می شود و بالعکس. در محیط محاسبات همه جاحاضر، همه افراد اعم از افراد خبره و مبتدی، همواره به نوعی درگیر تعیین سیاست های کنترل دسترسی جهت محرمانگی و امنیت بیشتر هستند. از یک طرف افرادی که از نظر فنی بی تجربه اند، حوصله واسط های پیچیده و یا آموزش در این زمینه را ندارند و از طرفی دیگر تنظیم مجوزهای ntfs ویندوز از جمله کارهایی است که بسیار مستعد خطا و دشوار می باشد. این پژوهش به منظور کاربردپذیرتر ساختن تنظیمات مجوزهای ntfs و درگیر نشدن کاربر در جزئیات این امر، سیستم خبره مبتنی بر قانونی را ایجاد کرده است که در آن از مفاهیم فازی و عامل قطعیت استفاده شده است. این سیستم تحت عنوان facsa (مشاور فازی تنظیم کنترل دسترسی) از کاربر می خواهد اطلاعاتی را در مورد فایل یا پوشه و کاربر یا گروه مورد نظرش و نیز میزان اطمینان خود از پاسخ هایش در سیستم وارد کند. سپس این اطلاعات را به صورت حقایقی در پایگاه دانش خود ثبت کرده و استنتاج مربوطه را طبق نتیجه حاصل از مطالعه کاربری انجام شده به کاربر می نمایاند. استنتاج صورت گرفته، میزان دسترسی با بالاترین درصد را به عنوان سطح دسترسی مناسب آن کاربر یا گروه مدّ نظر به فایل یا پوشه مشخص شده، پیشنهاد می دهد و در صورت موافق بودن کاربر با این پیشنهاد و تأیید آن، به طور خودکار تنظیمات دسترسی در سیستم صورت می گیرد و بدین ترتیب احتمال بروز خطا کاهش می-یابد و کاربر درگیر پیچیدگی های تنظیمات کنترل دسترسی و تصمیم گیری برای آن نمی گردد. facsa امکان یادگیری سیستم را نیز دارد. بدین صورت که به نظرات کاربران احترام گذاشته و کاربران می توانند با اضافه کردن قوانین به پایگاه دانش از طریق واسط کاربر، به راحتی نظرات خود را نیز در تصمیم گیری سیستم جهت تعیین سطح دسترسی دخیل کنند. طبق ارزیابی کاربردپذیری صورت گرفته روی دو سیستم ویندوز و facsa، میانگین کاربردپذیری سیستم facsa، 26/2 بیشتر از میانگین کاربردپذیری سیستم ویندوز بوده و میانگین مدت زمان اتمام کار با آن نیز به میزان 67/3 دقیقه برای کلیه کاربران و 9/1 دقیقه برای کاربران موفق به تکمیل سناریو کمتر از ویندوز بوده است. در حالی که تنها 2/54 درصد کاربران موفق به اتمام کارشان با سیستم ویندوز شدند، صددرصد همان کاربران با سیستم facsa کار خود را به درستی تکمیل نمودند.

در سال های اخیر تکنولوژی هایی جهت بررسی هویت صحیح فرد مطرح شده که بر پایه فیلدی به نام بیومتریک استوار است. تکنولوژی های بیومتریک ، روش های خودکاری را برای بررسی و شناسایی هویت فرد ارائه می دهند که بر اساس مشخصات فیزیکی مانند اثر انگشت ، اسکن عنبیه چشم و تشخیص چهره به شناسایی فرد می پردازند .در 10 سال گذشته تشخیص چهره انسان به یکی از زمینه های تحقیقاتی فعال تبدیل شده است . علت این انگیزه نیز پتانسیل بالا در زمینه های امنیت عمومی ، امنیت مالی و تعامل بین کامپیوتر و انسان بوده است . اگرچه پیشرفت در تشخیص چهره در ابتدا بسیار دلگرم کننده بود ولی در ادامه با مشکلاتی مواجه شد . از جمله این مشکلات می توان به شرایط نوری متفاوت در تصویر ، حالت چهره ، ژست و قیافه گرفتن ، جهت عکس ، مدل مو ، وضعیت دهان و مشکلات جمع آوری داده اشاره کرد . در این تحقیق با ترکیب و تجمیع ویژگی ها تعدادی از این مشکلات را کاهش داده و با استفاده از یک تصویر نمونه از هر فرد سبب سهولت در جمع آوری نمونه ها ، کاهش هزینه ذخیره سازی و محاسباتی سیستم تشخیص چهره شده است . استفاده از سه ویژگی بافت ، شکل و رنگ نقطه کلیدی و منحصر به فرد این الگوریتم به حساب می آید . برای این منظور برای استخراج اطلاعات بافت ، از ویولت گابور و برای استخراج اطلاعات شکل ، از لبه یابی استفاده شده است. از طریق فاصله هاسدروف ، اختلاف فاصله بین دو تصویر را محاسبه کرده و به منظور کمک گرفتن از ویژگی رنگ ، این لبه یابی به صورت رنگی انجام شده است . در پایان با ترکیب این سه ویژگی ، سیستم نرخ تشخیص 100 % را بر روی پایگاه تصویرorl بدست آورده است .

هوش هیجانی، قابلیت پردازش اطلاعات درباره هیجان های خود و هیجان های دیگران می باشد. این هوش در تسهیل تعامل بین انسان ها موثر می باشد و شامل چهار قابلیت ادراک، فهم و مدیریت هیجان و استفاده از هیجان در تسهیل فرآیند تفکر می باشد. همواره عامل های پیچیده تری نیاز است تا فاصله بین توسعه تکنولوژی های روبه رشدی که با انسان و سایر عامل ها در سطح هیجان تعامل می کنند را نگه دارد. مطابق با این نیاز، در این پایان نامه تلاش شده است تا هوش هیجانی عامل های هوشمند ارتقا داده شود. قابلیت فهم هیجان در تحقیقات گذشته مورد توجه قرار نگرفته است. بدین منظور، در اینجا چارچوبی برای قابلیت فهم هیجان در عامل های هوشمند ارائه شده است. فهم هیجان، فعالیتی است شناختی که عامل، درباره اینکه چرا یک عامل (خود یا دیگران) در یک حالت هیجانی قرار دارد و چه عمل هایی با آن حالت در ارتباط هستند، با استفاده از دانش هیجانی اش استنتاج می کند. این دانش می تواند شامل تجربه های هیجانی، ارتباط بین هیجان ها و تحلیل هیجان های پیچیده باشد. چارچوب ارائه شده برای فهم هیجان ترکیبی از چارچوبی مبتنی بر پردازش اطلاعات برای نمایش جریان دانش هیجانی و چارچوبی مبتنی بر حافظه برای نگهداری و گسترش دانش هیجانی می باشد. چارچوب مبتنی بر پردازش اطلاعات شامل سه لایه می باشد. در این سه لایه، هیجان از حالت ابتدائی در لایه اول به حالت بلوغ یافته در لایه سوم تبدیل می شود. چارچوب مبتنی بر حافظه شامل دو حافظه رویدادی و معنایی می باشد. از حافظه رویدادی برای ذخیره سازی و یادگیری جزئیات رویدادهای اتفاق افتاده و از حافظه معنایی برای ذخیره حقایقی در مورد هیجان ها استفاده می شود. در چارچوب نهایی فهم هیجان هر کدام از این حافظه ها در سه لایه پردازش اطلاعات طبقه بندی شده اند. در این پایان نامه، چارچوب مبتنی بر پردازش اطلاعات و چارچوب مبتنی بر حافظه مستقل از هم ارائه می شوند. بدین معنی که هر کدام به صورت مستقل طراحی، پیاده سازی و مورد ارزیابی قرار می گیرد و در چارچوب نهایی فهم هیجان به یکدیگر متصل می شوند. در ارزیابی هایی که در محیط های شبیه سازی نوعی صورت می گیرد، تأثیر فهم هیجان در ارتقا سایر قابلیت های هوش هیجانی نمایش داده می شود. برای تولید هیجان در عامل ها و سادگی پیاده سازی هیجان در شبیه-سازی ها، یک بسته برنامه نویسی عمومی نیز معرفی می شود.

با رشد روز افزون سیستم های کامپیوتری و داده های ذخیره شده در آن ها، تکنیک ها و روش های مختلف داده کاوی توسعه داده شده است. یکی از این روش ها خوشه بندی داده است. اهمیت و کاربرد این روش داده کاوی بر هیچ محقق و متخصصی در زمینه ی سیستم های اطلاعاتی پوشیده نیست. با نگاهی گذرا به حوزه ی تحقیقات در 2-3 دهه ی اخیر، گستردگی دامنه ی کاربرد خوشه بندی داده ها به خوبی مشاهده می شود. اما دو چالش بزرگ در این زمینه پیش روی دانشمندان و محققین بوده است. خوشه بندی داده ها به علت پیچیدگی محاسباتی بالا و همچنین گستردگی کاربرد با مشکلاتی روبرو است. به دلیل پیچیدگی محاسباتی بالا به دست آوردن بهترین مجموعه ی خوشه با روش های دقیق ممکن نیست بنابراین باید با تکنیک های مختلف حل مسئله ی np سخت، نتیجه ی بهینه یا نزدیک به بهینه ی خوشه بندی را بدست آورد. اغلب محققین در این زمینه به این مهم پرداخته اند. از طرفی به دلیل گستردگی کاربرد خوشه بندی و حوزه ی کاربردی آن ایجاد الگوریتم جامع عمومی برای همه ی کاربردها غیر ممکن است. در این کار سعی شده است با استفاده از روش کلونی مورچه ها که اغلب در مسائل بهینه سازی کاربرد دارد و معرفی ویژگی های جدیدی برای الگوریتم کلونی مورچگان از جمله موازی سازی فعالیت عامل ها، بسط مفهوم حافظه ی مورچه، بازتعریف مفهوم فرومون و مکانیزم فرومون گذاری جدید و امکان برقراری ارتباط بین مورچه ها به صورت مستقیم علاوه بر ارتباط غیرمستقیم بر پایه ی فرومون و الهام از روش های خوشه بندی dbscan و optics در رفتار عامل و بکارگیری تابع فاصله ی مرکب برای پشتیبانی از انواع مختلف داده، الگوریتمی مبتنی بر کلونی مورچه ها ارائه شود که داده ها را، با انواع صفات متفاوت در حجم بالا، خوشه بندی کند. در پایان روش پیشنهادی از طریق مقایسه با روش های متداول مانند k-means و روش های مشابه مانند antclass و anttree بر روی مجموعه داده های استاندارد موجود از طریق معیارهایی چون f-measure و rand index ارزیابی شده است. نتایج نشان می دهد الگوریتم پیشنهادی دقت و خلوص قابل مقایسه ای دارد و کارایی مناسبی ارائه می کند.

با گسترش روزافزون صنعت تجارت الکترونیکی و به تبع آن مواجهه با حجم رو به رشد کالاهای عرضه شده به صورت آنلاین، سیستم های توصیه کننده نقش حیاتی را در کمک به خریدار برای سریع تر نزدیک شدن به هدف خود، ایفا می-کنند. بنابراین استفاده از این سیستم ها در سایت های تجارت الکترونیکی امری اجتناب ناپذیر است. هدف اصلی این سیستم ها، شناخت سلایق کاربران و ارائه ی پیشنهادهای برحسب آن است، تا احتمال خرید وی افزایش یابد. در صنعت تجارت الکترونیکی، با طیف وسیعی از خریداران از کشورهای مختلف، با فرهنگ های متفاوت روبرو هستیم. تحقیقات نشان داده است که 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. از سوی دیگر امروزه مسیر و هدف اصلی در هر تجارت، جهانی سازی و عرضه ی محصولات به کشورهای مختلف که دارای تقابل فرهنگی هستند، می باشد. جهانی سازی محصولات در تجارت الکترونیکی، به دلیل عدم وجود محدودیت های مکانی، نمود بیشتری پیدا می کند، که البته موفقیت در این امر مستلزم ارائه ی کالاهای متناسب با فرهنگ جامعه ی خریدار است. علاوه بر این، سیستم های توصیه کننده ی کنونی از کمبود و یا نبود اطلاعات کافی در مورد کاربران و کالاهای موجود در سیستم رنج می برند و بسیاری از نواقص این سیستم ها اعم از مشکل خلوتی داده ها و یا مشکل کاربر تازه وارد، با پیدایش منبع اطلاعاتی جدید بهبود قابل ملاحظه-ای می یابند. استفاده از فرهنگ در سیستم های توصیه کننده، به تشخیص رفتار خرید کاربران و پی بردن به دلایل نهفته ای که به خاطر آن ها کاربر به کالایی خاص جذب می شود یا خیر، کمک می کند. علاوه بر این، در حالت هایی که اطلاعات ارزیابی وجود ندارد (مسأله ی کاربر/کالای تازه وارد) و یا اطلاعات کمی موجود است (مسأله ی پراکندگی داده ها)، سیستم می تواند از این اطلاعات فرهنگی جهت ارائه ی پیشنهادها مناسب استفاده کند. بر همین اساس در این پایان نامه، از ابعاد فرهنگی کشور شخص خریدار، به عنوان معیاری برای تشخیص نیاز خرید کاربر، در کنار معیارهای تأثیرگذار پیشین بهره جسته ایم. برای این منظور، ابتدا برای هر کالا ابعاد فرهنگی غالب در بین خریداران و ارزیابان آن را مشخص کرده، سپس از ترکیبی از ابعاد فرهنگی و ارزیابی های کالاها، جهت یافتن تشابه بین آن ها استفاده می کنیم. مدل فرهنگی استفاده شده در این پایان نامه، مدل فرهنگی هافستد است، که به صورت گسترده در مطالعات و کاربردهای بازاریابی به کار برده می شود. نتایج حاصل از انجام آزمایشات متعدد بر روی سیستم توصیه کننده ی مبتنی بر فرهنگ با استفاده از داده های واقعی حاکی از بهبود قابل توجه دقت پیشنهاد دهی در این سیستم ها است.

توصیف رضایت مشتری، مشخص کردن عوامل تشکیل دهنده ی آن و سنجش آن، به عنوان یکی از عوامل مهم در توسعه و پایداری تجارت، از دیرباز در رشته های مختلف مورد توجه بوده است. با توجه به گسترش روز افزون وب و تجارت الکترونیکی و نیز با توجه به اهمیت رضایت مشتری در توسعه و پایداری تجارت، اهمیت موضوع رضایت الکترونیکی در موفقیت کسب و کارهای برخط به خوبی مشخص می گردد. از سوی دیگر ماهیت متفاوت تجارت الکترونیکی باعث می شود که اهمیت موضوع رضایت الکترونیکی بسیار بیشتر از موضوع رضایت مشتری در کسب و کارهای سنتی باشد. مطالعات پیشین، رضایت را از یک منظر به دو بعد شناختی و احساسی تقسیم کرده اند. در همین راستا مدل های مختلفی برای توصیف و سنجش رضایت مشتری و رضایت الکترونیکی ارائه شده است. بررسی مدل های ارائه شده، نشان می دهد که در اغلب این مدل ها، از یک طرف بین تعریف رضایت و مدل ارائه شده با آن سازگاری وجود ندارد و از طرف دیگر به رضایت احساسی آن چنان که باید توجه نشده است. در این پژوهش پس از بررسی مطالعات پیشین، مفهوم رضایت الکترونیکی بازتعریف شده و مدل جدیدی برای رضایت الکترونیکی ارائه گردیده است که تحلیل آماری برازش مناسب آن را نشان می دهد. از طرف دیگر، با توجه به اینکه بخشی از مسائل پیش روی فروشگاه های الکترونیکی و خریداران آن ها بیرون از حوزه تصمیم و عملکرد صاحبان این فروشگاه ها بوده و به شرایط زیرساختی کشور برمی گردد، سعی شده است تا در کنار ارائه مدل، شرایط زیرساختی مرتبط با این موضوع نیز بررسی و یافته های پژوهش در این خصوص بیان گردد.

در سال های اخیر پیشرفتهای صورت گرفته در زمینه علوم شناختی، پیشرفت سریع و چشم گیر فناوری تصویربرداری و مطالعه ی مغز و پیدایش ابزارهایی مانند fmri , pet , meg موجب شد علوم اعصاب سهم جدی تری در پیشرفت علوم شناختی و مدل های یادگیری هوش مصنوعی داشته باشد. با تصویربرداری از مغز با استفاده از روش هایی مثل «ام آرآی کارکردی» (fmri)، راهی پدید آمده است که بتوانیم نگاهی به مغز در حال تفکر بیاندازیم. بر این اساس، نگرش نوینی بر اساس علوم شناختی (بر پایه شبیه سازی «نحوه کارکرد مغز») به زمینه های هوش مصنوعی افزوده شد. حال می توان عامل های هوشمندی بر پایه ی علوم شناختی طراحی کرد که دارای قابلیت هایی همچون پیش بینی، یادگیری و فهم باشند. کلیات پایه ای مدل سه لایه ای پردازش اطلاعات در سال 2005 توسط اورتونی و دیگران ارائه شده است. این مدل ارائه شده فاقد جزئیات لازم برای پیاده سازی در سطح یک عامل بود. پس از آن در سال 2010، کاظمی فرد و دیگران مدل کامل تری از این معماری را ارائه دادند. اما کار آن ها نیز دارای نقص هایی است که از مهمترین آن ها می توان به فقدان هرگونه مقایسه با دیگر الگوریتم های مطرح در این زمینه، چه در نحوه ی عملکرد و چه در زمینه ی میزان کارایی، اشاره کرد. در این پروژه تلاش بر آن بوده است که پس از تشریح مدل سه لایه ای پردازش اطلاعات، آن را در محیطی جامع پیاده سازی کنیم. این پیاده سازی برای اثبات کارایی مدل یاد شده در برابر روش های معروف کلاسیک یادگیری ماشین می باشد. محیط پیاده سازی باید به گونه ای باشد که پتانسیل استفاده از قابلیت های مدل مذکور را داشته و در در عین حال ملموس و قابل فهم باشد. همچنین، این محیط می بایست پیچیده باشد تا بهتر بتواند الگوریتم های موجود و مدل ارائه شده را به چالش بکشاند تا بتوان به نتایج نهایی بدست آمده اطمینان کرد. به این منظور، محیط شبیه سازی شکار و شکارچی را برگزیدیم. در این محیط تنها عامل هوشمند، شکار است. شکار با خوردن علف انرژی به دست آورده و با حمله ی شکارچی انرژی از دست می دهد و با تمام شدن انرژی، می میرد. با مرگ تمام شکارها، شبیه سازی پایان می یابد. هدف نهایی زنده ماندن هر چه بیشتر شکارهاست. در این پروژه، عامل های شکارچی تمام کنش های خود را به صورت تصادفی انجام می دهند و عامل های شکار بر مبنای مدل سه لایه ای پردازش اطلاعات تصمیم گرفته و عمل می کنند. در پایان نامه ی پیش رو ابتدا با مفهوم مدل سه لایه ای پردازش اطلاعات آشنا می شویم و این مدل را یررسی می کنیم. در مرحله بعد به منظور ارزیابی این مدل، آنرا در محیط شکار و شکارچی پیاده سازی کرده، و با دو الگوریتم q-learning و شبکه عصبی، به عنوان دو الگوریتم معروف یادگیری ماشین در همین محیط مقایسه می کنیم. پس از این مرحله، پیشنهاداتی برای بهبود مدل داده ایم و مدل پیشنهادی را نیز در محیط شبیه سازی، پیاده سازی کردیم. در نهایت تمامی نتایج بدست آمده را ارائه می کنیم.

علم کامپیوتر بخش زیادی از پیشرفت خود را مرهون بهره گیری از تکنیک های موجود در جوامع انسانی است. از آن میان می‏توان به الگوبرداری هوش مصنوعی، از روش های یادگیری، مدل‏های ارتباطی، روش های حل مسئله توسط بشر و غیره اشاره کرد. یکی از خاصیت های جامعه های انسانی، استفاده افراد از قابلیتی به نام هوش اجتماعی است، که توانایی انجام فعالیت های اجتماعی را در فرد، افزایش می‏دهد و میزان موفقیت در کارهای گروهی را بالا می‏برد. تحقیقات نشان داده است، که در جوامع انسانی استفاده از هوش اجتماعی، منجر به نتایج رضایتبخش تر و عادلانه تری در گروه می شود. این تحقیق با هدف ایجاد هوش اجتماعی، در عامل‏هایی که در یک محیط چندعاملی فعالیت می‏کنند، انجام شده است. تا کنون تلاش‏های زیادی برای پیاده سازی هوش اجتماعی در محیط‏های چند عاملی صورت گرفته است؛ اما در هیچ یک جنبه‏های احساسی هوش اجتماعی لحاظ نشده است. آنچه در این پژوهش مورد توجه قرار گرفته است، پیاده-سازی هوش اجتماعی با تکیه بر احساسات عامل‏ها است. احساس رضایت، ناامیدی، تسکین و ترس مسلم، چهار احساسی هستند که در تصویر کردن حالت احساسی عامل مورد توجه قرار گرفته اند. استفاده از احساس خود و دیگران برای ارزیابی شرایط موجود و تصمیم گیری درخصوص عمل بعدی، نقش مهمی در پیاده سازی هوش اجتماعی بعهده گرفته است. نتایج تحقیق نشان می‏دهد، وجود هوش اجتماعی در عامل‏ها منجر به نتایج فردی و گروهی منصفانه تری در محیط چندعاملی می‏شود. محیط مذاکره الکترونیکی، محیطی است که پتانسیل بروز برخورد بالایی دارد و همچنین عامل‏ها، تعامل قابل توجهی با یکدیگر دارند. در نتیجه، استفاده از هوش اجتماعی درعامل های مذاکره کننده، می‏تواند به خوبی تاثیر گذار باشد و منجر به نتایج فردی و اجتماعی بهتری شود. عامل‏هایی که قابلیت هوش اجتماعی دارند؛ با توجه به حالت احساسی خود و عامل رقیب، برای انتخاب عمل بعدی تصمیم گیری می‏کنند. عامل هوش اجتماعی- احساسی، که در این پژوهش پیشنهاد شده است، در محیط مذاکره مورد ارزیابی قرار گرفته و نتایج رضایت بخشی از نظر فردی و اجتماعی از خود نشان داده است.

الگوریتم بهینه سازی بیز، نوعی الگوریتم تکاملی است که در آن از شبکه بیز برای تخمین توزیع جواب های امیدبخش استفاده می شود. این الگوریتم، توانایی درنظر گرفتن وابستگی های چندگانه بین متغیرها را دارد و به عنوان یکی از قوی ترین الگوریتم های تکاملی شناخته شده است. الگوریتم های تکاملی از تکامل طبیعی در طبیعت پویا الهام گرفته شده اند و به علت انطباق پذیری و مبتنی بر جمعیت بودن، به عنوان روش مناسبی برای بهینه سازی در محیط های پویا شناخته شده اند. در محیط های پویا، مساله بهینه سازی در گذر زمان در حال تغییر است. بنابراین نیاز است که جواب بهینه به صورت مکرر جستجو شود. تغییرات محیط پویا ممکن است تکرار شونده و یا تصادفی باشند. نشان داده شده است که در محیط هایی که تغییرات آنها به صورت تکراری است، دانشی که از جستجوهای مکرر کسب می شود، برای تسریعِ فرآیند یافتنِ جواب بهینه در تغییرات آینده محیط، بسیار کمک کننده است. ولی در محیط های پویای تصادفی که در آنها تغییرات محیط، تکراری و چرخشی نیست، تضمینی نیست که شباهت کافی بین وضعیت های قبلی و جدید محیط وجود داشته باشد. بنابراین دانش صریحی که از جستجوهای قبلی کسب می شود، ممکن است برای جستجوی جواب در وضعیت های آینده محیط، مفید واقع نگردد. هدف این پایان نامه این است که دانش و تجربیاتی که به تدریج در محیط های پویای تصادفی کسب می شوند، به نحو مناسبی استخراج و مدیریت گردند تا بتوانند برای تسریع عملیات جستجوی جواب توسط الگوریتم بهینه سازی بیز و منطبق کردن آن با تغییرات آینده محیط پویای تصادفی بکار روند. ابتدا در این پایان نامه، مدل جدیدی ارائه می گردد که در آن رفتار الگوریتم بهینه سازی بیز در محیط پویا به صورت حرکت در یک زنجیره مارکف ناهمگن مدل سازی می شود. سپس بر اساس این مدل، روش پیشنهادی در چهار مرحله ارائه می گردد. بدین ترتیب که ابتدا یک روش اولیه به منظور استفاده ار دانش قبلی پیشنهاد می گردد. سپس در سه مرحله، نقاط ضعف این روش اولیه مطالعه و برطرف می شود تا کارایی الگوریتم بهینه سازی بیز برای محیط های پویای تصادفی با شدت و سرعت تغییرات زیاد، افزایش یابد. هر یک از این روش های پیشنهادی، بر اساس مدل سازی ارائه شده تحلیل می گردند. در روش پیشنهادی اولیه، در هر تغییر محیط پویا، دانش مربوط به محیط های مشابه قبلی، در قالب شبکه های بیز از حافظه بازیابی شده و با هم ترکیب می گردند و برای تخمین نواحی امیدبخش در زنجیره مارکف بکار می روند. سپس در جهت بهبود و افزایش کارایی این روش اولیه، پیشنهاد می شود که به جای ویژگی حالت های محیط، بر روی ویژگی های تغییرات محیط تمرکز شود. برای این منظور، در این پایان نامه ساختار جدیدی به نام شبکه انتقال برای توصیف تغییر وابستگی های شرطی متغیرهای مساله ارائه می گردد تا حرکت الگوریتم بهینه سازی بیز در زنجیره مارکف را به سمت مناسب هدایت کند. سپس برای افزودن قابلیت تعمیم اطلاعات و مدیریت بهتر عدم قطعیت موجود در محیط های پویا، حافظه ترتیبی این روش با حافظه تداعی گر هولوگرافیک جایگزین می گردد. در انتها پیشنهاد می شود که این شبکه های انتقال، به صورت غیرقطعی برای بایاس کردن احتمال انتقال الگوریتم در بین حالات زنجیره مارکف به کار روند. نتایج تحلیلی، شبیه سازی و آزمون t در هر مرحله نشان می دهند که روش های پیشنهادی، کارایی الگوریتم بهینه سازی بیز را در محیط های پویای تصادفی، افزایش می دهند.

ضایعه های پوستی رنگدانه شامل دو فرم خوش خیم و بدخیم می باشند. از نمونه های فرم خوش خیم می توان به خال های معمولی اشاره کرد و از فرم بدخیم می توان ملانوما را معرفی نمود. ملانوما به عنوان یکی از سرطان های بدخیم و کشنده پوست در سراسر جهان شناخته شده است. تشخیص ملانوما در مراحل نخست بیماری می تواند به طور چشمگیری از مرگ ناشی از این سرطان مهلک جلوگیری نماید. از آنجایی که تشخیص این بیماری در مراحل نخست، حتی توسط پزشکان کارآمد به سختی انجام می پذیرد، ارائه روشی که تشخیص ملانوما را در مراحل اولیه آسان نماید، بسیار مفید و ارزنده است. در این پژوهش به معرفی یک روش جدید بر اساس روش های هوشمند و مبتنی بر اصول پزشکی از راه دور با دقت بالا، موثر و کم هزینه برای تفکیک خوش خیم یا بدخیم بودن ضایعه های پوستی رنگدانه پرداخته می شود. هدف از انجام این پژوهش، تولید یک نرم افزار قابل استفاده توسط متخصصان و غیر متخصصان در پزشکی از راه دور و عموم مردم می باشد که به وسیله آن می توان دقت تشخیص متخصصان را بالا برده و همچنین عموم مردم بدون نیاز به دانش درماتولوژی بتوانند تشخیص های اولیه ضایعه های پوستی را بدون مراجعه به پزشک انجام دهند. روش بررسی: در این تحقیق با استخراج ویژگی های مناسب از تصویر بدست آمده از دوربین استاندارد و طبقه بندی آن ها و ترکیب با ریسک فاکتورهای جمع آوری شده از بیمار، تشخیص نوع ضایعه انجام می گردد. پیش از استخراج ویژگی های مناسب از تصویر، پیش پردازش به جهت آماده سازی تصویر و ارتقای کیفی آن برای استفاده در مراحل بعد، انجام شده، سپس به مرزبندی دقیق بین ضایعه و زمینه و در مرحله بعد به استخراج ویژگی های ضایعه پرداخته می شود. به منظور تفکیک دقیق آسیب های پوستی و کاهش زمان آموزش الگوریتم های طبقه بند، کاهش ابعاد ویژگی های مختلف انجام شده و تشخیص اولیه صورت می گیرد، در نهایت به کمک یک سیستم پشتیبان تصمیم پزشکی و با استفاده از ریسک فاکتورها نتیجه نهایی تعیین می شود. نتیجه گیری: روش پیشنهادی، برای تشخیص سرطان پوست ملانوما به عنوان بدخیم ترین نوع ضایعه پوستی از سایر ضایعه های خوش خیم دارای صحت حدود 92% می باشد. این روش به عنوان روشی ایمن، قابل دسترس، موثر، غیر تهاجمی و مبتنی بر اصول پزشکی از راه دور با دقت بالا و قیمت مناسب می باشد. توسط این سامانه نرم افزاری افراد می توانند تشخیص های اولیه ضایعه های پوستی شان را بدون مراجعه به پزشک انجام داده و متخصصین از آن به عنوان دستیاری هوشمند، سریع و دقیق استفاده کنند.

یکی از بزرگترین منابع آلاینده هوا در شهرهای بزرگ و عصر حاضر، خودروهای در حال تردد می باشد که به منظور کاهش این آلاینده ها، خودروسازان پیوسته فن آوری های جدیدی را به خدمت گرفته اند. در سال های اخیر با تولید خودروهای مجهز به واحد کنترل الکترونیک، دستیابی به اهدافی مانند رسیدن به کاهش مصرف سوخت، نقطه بهینه آلاینده خروجی و عملکرد مناسب خودرو، تا حدود زیادی میسر گردیده است. نکته اساسی این است که کالیبره نمودن این سیستم در آزمایشگاه با انجام محاسبات بسیار پیچیده منحصرا برای هر خودرو با فرض رانندگی ایده آل کلیه رانندگان صورت می پذیرد. اما آنچه مسلم است علیرغم تلاش های گسترده، هنوز تا رسیدن کامل به هدف، فاصله زیادی وجود دارد. این فاصله به دلیل عدم شناخت کامل قوانین در محاسبات و تفاوت در رانندگی دارندگان خودرو، می باشد. از طرفی طراحی واحد کنترل الکترونیک مختص هر خودرو، به دلیل پیچیدگی تطبیق با ویژگی های موتور، موجب صرف زمان و هزینه های اقتصادی مکرر می گردد. به منظور رفع مشکلات مطرح شده فوق در این پروژه بجای استفاده از بانک اطلاعات آزمایشگاهی، از کنترلر فازی عصبی استفاده شده است. بگونه ای که محاسبات بصورت لحظه ای با در نظر گرفتن تمام شرایط انجام گردد. سپس به منظور کاهش خطای کنترلر فازی و تطبیق با شرایط لحظه ای خودرو، بوسیله شبکه های عصبی با داده های طراحی شده توسط تیم مکانیک، تحت آموزش قرار گرفت. پس از آموزش شبکه فازی عصبی و قرار دادن آن روی سخت افزار طراحی شده توسط شرکت مهندسی کاوش اندیشان و ارسال به آزمایشگاه، نتایج حاصل شده، نشان داد که واحد کنترل الکترونیک تطبیقی توانسته، ضمن حل مشکل طراحی مختص هر موتور، از کاهش راندمان در مقابل رانندگی نامناسب جلوگیری و الزامات یورو 6 را بخوبی پاس نماید.

آموزش و یادگیری همواره مهم ترین مباحث از دیدگاه روانشناسان بوده اند. با ظهور کامپیوترها به دنیای علم، محققان سعی کرده اند با طراحی سیستم های آموزشی هوشمند، از این فناوری به عنوان ابزاری مفید جهت آموزش و یادگیری افراد استفاده نمایند. از آن جا که هر فرد سبک یادگیری خاص خودش را با توجه به ویژگی های شخصیتی اش دارد و نیز با در نظر گرفتن تأثیر احساسات در فرآیند یادگیری، محققان همواره سعی دارند از این شاخص ها در جهت شخصی سازی محیط یادگیری و وفق پذیر نمودن آن با نیازهای کاربران استفاده کنند. در این تحقیق به منظور بهبود فرآیند یادگیری سعی بر آن است که مدل سازی از فرد یادگیرنده با تعیین سبک یادگیری وی و تخمین احساساتی که در حین آموزش ممکن است تجربه کند، انجام گیرد. سیستم پیشنهادی که «ساها» نام گرفته است، محتوای آموزشی را با توجه به سبک یادگیری دانش آموز در اختیار وی قرار داده و در آخر آزمونی برای ارزیابی میزان یادگیری دانش آموز طراحی شده است. به منظور تعامل با دانش آموز در حین آموزش و آزمون، سیستم خبره مبتنی بر قانونی تهیه شده که در آن از مفاهیم فازی و فاکتور قطعیت استفاده شده است. این سیستم خبره با دانستن اندازه ی سبک یادگیری و احساس دانش آموز و فازی سازی آن ها، و نیز درجه ی سختی سوال تاکتیک های آموزشی را به عامل انیمیشنی که در واسط کاربر سیستم گنجانده شده است پیشنهاد می دهد و عامل این تاکتیک ها را در جهت بهبود فرآیند یادگیری در سیستم اعمال می کند. رفتارهای عامل به گونه ای طراحی شده که بتواند در تعامل با دانش آموز محیط یادگیری را جذاب جلوه دهد. طبق ارزیابی صورت گرفته بر روی دو نسخه از سیستم پیشنهادی که در یکی از آن ها مدل سازی از کاربر حذف شده است، میزان اثر آموزشی «ساها» 24% بیشتر از اثر آموزشی نسخه ی بدون مدل سازی می باشد. نتایج نشان می دهد در ارزیابی صورت گرفته از میزان رضایت از واسط کاربر دو نسخه ی سیستم، نسخه ی اصلی 7.32 از 9 و نسخه ی بدون مدل سازی 6.8 از 9 را به دست آورده است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.