امروزه مبحث نهان نگاری داده ها برای کاربردهای حفاظت از مالکیت، تصدیق اعتبار و حفظ حق نشر بسیار مورد توجه است و هر ساله روش های جدیدی برای این هدف معرفی می شوند. نهان نگاری تصاویر سه ویژگی مهم ظرفیت، شفافیت و مقاومت را دارد و بین آن ها همواره مصالحه برقرار می باشد. در این پایان نامه نهان نگاری تصاویر رنگی به کمک مفاهیم و روش های فشرده سازی فرکتالی تصاویر مورد توجه هستند. با استفاده از ترکیب این دو مقوله سه روش جدید برای نهان نگاری تصاویر رنگی معرفی شده اند. در این روش ها نهان نگاره (واترمارک) دنباله ای باینری و یک تصویر رنگی به عنوان میزبان استفاده می شوند. کدگذاری فرکتالی متعامد نقش پررنگی در آن ها دارد زیرا میانگین بلوک ها نسبت به حملات مختلف تغییر چندانی نخواهد کرد. یکی از چالش های کدگذاری فرکتالی زمان اجرای آن است که در روش های پیشنهادی سعی شده با معرفی الگوریتم trfcic این مشکل تا حدی مرتفع گردد. راهبرد اصلی این روش ها آشکارسازی نیمه کور برای نهان نگاره و اعمال تغییرات به طور مستقیم در حوزه مکان بدون استفاده از حوزه تبدیلات می باشد. در این پایان نامه معرفی سه روش مجزا برای بهبود هر کدام از ویژگی های نهان نگاری (مقاومت، شفافیت و ظرفیت) ارائه شده است. روش های پیشنهادی بر روی تصاویر رنگی میزبان lenna و baboon (256×256پیکسل) آزمایش می شود. نتایج آزمایشات نشان می دهد روش پیشنهادی اول 65408 بیت ظرفیت نهان نگاری دارد. روش دوم نسبت به بیشتر حملات معمول با مقادیر قابل قبول ber و ncc مقاوم است. در آخرین روش نیز در مدل rgb شفافیت خوبی دارد و psnr برای تصویر نهان نگاری شده lenna برابر با 51.13 دسی بل است.

درخت تصمیم یکی از ابزارهای پرکاربرد یادگیری ماشین و داده کاوی است که مهم¬ترین مزیت آن قابل فهم بودن برای انسان است. در گذشته الگوریتم¬های بسیاری برای ساخت درخت تصمیم ارائه شده اند که بیشتر آن¬ها مبتنی بر یک فرایند حریصانه و تقسیم و حل هستند. در سال¬های اخیر، روش¬های تکاملی که مبتنی بر جستجوی سراسری هستند، رواج یافته اند. گسسته¬سازی فرایندی است که ویژگی¬های عددی را به صفات گسسته تبدیل می¬کند و الگوریتم¬هایی مانند درخت تصمیم را قادر می¬سازد تا با صفات عددی نیز کار کنند. تا جایی که نگارنده اطلاع دارد، هیچ کدام از الگوریتم¬های ساخت درخت گسسته¬سازی چندبازه¬ای را ارائه نمی¬کنند و باید از یک الگوریتم گسسته¬سازی جداگانه استفاده نمود. ما روشی مبتنی بر برنامه¬ریزی ژنتیک ارائه می¬دهیم که ساختاری منعطف¬تر برای درخت تصمیم در نظر می¬گیرد و فرایند گسسته¬سازی را با ساخت درخت ادغام می¬کند. عملگرهای ژنتیک ویژه¬ای برای کار با این ساختار تعریف می¬شوند. به علاوه عملگرهایی برای اصلاح درخت نیز ارائه شده اند. نتایج مقایسه با الگوریتم¬های کلاسیک نشان می¬دهد که الگوریتم پیشنهادی تعادل خوبی بین دقت و اندازه درخت برقرار می¬کند، اما سرعت آموزش آن پایین¬تر از روش¬های تکاملی است.

گوناگونی در دستگاه های نمایش تصویر، نیازمند این است که تصاویر بتوانند در اندازه های مختلف نمایش داده شوند و در عین حال کیفیت آن ها حفظ شود و جزئیات مهم قابل دیدن باشند. روش های مختلفی برای کاهش اندازه ی تصاویر ارائه شده است که برخی تنها با توجه به ویژگی های هندسی و برخی با توجه به محتوا، اندازه ی تصویر را کاهش می دهند. کاهش اندازه ی تصاویر با توجه به محتوا روشی کارآمد است که سعی می کند کاهش اندازه را با حذف نواحی کم اهمیت تصویر اجرا کند، به طوری که کمترین خرابی در تصویر رخ دهد. روش استاندارد¬ی که برای کاهش اندازه با توجه به محتوا ارائه شده است، کاهش اندازه مبتنی بر حذف درز است که درز هایی از تصویر که کمترین اهمیت را دارند، می یابد و حذف می کند. درز به مسیری پیوسته از پیکسل ها در راستای افقی یا عمودی در تصویر گفته می شود. اهمیت هر نقطه از تصویر با محاسبه تابع انرژی به دست می¬آید. از مشکلات روش حذف درز می توان به کندی و عدم توانایی آن در حفظ کیفیت برخی تصاویر اشاره کرد. در این نوشتار دو روش برای بهبود روش حذف درز ارائه شده است که یکی برای افزایش سرعت و دیگری برای بهبود کیفیت تصاویر خروجی است. روشی که برای رفع مشکل کندی این الگوریتم ارائه شده است، حذف درز با استفاده از بلوک بندی است. این روش، ابتدا اندازه ی تصویر را کاهش می دهد و سپس الگوریتم را روی آن اعمال می کند و در نهایت تناظری بین تصویر کوچک شده و تصویر اصلی به دست می¬آورد. نتایج شبیه سازی نشان می دهد که سرعت این الگوریتم در بدترین حالت بیشتر از 50 درصد نسبت به الگوریتم استاندارد افزایش داشته است و این در حالی است که کیفیت تصویر همچنان در سطح قابل قبولی باقی می ماند. روش دیگر که برای بهبود کیفیت تصاویر ارائه شده است، حذف درز با استفاده از الگوریتم ژنتیک است. این روش سعی می کند با استفاده از الگوریتم ژنتیک کم انرژی ترین درز ها را برای حذف کردن بیابد. نتایج شبیه سازی نشان می دهد که این روش بهتر از روش استاندارد محتوای تصویر همچون خطوط راست را حفظ می کند.

حاشیه نویسی تصاویر به فرآیند تولید کلماتی که محتوای تصویر را توصیف کنند اطلاق میشود. هدف حاشیه نویسی تصاویر تولید کلماتی است که توصیف گرهای مناسبی برای تصاویر باشند. در واقع در حاشیه نویسی مجموعه ای از کلمه یا کلماتی که بیان گر معنا و مفهوم واقعی تصویر است با تصاویر همراه می شود. منظور از معنا و مفهوم واقعی مفاهیمی نزدیک به برداشت انسان ها از تصویر است. یافتن تصویر مورد نیاز یک کاربر از بین تصاویر بسیار زیاد، یک کار چالش بر انگیز است. حاشیه نویسی خودکار تصاویر با استفاده از سیستم یادگیری ماشین برای دسته بندی تصاویر به کلاس های مختلف انجام می شود، به طوری که هر دسته معرف یک کلمه است. ورودی سیستم یادگیری ماشین ویژگی ها ی مستخرج از تصویر است.

انجام فعالیت¬های روزمره از طریق اینترنت روزبه¬روز درحال افزایش است. لازمه ی انجام این فعالیت ها، تکمیل فرم های ثبت نام و پاسخ به آزمونی موسوم به کپچاست. کپچا آزمونی را تولید می کند که پاسخ به آن برای انسان ها آسان و درعین حال برای برنامه های مخرب بسیار دشوار و یا حتی غیرممکن است. به علت تمایل اکثر کاربران فارسی زبان به استفاده از زبان فارسی برای انجام فعالیت های فوق، طراحی کپچاها به زبان فارسی ضروری است. کپچاهای متنی که تاکنون مورد استفاده قرار گرفته اند، به صورت اعداد، حروف وکلمات انگلیسی بوده اند. اکثر سیستم های کپچای فارسی نیز که اخیرا راه اندازی شده اند، به تولید کلمات به صورت نویزی، محدود شده اند. در این پایان نامه، به بررسی کپچایی مقاوم که با استفاده از ویژگی های دستوری زبان فارسی تولید شده است، پرداخته می شود. در این کپچا که دارای ضریب اطمینان بالایی است، یک جمله ی فارسی با چند خطای دستوری به کاربر نشان داده شده و از او خواسته می شود تا جمله ی صحیح را با توجه به ویژگی های دستوری زبان فارسی وارد نماید. نحوه ی تشکیل نتایج به این صورت است که پایگاه داده ای از کلمات مختلف برای نقش های جمله آماده شده و به صورت تصادفی برای هر نقش، کلمه ای انتخاب می شود. سپس با توجه به نکات دستوری زبان فارسی و با استفاده از این کلمات جمله ای ساخته می شود. این جمله ی صحیح نیز با اعمال تصادفی اشکالات نگارشی، تبدیل به جمله ای می شود که از لحاظ دستور زبان فارسی دچار اشکال می باشد. کاربر، در این کپچا باید جمله ی نشان داده شده را با رفع اشکالات آن به صورت صحیح بنویسد. نتایج حاصل از پیاده سازی این کپچا، نشان می دهد که نوشتن جمله ی صحیح از نظر دستوری به علت نزدیکی به زبان محاوره ای، برای یک کاربر فارسی زبان بسیار آسان بوده و در عین حال یک ماشین کار بسیاردشواری برای حل آن دارد.

علم پردازش تصویر در چند دهه اخیر از هر دو جنبه نظری و عملی پیشرفت های چشمگیری داشته است. رنگ به عنوان یک نشانه مهم برای موضوعات مرتبط با پردازش تصویر و بینایی کامپیوتر توجه بسیار زیادی را به خود جلب کرده است. رنگ های موجود در تصویر با استفاده از خواص اشیا، سطوح و همچنین رنگ منبع نور تعیین می شوند. هدف روش های اصالت رنگ، ارزیابی رنگ های موجود در تصویر با وجود تفاوت در رنگ منبع نور می باشد. در این پژوهش الگوریتمی پیشنهاد شده است که تلاش می کند تا الگوریتم های اصالت رنگ را با استفاده از اتوماتای یادگیر سلولی بهبود بخشد. در واقع ابتدا با استفاده از اتوماتای یادگیر سلولی به شناسایی پیکسل هایی در تصویر می-پردازد که از لحاظ رنگی با میانگین رنگ کل تصویر ناسازگار می باشند. سپس این پیکسل ها در برآورد رنگ منبع نورناشناخته ای که تصویر زیر آن گرفته شده است, نادیده گرفته می شوند. پس از انجام ارزیابی های مختلف مقادیر مناسب برای پارامترهای مربوط به اتوماتای یادگیر سلولی تعیین شده است. آزمایشات متعددی با به کارگیری روش پیشنهادی بر روی برخی از الگوریتم های اصالت رنگ انجام شده است. نتایج نشان می دهد روش پیشنهادی حدود 14 درصد موجب بهبود دقت الگوریتم gray- world بر روی مجموعه تصاویر color checker و حدود 50 درصد موجب بهبود دقت الگوریتم shade- od- gray بر روی مجموعه داده gray- ball- sfu شده است.

هر گونه تغییر شکل استخوان بدنبال ضربه، شکستگی نامیده میشود. با استفاده از روشهای تصویر برداری مختلف این شکستگیها قابل تشخیص میباشند. تصویر برداری با روش اشعه ایکس نسبت به باقی روش- ها،جزییات دقیقی از استخوان ها و جزییات کمتر از بافت و ماهیچه در اختیار میگذارد که تشخیص شکستگیها را ساده تر میسازد. به کمک پردازش تصویر استخوانها میتوان کمکهای شایانی به بهبود کیفیت تصاویر و کاهش نویز آن و همچنین بالابردن دقت در تشخیصهای پزشکی انجام داد. برای انجام این پژوهش تصاویر لازم با همکاری بیمارستان امام خمینی (ره)با استفاده از روش تصویربرداری رادیوگرافی دیجیتال مستقیم 9 بدست آمد. در ادامه پژوهش الگوریتم جدیدی در جهت تشخیص شکستگی استخوانهای دراز معرفی میشود. در این روش در ابتدا به منظور بالا بردن سرعت پردازش های بعدی و دقت پردازش روند حذف نواحی زائد شامل نواحی بالا و پایین استخوان های دراز در تصاویر با متدهای باینری پردازش تصویر انجام میشود. سپس با استفاده از تصاویر بدست آمده و استفاده از گرادیان تصویر به منظور منحنی اولیه با استفاده از روش منحنی فعال مرزبندی استخوان ها با دقت بسیار بالایی انجام میگیرد، با ارزیابی های انجام شده با روش ضریب تکه دقت مرزیابی استخوانها در حدود 58 درصد ارزیابی شد. در ادامه با بدست آوردن ویژگیهای خاصی از مرزهای بدست آمده و استفاده از این ویژگیها به عنوان ورودی سیستم فازی شکسته یا سالم بودن تصاویر استخوان دراز ورودی با دقتی در حدود 58 درصد تشخیص داده شد.

پیش بینی روند تراکنش های بانکی یکی از مسایل اساسی در حوزه های قابلیت اطمینان، امنیت سیستم و بهبود کیفیت خدمات بانکی است که تاثیرات قابل توجهی در برآورد هزینه ها، مدیریت و برنامه ریزی منابع و ظرفیت سنجی سامانه پرداخت الکترونیکی بانکی دارد. لذا در این تحقیق ما به دنبال رسیدن به بهترین الگو با کمترین خطا جهت پیش بینی تراکنش های بانکی بودیم پس از ارائه استراتژی های مختلف از ترکیب الگوریتم های کرم شب تاب ، الگوریتم خفاش و با استفاده از تکنیک سری زمانی 5 الگوی حل مسئله به منظور یافتن بهترین جواب ممکن تشریح گردید و پس از ارائه خرجی ها و مقایسه نتایج الگریتم هیبرید شماره یک به عنوان بهترین الگو جهت برازش مسئله پیش بینی تراکنش های بانکی انتخاب گردید.

در دنیای امروز کاربردهای پردازش تصویر هرروزه در حال افزایش است ودرزمینه های پزشکی، رباتیک هواشناسی، تحقیقات و پژوهش های بسیاری صورت پذیرفته است.اما در مورداستفاده از پردازش تصویر در کشاورزی تحقیقات کمتری انجام شده و کاربردهای آن موردتوجه قرارگرفته است. ما در این رساله سعی کردیم به منظور بیشتر شناساندن تکنیک های کاربردی پردازش تصویر در شناسایی و دفع آفات تحقیقات خود را انجام دهیم. تمرکز اصلی این پایان نامه، در زمینه ی تشخیص آفات و بیماری های گیاهی درخت پسته در قسمت های برگ است، به طوری که با طراحی روش هایی برای این سیستم با داشتن یک پایگاه داده از عکس های گیاه سالم و آفت زده در ناحیه برگ ها که در طول دوره(از ابتدای رشد تا پایان فصل برداشت محصول) توسط افراد آموزش دیده، دوربین های مداربسته نصب شده در باغات پسته و در حالت پیشرفته تر بهره گیری از روبات های هوشمند صورت پذیرفته و با ارسال به سرور مرکزی و استفاده از تکنیک های الگو شناسی آفت و روش های پیشنهادی تشخیص آفت برگ با استفاده از بافت تصویر، نوع آفت توسط ماشین مقایسه و مشخص می شود علاوه براین نیاز به نظارت مستمر کارشناسان در مزارع بزرگ، شامل هزینه های زیادی می شود که در بعضی از کشورهای درحال توسعه، ممکن نیست بعضا طی کردن مسافت طولانی و اعزام کارشناسان مجرب در این زمینه به باغات پسته دارای محدودیت می باشد، از اهداف مهم این سیستم تشخیص به موقع امراض درخت پسته و کم کردن ضریب خطا در تشخیص و تجویز به کشاورزان و درنتیجه برداشت محصول باکیفیت جهت صادرات است.در این رساله بعد از ایجاد پایگاه داده مناسب و پیش پردازش مورد نیاز، با استفاده تبدیل ویولت ویژگی های مناسب انتخاب گردید و پس ازنگاشت مناسب ویژگی ها با استفاده از کلاسه بند ماشین بردار پشتیبان دسته بندی انجام و پس از انجام مراحل آموزش و آزمایش، نتایج با درصد درستی مناسب استخراج گردید.

امروزه ، پوسیدگی و ضایعات دندان یکی از شایع ترین بیماریهای دندان در سراسر جهان است که درصد بالایی از جمعیت جهان را تحت تأثیر قرار داده است. تحقیقات نشان داده است که بیشتر از 90 % بزرگسالان تجربه پوسیدگی دندان را داشته اند و لذا تشخیص سریع ضایعات دندانی در مراحل اولیه یک جنبه اصلی و مهم در حفظ سلامتی دندان است. از طرفی به وسیله معاینه بصری توسط دندانپزشک تنها 22/9 % - 32/9 % پوسیدگیهای مرحله اولیه شناسایی می شوندو بیشتر از دو سوم این ضایعات بدون تشخیص می مانند. روشی که ما در پی معرفی آن هستیم شامل کاربرد متدهای پردازش تصویر برای تشخیص پوسیدگیهای دندان است. این روش از تصاویر opg داخل دهان استفاده می کند و یک بازخورد از حضور پوسیدگی دندان به دندانپزشکان ارائه می دهد .همینطور این روش می تواند برای ساختن یک سیستم تشخیص پوسیدگی دندان تجاری که مقرون به صرفه باشد مورد استفاده قرارگیرد.علاوه بر این الگوریتمی که نیاز به سخت افزار دقیق و پیچیده ای نداشته باشد به آن اجازه می دهد که به راحتی در انواع مختلف از اجزای سخت افزاری که در حال حاضر در دندانپزشکی استفاده می شود، اجرا شود .هدف اصلی از کارارائه شده تشخیص پوسیدگی های دندانی درتصاویرسراسرنمای x-ray از دندان است. پیشنهاد ما در راستای تشخیص پوسیدگی موجود در دندان در تصویر است . روشی که ما در پی معرفی آن هستیم شامل کاربرد متدهای پردازش تصویر برای تشخیص پوسیدگیهای دندان است. این روش از تصاویر opg داخل دهان استفاده می کند و یک بازخورد از حضور پوسیدگی دندان به دندانپزشکان ارائه می دهد.

دسته بندی و بازیابی فایل های ویدیویی امروزه به دلیل افزایش آنها و تقاضای کاربران کاری مهم و ضروری است. در این حوزه رسیدن به دقت بیشتر و حجم عملیات کمتر دو خواستگاه مهم برای رسیدن به روش های موثر است. در این پایان نامه هدف ارائه مدلی است که با آن بتوان دسته ای که یک ویدیو به آن تغلق دارد را تخمین زد. برای این منظور از تکنیک کیف کلمات استفاده شده است. این تکنیک باعث کاهش ویژگی های استخراج شده از تصاویر ویدیویی در قسمت مقایسه آنها می شود. پس از استخراج ویژگی های مورد نظر از تصاویر ویدیویی بر اساس مدل فوق هیستوگرام تصاویر تشکیل شده و پس از آموزش با استفاده از ماشین بردار پشتیبان عمل دسته بندی انجام می شود.

با توجه به افزایش روزافزون داده¬های ویدیویی، تحقیقات فراوانی در زمینه بازیابی و دسته بندی این نوع داده¬ها صورت گرفته است. طبقه¬بندی ویدیوهای ورزشی با استفاده از تجزیه و تحلیل های ویدیو می¬تواند در نمایه¬سازی و بازیابی ویدیو مفید باشد. در این رساله، طبقه بندی ویدیوهای ورزشی با استفاده از ترکیب ویژگی¬های استاتیک مانند رنگ و ویژگی¬های دینامیک مانند حرکت انجام گرفته است. روش ارائه شده با استفاده از 5 ویژگی، سه رنگ غالب و نرخ حرکت و ویژگی لبه انجام گرفته است. جهت دسته بندی ویژگی ها از دو الگوریتم ماشین بردار پشتیبان و نزدیک ترین همسایه استفاده شده است که الگوریتم نزدیکترین همسایه دارای نتایج بهتر و برابر با 80 درصد بود. در این آزمایش، 75 کلیپ در 5 کلاس مختلف ورزشی استفاده می شود: فوتبال، بسکتبال، شنا، اسکی و بکس.

داده کاوی فرآیند انتخاب، اکتشاف و مدل کردن مقدار زیاد و متنوعی از داده ها برای کشف قوانین و ارتباط بین آنها به منظور استخراج نتایج مفید برای صاحبان پایگاه داده ها است. دانش حاصل از داده کاوی موضوع جدیدی است که اخیراً در پایگاه داده ها مطرح شده است. این دانش، از اطلاعات شخصی افراد استخراج می شود. در سال های اخیر روش های داده کاوی با معضل مهم محافظت از داده های حساس، از جمله داده های بانکی، پزشکی و سایر اطلاعات محرمانه ی افراد، مواجه شده اند؛ از این رو شاخه ی جدیدی در داده کاوی به نام حفظ محرمانگی داده ها در داده کاوی پا به عرصه نهاد. هدف تحقیقات در این زمینه توسعه ی روشی است که بتواند بدون انتشار داده های محرمانه، داده کاوی را انجام داده و نتایج معتبری ارائه دهد. روش های متنوعی برای این منظور معرفی شده اند که هدف این تحقیق بررسی آنها و معرفی روشی بهبود یافته است تا بتوان با حفظ بیشتر محرمانگی، کارآیی و سودمندی روش های پیشین را افزایش داد. در این پایان نامه روی مسئله ی حفظ محرمانگی داده ها در طبقه بندی و خوشه بندی تمرکز می کنیم. ابتدا به ارائه ی روش های موجود حفظ محرمانگی در داده کاوی پرداخته، نقاط ضعف و قوت آنها را بررسی کرده و با یکدیگر مقایسه می کنیم و سپس دو روش برای حفظ محرمانگی داده ها در داده کاوی ارائه می دهیم که روش اول از منطق فازی کمک گرفته و روش دوم با ترکیب منطق فازی و دوران تصادفی از محرمانگی داده ها محافظت می کند. در ادامه ی کار با کمک روش های داده کاوی درخت تصمیم c4.5، k نزدیکترین همسایه و امید ریاضی بیشینه سازی به ارزیابی این دو روش می پردازیم. در انتها دو روش ارائه شده را با روش هایی از جمله دوران تصادفی، افکنش تصادفی و خلاصه سازی داده ها مقایسه کرده و پیشنهاداتی برای مطالعات آتی ارائه می دهیم.

امروزه دستگاه های چندرسانه ای مانند نوت بوک ها، تبلت ها ، گوشی های تلفن همراه و کامپیوترهای شخصی باابعاد ورزولوشن های مختلف مورد استفاده هستند.برای نمایش تصویر در این دستگاهها ، روشی هوشمندانه وکارا موردنیاز است به طوریکه با تغییر سایز تصویر، محتوای ان نیز حفظ گردد. .زیرا بسیاری از تکنیک های تغییرسایزازجمله تغییر مقیاس باعث از دست رفتن اطلاعات آن می شود. روش حذف سیم یکی از روش های تغییر ابعاد تصویر مبتنی بر محتو ا است.که بر اساس سطوح انرژی، روشی کارا و با افت کیفیت کمتر پیشنهاد می دهد .اما به دلیل پردازش همه پیکسل ها ، پیچیدگی محاسباتی و زمانی بالایی دارد.و در برخی تصاویر باعث تخریب قسمت های مهم می شود. در این پایان نامه به منظوررفع اشکالات موجود ، به دنبال بهبود روش حذف سیم با استفاده از درخت چهارگانه هستیم

در ترمیم تصویر، قسمت های نامطلوب و مخدوش تصویر، حذف و با قسمت های مناسب از خود تصویر جایگزین می گردد. در این رساله، ترمیم تصاویر به روش اتوماتای یادگیر سلولی انجام گرفته است. با استفاده از اتوماتای یادگیر سلولی و اندازه گیری میزان مشابهت هر پیکسل نامعتبر به همسایگان خود، مقدار پیکسل مورد نظر بازیابی می شود. به این ترتیب که سعی شده است تا با استفاده از اتوماتای یادگیر سلولی به همراه یک سری قوانین محلی ، پیکسل های نامعتبر مورد نظر بازیابی شوند.

رشد مصرف انرژی یکی از مسائل اساسی است که با افزایش جمعیت و کمبود منابع انرژی، استفاده و بهره وری بهینه از آن دارای اهمیت ویژه ای است. یکی از موارد مهم در میزان مصرف انرژی الکتریکی، پی بردن به نقاط کار بهینه عملکرد پمپ به همراه الکترو موتور آن است . الکترو موتور و پمپ هر کدام، یک نقطه کار با بیشترین راندمان دارند. اما با توجه به مصرف آب و تعرفه برق نقاط کار بهینه که کمترین هزینه برق را به همراه داشته باشند، مساله پر چالشی است. با توجه به اینکه تابع هزینه برق مصرفی یک تابع غیر خطی و گسسته است، روش های کلاسیک برای حل آن کارآمدی لازم را ندارند. در این تحقیق بعد از مدل سازی یک سیستم پمپاژ آب واقعی و تعریف تابع هزینه برق مصرفی با استفاده از الگوریتم های هوشمند به دنبال نقطه کار بهینه سیستم با کمترین هزینه برق و کاهش مدت کارکرد اوج بار هستیم و با ارائه یک الگوریتم ترکیبی جدید میزان صرفه جویی حاصله از کاربرد روش های هوشمند در مقابل تخمین های ذهنی و کارکرد معمولی سیستم را پیش بینی نموده ایم. در مدل سازی سیستم پمپاژ آب از داده های واقعی سیستم یک چاه آب متعلق به شرکت آب و فاضلاب روستایی استان سمنان در شهرستان گرمسار روستای شه سفید، استفاده شده است. پس از ارائه استراتژی های مختلف کاهش مصرف برق در سیستم پمپاژ آب با استفاده از الگوریتم های ga ، de،hs ،dsa،pso و الگوریتم پیشنهادی ترکیبی hpsoga مسئله بهره برداری بهینه به منظور یافتن بهترین جواب ممکن و کمترین هزینه حل شده است. نتایج عددی بدست آمده از الگوریتم پیشنهادی نشان دهنده برتری الگوریتم پیشنهادی نسبت به دیگر الگوریتم های مقایسه ای است.