گرید های داده ای سیستم هایی هستند که به منظور به اشتراک گذاشتن کارآمد داده بین کاربران طراحی و پیاده سازی شده اند. کاربران این سیستم ها بدون آن که از موقعیت جغرافیایی و مکانی این اطلاعات آگاه باشند، به اطلاعات دسترسی دارند. یکی از راه های افزایش کارایی در مشبک های داده ای کپی کردن داده ها در قسمت های مختلف سیستم است. کپی کردن داده ها با توزیع بار شبکه، کاهش ترافیک و افزایش دسترسی پذیری باعث افزایش کارایی سیستم می شود.?روش های کپی سازی را می توان به دو گروه ایستا و پویا تقسیم کرد. در کپی سازی پویا محل کپی کردن داده ها، در طول زمانِ استفاده از سیستم و براساس نیاز و درخواست کاربران مشخص می شود. مزیت روش های پویا نسبت به روش های ایستا قابلیت انطباق این روش ها با تغییر الگوی درخواست کاربران در طول زمان است از آنجاییکه گرید های داده ای سیستم هایی پویا هستند، کپی سازی پویا روشی مناسب تر برای این سیستم ها به شمار می رود. در این تحقیق برخی از روش های موجود که برای افزایش کارایی سیستم های مشبک توسعه داده شده اند، مورد بررسی قرار خواهند گرفت. همچنین سعی خواهد شد استراتژی بهتری از نظر سطح دسترسی به داده ها در نوع خاصی از مشبک های داده ای - به نام مشبک های داده ای چند لایه - مشبک های داده ای که دارای معماری درختی هستند ارایه شود. در استراتژی مذکور سعی خواهد شد داده های درخواست شده توسط کاربران در سطوح پایین تری از درخت پاسخ داده شوند. کاهش سطح دسترسی به داده ها باعث کاهش زمان پاسخگویی به درخواست ها شده و به تبع آن موجب افزایش کارایی سیستم می شود. برای این منظور محلیت فضایی بر اساس محلیت فضایی فایل های مرتبط به فایلی که اخیراً استفاده شده، با توجه به اینکه این فایل ها محتمل ترین فایل ها برای درخواست های آینده هستند-به طور ویژه ای مورد توجه قرار خواهد گرفت.

طبقه بندی اسنادltrfootnote{text classification, text categorization} عبارت است از نسبت دادن یک سند به یک یا چند موضوع از پیش تعیین شده. در سال های اخیر تولید اسناد متنی دیجیتال با یک رشد نمایی مواجه بوده است، به همین دلیل لزوم طبقه بندی صحیح آن ها برای دسترسی بهتر امری ضروری به نظر می رسد. کاربرد طبقه بندی اسناد می توان بسیار متنوع باشد، طبقه بندی صفحات وب، متون علمی، اخبار، رایانامه، کتاب و ... جستجو برای یک عبارت در google اکنون به چیزی فراتر از یک واقعیت تبدیل شده است. در آینده? نزدیک با پیشرفت روش های طبقه بندی اسناد، نحوه? دسترسی مردم به اطلاعات به نحوی شگرفی تغییر خواهد کرد. طبقه بندی اسناد شامل یک مدل یادگیرنده برای مجموعه ای از کلاس ها و بکار بردن آن ها برای اسناد جدید و انتساب یک کلاس به آن ها می باشد. این امر اکثراً یک کار آموزشی به همراه یک مربی می باشد. به این صورت که یک مجموعه? آموزشی اولیه که شامل تعداد سند و موضوعات از پیش تعیین شده می باشد، به عنوان ورودی به سیستم داده می شود. سپس سیستم برای شناسایی موضوع سایر اسناد آموزش داده می شود. این مراحل شامل پیش پردازش (نمایش سند، کاهش ابعاد و استخراج ویژگی ها) و مراحل آموزش و آزمایش می باشد. عموماً مرحله? پیش پردازش شامل ??? زمان و تلا ش های محاسباتی می شود. با توجه به اینکه روش های مبتنی بر هسته قابلیت های زیادی از خود نشان داده اند، توسعه? یک روش مبتنی بر رویکرد هسته برای زبان فارسی مد نظر قرار داده شد. طبقه بندی متون زبان فارسی به دلیل پیچیدگی ها و مشکلاتی که دارد (اکثر این مشکلات متوجه زبان فارسی نبوده و از آگاهی کم افراد ناشی می شود)، کاری دشوار می باشد. برای انجام طبقه بندی یک سری پیش نیازهایی وجود دارد (همانند سایر زبان ها)، مثلاً وجود یک فهرست از کلمات ایست (همانند فهرست های متنوعی که برای زبان انگلیسی وجود دارد)، وجود یک روش استاندار و قابل قبول برای ریشه یابی (همانطور که زبان انگلیسی وجود دارد). متأسفانه علی رغم اینکه کارهای تحقیقاتی زیادی در این حوزه صورت گرفته است، ولی به دلیل منسجم نبودن کارها و عدم حمایت از سوی یک نهاد واحد، تلاش ها آن طور که شایسه و بایسته است به ثمر ننشسته است و این مسأله انجام کارهایی را که مراحل ذکر شده به عنوان سنگ بنای آن می باشد، دشوارتر نموده است. نگارنده علی رغم پیگیری ها و تماس های مکرری که با فرهنگستان زبان و ادب فارسی داشته است، موفق به جلب نظر آن ها برای همکاری در این پروژه نشده است. حتی اجازه? دسترسی به نتایج تحقیقات گذشته نیز به راحتی مقدور و میسر نبوده است. با توجه به همه? مشکلاتی که برشمرده شد، در نهایت یک روش مبتنی بر هسته برای طبقه بندی متون دیجیتال فارسی توسعه داده شد. متأسفانه به دلیل نبود یک روش و مجموعه? استاندارد (همانند نمونه هایی که برای زبان انگلیسی وجود دارد)، امکان مقایسه? این روش با سایر روش های موجود برای زبان فارسی به صورت کامل محیا نشد. البته تا جایی که مقدور بوده است، از روش های استاندارد ارزیابی استفاده شده است. انجام آزمایش ها با استفاده از متون انتخابی از اخبار خبرگزاری جمهوری اسلامی انجام پذیرفته است (البته آموزش های سیستم نیز با استفاده از بخشی از این اسناد انجام گرفته است).

مسئله زمانبندی پروژه، یک زمانبندی را برای تخصیص منابع تعیین می کند تا مدت تکمیل پروژه و یا هزینه کلی پروژه را بهینه سازد. یکی از مسائل زمانبندی پروژه، مسئله زمانبندی پروژه چند حالته با منابع محدود است، به طوری که چندین حالت اجرایی برای هر فعالیتی از پروژه در دسترس می باشد. در طی این سال ها، روش های زمانبندی پروژه به طور پیوسته، برای مدل سازی مسائل عملی مناسب، توسعه یافته اند. در این پایان نامه، علاوه بر مطالعه مفاهیم مسائل زمانبندی و بررسی برخی از این روش ها، روشی را برای مسئله زمانبندی پروژه چند حالته با منابع محدود و با مدت فعالیت های فازی پیشنهاد کرده ایم. فرضیات روش پیشنهادی، مسئله تک پروژه ای با یک هدف واحد و زمانبندی غیرقطعی می باشد. همچنین فعالیت ها می توانند در تعداد نامحدودی از حالت های اجرایی، پردازش شوند. برای این منظور، یک الگوریتم هوشمند ترکیب شده از مجموعه های فازی و الگوریتم ژنتیک طراحی شده تا یک مدل فازی برای حل کردن مسئله زمانبندی پروژه ی مورد نظر ارائه گردد. نتایج شبیه سازی از پیاده سازی این الگوریتم بیانگر کاهش مدت تکمیل پروژه در مثال پیشنهادی می باشد.

برای خوشه بندی منابع الگوریتم های مختلفی ارائه شده اند که هرکدام از آن ها با درنظر گرفتن معیارها و شرایط خاص مساله، سعی در یافتن جواب بهینه ی مساله را دارند. در این پایان نامه به منظور یافتن مناسب ترین گره ها برای قرار گرفتن در خوشه های یکسان الگوریتمی ارائه می شود که با استفاده از الگوریتم تخمین توزیع و بهینه سازی مارکوف گره های مشابه را می یابد و برای انتخاب سرخوشه ها که از بین گره های مجموعه ی مسلط همبند انتخاب می شوند، از الگوریتم مورچگان استفاده می کند؛ که سرخوشه های انتخاب شده بسته به شرایط و موقعیت قرارگیری گره ها، تشکیل یک مجموعه ی مسلط همبند یا همبند ضعیف خواهند داد. این الگوریتم cme-ach نام گذاری شده است. در نهایت، در این پایان نامه کارآیی cme-ach از لحاظ تابع به کار رفته برای نمونه گیری و الگوریتم به کار رفته برای انتخاب سرخوشه ها مورد ارزیابی قرار گرفته و این الگوریتم از لحاظ اندازه ی خوشه های ایجاد شده، میزان شباهت گره های هر خوشه به یکدیگر، سرعت فرآیند کشف منبع و میزان نزدیکی و شباهت منبع یافت شده با منبع مورد درخواست کاربر با چند الگوریتم مقایسه شده است که در همه ی موارد نتایج ارزیابی ها نشان دهنده ی کارآیی نسبتاً بالای الگوریتم نسبت به روش های شبیه سازی شده می باشد.

در محیط محاسبات فراگیر، تمام وسیله هایی که قصد برقراری ارتباط با یکدیگر را دارند با رویدادها سر و کار دارند. به همین دلیل، کشف سرویس ها و مدیریت رویدادها در این محیط از حساسیت و پیچیدگی محسوسی برخوردار است. با توجه به اهمیت موضوع، هدف این رساله ارائه ی شیوه ایست که با استفاده از پایگاه داده ی فعال و به کارگیری قوانین eca (event, condition, action)، پیچیدگی رویدادهای بین وسیله ها را کاهش داده و کارآیی آن ها را افزایش دهد. همچنین ویژگی دیگری به نام domain جهت مشخص کردن ناحیه ای که عمل مورد نظر باید در آن رخ دهد، به قوانین eca اضافه شده است تا به وسیله ی ecad (event, condition, action, domain) کنترل بیشتری روی محیط و قوانین اعمال شود. برای رسیدن به هدف این رساله، ارائه قوانین ecad مناسب در پایگاه داده ی فعال مد نظر قرار گرفته است. این قوانین به شکلی طراحی شده اند که مدیریت رویدادها به صورت موثری عملی گردند و سپس خاتمه پذیری، هم ریزی و سازگاری آن ها مورد بررسی قرار گرفته است.

زمانبندی نقش مهمی در حوزه های متفاوت مهندسی از جمله مدیریت پروژه، محاسبات گرید، زمانبندی پرستار، کنترل خط تولید، تولید و توسعه ی نرم افزار و مهندسی ساخت و غیره دارد. یکی از مهم ترین مسائل زمانبندی که در سال های اخیر مورد توجه بسیاری از محققین قرار گرفته مساله زمانبندی پروژه با منابع محدود (rcpsp) است. این مساله شامل مجموعه ای از فعالیت ها، منابع، محدودیت ها و معیار کارایی است. هدف یافتن راهی برای تخصیص منابع به فعالیت ها است به طوری که معیار کارایی بهینه شود. در این پایان نامه یک روش ترکیبی برای حل rcpsp تک حالته با هدف کمینه کردن زمان تکمیل پروژه پیشنهاد کرده ایم. روش پیشنهادی ما از ترکیب الگوریتم ژنتیک و الگوریتم انبوه بهینه سازی ذرات (pso) استفاده می کند. در روش پیشنهادی راه حل های جدید با استفاده از ترکیب الگوی اصلاح شده ی حرکت ذرات در pso و عملگرهای کنترل اکتشاف و استخراج در الگوریتم ژنتیک تولید می شوند. افراد مبتنی بر لیست فعالیت توسعه یافته کدگذاری شده و با استفاده از طرح تولید زمانبندی ترتیبی یا موازی کدگشایی می شوند. برای افزایش بهبود کیفیت راه حل ها یک رویه ی fbi به کار گرفته شده است. همچنین برای افزایش بهبود تنوع جمعیتی یک رویه با نام idrp پیشنهاد شده است. روش پیشنهادی بر روی مجموعه داده های استاندارد موجود که به صورت رایگان در اینترنت موجود است (psplib) اجرا شده و با برخی از روش های موجود در مطالعات مقایسه شده است. نتایج به دست آمده حاکی از آن است، که روش پیشنهادی ما برای حل rcpsp یک راهکار موثر و مناسب را ارائه می کند.

پیشرفت فناوری های چندرسانه ای و اینترنت، استفاده از محیط های یادگیری الکترونیکی را به طور جدی تحت تاثیر قرار داده است. علی رغم اینکه حذف محدودیت های زمانی و مکانی محیط مناسبی را برای یادگیری کاربران اینترنت ایجاد کرده است، داشتن مخاطبین گوناگون ( اهداف، سطوح دانش، زمینه ها یا قابلیت های یادگیری متفاوت ) نیز طراحان سیستم های یادگیری را به خلق محیط های انعطاف پذیر و سازگار همراه با زمینه افزایش کارآیی یادگیرنده ناگزیر ساخته است. امروزه برنامه ریزان نظام آموزشی به دلایل گوناگون مانند مسائل اقتصادی، رقابت علمی، سیاسی، فرهنگی، افزایش جمعیت و سرعت تولید دانش و ... به دنبال تغییر روش های آموزش سنتی هستند. رویکرد به سمت سیستم های آموزش الکترونیکی گسترده، تعاملی و تطبیقی می باشد. معمولاً دانشگاه ها و مراکز آموزشی در پیاده سازی آموزش های الکترونیکی به صورت متمرکز عمل می کنند. مشکلات اساسی این روش عبارتند از هزینه بسیار زیاد پهنای باند شبکه جهت دسترسی به منابع آموزشی، ترافیک ارسال و دریافت بر خط داده ها، وابستگی داده ها به سرور مرکزی و عدم توجه به نیازها، توانایی و پیش زمینه فردی می باشد. در این پایان نامه طراحی و پیاده سازی شبکه یادگیری الکترونیکی تطبیقی بر اساس شبکه های توزیع شده به عنوان راه حل مناسب برای کاهش مشکلات مطرح می شود. در شبکه آموزشی پیشنهادی منابع سرویس دهنده و پهنای باند دسترسی توزیع می شوند، لذا سرعت دسترسی افزایش می یابد، هزینه ها کاهش می یابد و امنیت شبکه و اطلاعات آموزشی بالا می-رود. ضمناً محتوای الکترونیکی و مطالب درسی بر اساس تنظیم برنامه تحصیلی، نیازها و توانمندی یادگیرنده به صورت تطبیقی و شخصی شده در شبکه قابل دسترسی خواهد بود.

وب کاوی به عملیات کاوش و جستجو در دنیای عظیم وب به منظور یافتن اطلاعات و داده های خاص اطلاق می گردد. وب کاوی شاخه ای از داده کاوی بوده و به داده کاوی در اصطلاح دانش کشف پایگاهداده گفته میشود. عملیات وب کاوی برای جستجوی دادههای مورد نظر باید به صورتی انجام گیرد که بهترین نتایج در کمترین زمان ممکن به کاربر ارائه گردد. با افزایش سریع اطلاعات در دنیای وب، نیاز به بهبود روش های سریع و مطمئن جهت انجام عملیات وب کاوی بیشتر احساس می شود. به دلیل کثرت اطلاعات موجود در دنیای وب کاربران همواره انتظار دارند که بهترین جواب هایی که مد نظر آن ها می باشد را در ابتدای نتایج یافت شده مشاهده نمایند. در بسیاری از موارد، صفحات وب یافت شده مغایر با خواسته ی کاربران می باشد به همین علت، ارائه ی روشی که نتایج ارائه شده به کاربر را بهبود دهد، انگیزه اصلی است که در این رساله مورد تحقیق قرار گرفته است.از مهمترین روش ها در این زمینه روش های خوشه بندی و رتبه بندی صفحات می باشد. الگوریتم های خوشه بندی، صفحات وب را طوری خوشه بندی می نمایند که صفحات مشابه از لحاظ محتوا و ساختار در خوشه های یکسانی قرار بگیرند سپس جستجو برای یافتن اطلاعات خاص در خوشه هایی صورت می گیرد که به خواسته ی کاربر نزدیک تر می باشد. الگوریتم های رتبه بندی نیز براساس میزان نزدیکی ساختار و یا محتوای صفحات وب، برای هر صفحه یک معیار عددی قابل اندازه گیری در نظر می گیرند و صفحات به ترتیب رتبه ی محاسبه شده به کاربر ارائه خواهند شد. از طرفی به دلیل این که محیط گسترده ی وب به وسیله ی ساختمان داده ی گراف نمایش داده می شود و عملا هنگام وب کاوی یک عمل جستجو در این نوع گراف ها صورت می پذیرد و به دلیل این که این نوع از گراف ها یعنی گراف های وب، گراف های بسیار بزرگی هستند، لذا عملیات وب کاوی دارای پیچیدگی زمانی بالایی خواهد بود تا جایی که عملیات کاوش اطلاعات در این نوع گراف ها به یک مساله ی چند جمله ای غیر قطعی-سخت تبدیل می گردد. تا کنون روش های مختلفی جهت خوشه بندی و رتبه بندی صفحات وب پیشنهاد شده است. همچنین روش هایی که از ترکیب این دو روش جهت وب کاوی استفاده می کنند نیز مورد بررسی قرار گرفته است که بیشتر مبتنی بر محتوا هستند. در روش پیشنهادی تمرکز اصلی بر روی ساختار بوده و علت آن، این است که ارتباطات موجود مابین صفحات وب حاوی اطاعات ارزشمندی هستنند که می توان از آن ها جهت بهبود عملیات وب کاوی بهره برد. در روش پیشنهادی ابتدا گراف وب بر اساس شباهت های ساختاری و طی دو مرحله خوشه بندی شده و سپس هر کدام از خوشه ها بر اساس میزان ارزشمندی امتیازدهی می گردد و سپس عمل رتبه بندی به تمامی صفحات موجود در خوشه ها اعمال شده و در نهایت امتیاز و یا رتبه ی نهایی یک صفحه ی وب حاصل ضرب این دو مقدار خواهد بود. در نهایت صفحات وب بر اساس میزان رتبه ی نهایی به کاربر ارائه خواهد شد. نتایج حاصل از مقایسه ی الگوریتم پیشنهادی (gcrm) با سایر روش ها، بیان گر عملکرد خوب این الگوریتم در یافتن صفحات با کیفیت و همچنین بهبود عملیات وب کاوی و رتبه بندی می باشد. ازآن جایی که میزان کیفیت، پارامتر و دغدغه اصلی در زمینه ی وب کاوی می باشد، لذا در الگوریتم gcrm تلاش اصلی بر روی افزایش کیفیت صفحات یافت شده می باشد که با توجه به نتایج به -دست آمده، روش پیشنهادی در این زمینه موفق عمل کرده و دلیل اصلی آن استفاده از اطلاعات مفید پیوند ها، هم در مرحله ی خوشه بندی و هم در مرحله ی رتبه بندی می باشد، چرا که صفحات وب به میزان کیفیت شان از الگوهای ساختاری مشابهی بهره می گیرند و هر صفحه ی وبی که اطلاعات مفیدی در یک زمینه داشته باشد، به طور معمول با سایر صفحات با کیفیت در ارتباط خواهد بود.

زمانبندی پروژه یکی از مهم ترین مسائل در زمینه ی مدیریت پروژه محسوب می شود. این مسأله شامل مجموعه ای از فعالیت ها، منابع، محدودیت ها و معیارهایی برای ارزیابی کارآیی می باشد. در این مسأله باید ترتیب فعالیت ها و تخصیص منابع به آن ها به گونه ای دقیق با هم هماهنگ شوند که عملکرد سیستمی که با استفاده از یک یا چند معیار مشخص می شود، بهینه شود. امروزه با توجه به کوتاه شدن چرخه ی حیات یک محصول، جهانی شدن بازار و کاهش میزان سود، پروژه های صنعتی باید با در نظر گرفتن زمان اجرای مشخص و محدودیت های منابع تحقق یابند. مدل واقعی تر این مسأله نیز هنگامی مطرح می شود که چند حالت اجرای مختلف برای هر یک از فعالیت ها تعریف شده و هر فعالیت بتواند در یکی از آن حالت ها اجرا شود. در این صورت هر حالت مشخص کننده ی یک گزینه برای ترکیب سطوح مختلف نیازمندی های منبع با مدت زمان اجرای مربوطه می باشد. این مسأله که زمانبندی پروژه با منابع محدود چند حالته نام دارد، باید به دنبال ارائه روشی برای تعیین ترتیب و حالت اجرای فعالیت ها باشد به گونه ای که ضمن ارضای محدودیت های موجود، زمان حاصل از اجرای پروژه به حداقل ممکن برسد. برای حل مسأله ی زمانبندی پروژه با منابع محدود چند حالته الگوریتم های مختلفی ارائه شده است که هر یک با در نظر گرفتن شرایط مختلف، سعی در یافتن جواب بهینه برای مسأله دارند. البته با توجه به ماهیت np-hard بودن مسأله، الگوریتم قطعی برای حل این مسأله در زمان چند جمله ای وجود ندارد، ولی با استفاده از روش های اکتشافی و فرااکتشافی می توان به جواب های نزدیک به بهینه برای این مسأله دست یافت. در این پایان نامه، روشی هوشمند برای حل مسأله ی زمانبندی پروژه با منابع محدود چند حالته ارائه شده است. این روش که edga نام دارد، با ترکیب الگوریتم ژنتیک و الگوریتم تخمین توزیع و بکارگیری قابلیت های هر یک از این الگوریتم ها، سعی در تولید جواب های مناسب برای مسأله دارد. در نهایت در این پایان نامه، کارآیی الگوریتم ارائه شده با سایر الگوریتم ها مقایسه شده و نقش عملگرهای ژنتیکی برای حل این مسأله مورد بررسی قرار می گیرد. نتایج ارزیابی نشان دهنده ی کارآیی نسبتاً بالای الگوریتم نسبت به روش های ارائه شده ی موجود می باشد.

در طراحی برنامه های کاربردی و الگوریتم های شبکه های حسگر بی سیمکاهش مصرف انرژی و افزایش طول عمر شبکه یک موضوع اساسی می باشد. خوشه بندیِ شبکه های حسگر نقش عمده ای بر مدیریت مناسب تر و مقیاس پذیری این شبکه ها دارد. الگوریتم های مسیریابی مبتنی بر خوشه بندی از طریق تقسیم حسگرهای همسایه به خوشه های مجزا و انتخاب سرخوشه های محلی برای ترکیب و ارسال اطلاعات هر خوشه به ایستگاه مبنا ، با کاهش افزونگی موجود در داده ها ، بهترین کارایی را از لحاظ افزایش طول عمر و حفظ پوشش شبکه ای در مقایسه با سایر الگوریتم های مسیریابی به دست می آورند. ما در این تحقیق یک الگوریتم مسیریابی خوشه بندی توزیع شده در شبکه های حسگر بی سیم ارائه خواهیم داد. در الگوریتم ارائه شده انتخاب سرخوشه ها و تشکیل خوشه ها بر اساس پارامترهای میزان انرژی باقی مانده ی هر حسگر، میانگین انرژی حسگرهایهر خوشه، تعداد همسایگان هر حسگر و فاصله هر حسگر تا ایستگاه مبناانجام می شود. پس از تشکیل خوشه ها، انتقال اطلاعات از سرخوشه ها به ایستگاه مبنابا ترکیبی از روش های تک گامی و چندگامی انجام شده است تا از مزایای هر دو روش استفاده شود. همچنین در این الگوریتم با ارائه یک روش جدید خوشه بندی مجدد ، ضمن نگهداری خوشه ها و کاهش سربار تبادل پیام تشکیلخوشه ها، مصرف انرژی شبکه به میزان قابل توجهی کاهش داده شده است. نتایج شبیه سازی نشان می دهد که الگوریتم ارائه شده طول عمر، مقیاس پذیری و میانگین مصرف انرژی شبکه را نسبت به الگوریتم های خوشه بندی که قبلاً ارائه شده به میزان قابل توجهی بهبود می دهد.

در سیستم های بلادرنگ بزرگ، به دلایلی مانند پیچیدگی سیستم، عدم درک کامل از سیستم، پایین آوردن نرخ خطاها و غیره، قبل از پیاده سازی سیستم، مدلهایی از این سیستم ها ایجاد میشود و صحت آنها با استفاده از روشهای مختلف درستی یابی سیستم، مورد بررسی قرار می گیرد. از روشهای موجود برای درستی یابی سیستم های بلادرنگ، می توان به روش های رسمی و ریاضی از جمله خودکارهای زمان دار برای مدل سازی و روش بررسی مدل برای عمل درستی یابی سیستم اشاره کرد. به دلیل اینکه متغیر زمان در سیستم های بلادرنگ، یک متغیر پیوسته و نامتناهی است، فضای حالت مربوط به مدل سیستم، نامتناهی می شود. به منظور بهبود عمل درستی یابی با روش بررسی مدل، مدلهای متناهی تر از سیستم های بلادرنگ با حفظ ویژگی های زمانی، براساس رابطه های هم ارزی و شبیه سازی دوتایی با انتزاع زمانی ایجاد می شود. از این روابط همچنین برای تصمیم گیری مسائل مربوط به سیستم های بلادرنگ نیز استفاده میشود. در این پایان نامه، دو نوآوری بر روی رابطه شبیه سازی دوتایی پیش ترتیبی براساس عملکرد زمان صورت گرفته است. ابتدا وجود رابطه مذکور برای سیستم های بلادرنگ همروند تصمیم گیری میشود. در نوآوری دوم، به جای مقایسه رابطه شبیه سازی دوتایی زمانی بین دو حالت از سیستم، این رابطه بر روی دو مسیر از گره های مورد نظر مقایسه میشود و مزایا و معایب آن بررسی میشود.

دراین تحقیق، یک پروتکل مسیریابی با استفاده ازشبکه¬های حسگر بی¬سیم درسیستم¬های زیستی ارائه می¬کنیم که برای مسیر¬یابی بسته¬ها از طریق شناسایی محیط، دمای گره¬های حسگر را مد نظر قرار می دهد. یکی از کاربردهای شبکه¬های حسگر بی¬سیم، در زمینه تحقیقات زیستی می باشد. درآینده نزدیک، شبکه¬‏های حسگر زیستی به طور گسترده در کاربرد¬های پزشکی مورد استفاده قرار می¬گیرند. حسگر¬های زیستی که در بافت زنده قرار می¬گیرند، متریک¬های پزشکی مورد نظر راجمع¬آوری کرده و آنها را بطور بی¬سیم، از طریق یک شبکه چند هاپه به سمت پایگاه اصلی ارسال می¬کنند. حسگر¬های فوق به خاطر ارتباط¬های بی¬سیم و مصرف انرژی در مدارات الکترونیکی گرما تولید می¬کنند. دمای بالای حسگر¬های داخل بافت زنده، برای مدت طولانی به سلول¬های بدن صدمه می¬رساند. در این راستا، پروتکلی بنام m2e2 پیشنهاد کرده¬ایم که با استفاده از استقرار ثابت نود¬های بی¬سیم در خانه و نود¬های متحرک در بدن با ترکیب دو محیط غیر همگن و با توجه به دمای گره¬های شبکه، مسیر ارسال بسته¬ها را انتخاب کند. نود¬های بدن با دریافت سیگنال خانه بهترین مسیر را جهت به حداقل رساندن انرژی مصرفی انتخاب می¬کنند. پروتکل پیشنهادی برای انتقال داده¬های حساس و اضطراری از ارتباط مستقیم و برای تحویل داده¬های نرمال از ارتباط گام به گام استفاده می¬کند. ولی اگر برخی گره¬های این مسیر دمای بالایی داشته باشند، پروتکل از مسیر فوق صرفنظرکرده و بسته را از مسیر دیگری که گره¬هایش دمای کمتری دارند، ارسال می¬کند.

نیاز روز افزون به آموزش، نبود امکانات اقتصادی، عدم دسترسی به مراکز آموزشی، یکنواختی و عدم تنوع در آموزش، کمبود فضای فیزیکی آموزش، محدودیت فاصله مکانی و کمبود اساتید مجرب از جمله دلایل پرداختن به آموزش الکترونیکی می باشد. آموزش الکترونیکیاز زمان پیدایش تا کنون پیشرفت های چشمگیریداشته است و در مسیر پیشرفت با مشکلات و کمبودهایی نیز روبرو بوده است از آن جمله می توان به موارد چون هزینه های بالای زیر ساخت های سخت افزاری و نرم افزاری، ارائه خدمات، نگهداری و پشتیبانیاشاره نمود. مدل محاسبات ابری یک مدل محاسباتی جدیدی می-باشد که با امکانات و سرویس هائی که در اختیار ما قرار می دهد بسیاری از مشکلات آموزش الکترونیکی سنتی را مرتفع می نماید.ایجاد یک سیستم یادگیری برخطبا هزینه کمتر، منعطف تر، ارائه خدمات بصورت دائمی و مستمر به کاربران با بکار گیری محاسبات ابری مقدور می باشد. در این پایان نامه، ابتدا یک مدل آموزش الکترونیکی مبتنی بر محاسبات ابری ارائه می گردد سپس با ارائه ی یک الگوریتم مبتنی بر الگوریتم رقابت استعماری، مناسب ترین سیستم آموزش الکترونیکی بر اساس ویژگی های مورد نیاز موسسه آموزشی انتخاب کرده و در اختیار موسسه قرار می گیرد. در نتیجه اجرای معماری پیشنهادی موسسات آموزشی هزینه کمتری را جهت زیر ساخت ابر پرداخت می-نمایند همچنین هزینه ی جهت خریداری و بروز رسانی نرم افزار پرداخت نمی نمایند. استفاده از محتوی آموزشی مشترک، تشکیل کلاس های مشترک، استفاده از اساتید مجرب، تشکیل سمینارها و کنفرانس ها و تشکیل گروه های تحقیقاتی مشترک از مزایای دیگر این مدل می باشد

با پیشرفت سیستم های هوشمند مدیریتی و کنترلی، استفاده از داده های دریافتی مربوط و منسجم سازی آنها جهت تصمیم گیری های سودمند، حائز اهمیت است. امروزه از این سیستم ها در محیط های پویا برای سرعت عمل و دقت بیشتر استفاده می گردد. چهارچوب تصمیم گیری ها در برخی از این سیستم ها براساس قوانین سیستم است و یکی از انواع قوانین مورد استفاده در محیط های پویا، قوانین ‎‎رویداد، شرایط، عملکرد eca(event condition action) ‎ است. گذر زمان و تغییر شرایط محیطی، از جمله عامل هایی هستند که موجب کاهش سودمندی این قوانین می گردند؛ زیرا در هر برهه زمانی درخواست ها و نیازهای کاربران از سیستم تغییر می یابد. همچنین به دلیل پویایی محیط و عدم اطلاع از نرخ رخ دادن شرایط جدید و ناشناخته مرتبط، نرخ تغییرات در قوانین مشخص نیست و می تواند کم یا زیاد باشد. از این رو جهت حفظ کارآیی مورد نظر سیستم، یک سیستم هوشمند یادگیری قوانین مورد نیاز است. در این رساله، برای اولین بار یادگیری هوشمند قوانین ‎‎‎eca‎‎‎ بررسی شده است و روشی نوین با اتکا به توسعه روش درخت فازی انعطاف پذیر ‎mflexdt‎با شبکه های عصبی برای به کارگیری در محیط های پویا ارائه خواهد شد که علاوه بر در نظر گرفتن شرایط عدم قطعیت، از بی توجهی و از بین رفتن داده ها (به دلیل عدم امکان ذخیره تمامی آن ها) در مراحل مختلف نیز جلوگیری می نماید. همچنین به دلیل حساسیت زمان، سرعت عمل و وجود داده های جریانی در محیط های پویا، یک مدل یادگیری سلسله مراتبی نیز مطرح می شود. در این رساله با در نظر گرفتن تجارت الکترونیک و مدیریت منابع در گرید به عنوان مسائل مورد مطالعه، کارآیی روش پیشنهادی با شبیه سازی مورد سنجش و ارزیابی قرار گرفته است.

شبکه های موردی سیار (manet)، گروهی از گره های سیار می باشند که بدون نیاز به داشتن زیرساخت های ثابت شبکه و یا مدیریت متمرکز، امکان برپایی سریع یک محیط ارتباطی را فراهم می کنند. این شبکه ها در آینده کاربران موبایل را قادر خواهند ساخت تا با استفاده از ارتباط بی سیم مستقیم موبایل به موبایل محتواهای مورد استفاده خود را به اشتراک گذاشته و توزیع نمایند. از آنجائیکه این نوع شبکه ها نیازمند استفاده از محیط های باز می باشند و از هیچ نوع روال صریحی برای کنترل عضویت گره ها بهره نمی برند، بنابراین انتخاب گره های مناسب برای تعاملات بین گره ها یک چالش بزرگ می باشد. گره ها همواره باید با همسایگان خود برای رسیدن به هدف تعامل داشته باشند، بنابراین این احتمال وجود دارد که برخی از گره های همسایه رفتاری خصمانه داشته باشند. دستگاه های موبایل منابع محدودی (از جمله: توان باتری، قدرت پردزاش و پهنای باند) دارند، در نتیجه نباید این منابع را برای محتواهای مشکل دار و بدخواهانه هدر داد. همچنین بررسی میزان قابلیت اعتماد گره ها نباید خود عاملی برای مصرف بیش از حد منابع دستگاه های موبایل باشد و باعث افزایش سربار محاسباتی و ترافیک شبکه گردد. طرح های پیشنهادی زیادی در مورد ارزیابی میزان اعتماد و انتخاب گره های مطمئن برای شبکه های موردی سیار وجود دارد. اکثر این مدل ها بر اساس انتخاب گره با بالاترین میزان اعتماد برای شرکت در تعاملات می باشند، که موجب می شود یک گره اغلب در تعاملات، بیشترین حضور را داشته باشد، در نتیجه منابع گره های عضو شبکه بصورت منصفانه مورد استفاده قرار نمی گیرد. مکانیزم ارزیابی میزان اعتماد بلادرنگ و انتخاب گره های احتمالی برای توزیع محتوا تا حدودی این مشکل را برطرف نموده است. در این مکانیزم بعد از اتمام یک تعامل گره شرکت کننده در تعامل یک پیغام حاوی نظر خود در مورد میزان اعتماد گره ارائه دهنده محتوا برای سایر گره های عضو شبکه ارسال می کند. مدل ذکر شده اگرچه این امکان را فراهم می کند که گره ها قبل از شروع یک تعامل از میزان اعتماد سایر گره ها اطلاع یابند، ولی ارسال بسته های حاوی نظر هر گره بعد از خاتمه تعامل برای سایر گره ها موجب افزایش ترافیک شبکه می گردد. همچنین به علت ذخیره نظرات سایر گره ها در هر گره عضو شبکه، مصرف حافظه گره ها نیز زیاد می باشد. در روش پیشنهادی این پایان نامه، مدل ارزیابی میزان اعتماد بلادرنگ به عنوان مدل پایه تحقیقات این پایان نامه با ادغام شدن با مدل خوشه بندی، بهبود داده شده است. به اینصورت که نظر یک گره بعد از اتمام یک تعامل فقط در گره سرخوشه ذخیره می گردد. با ارزیابی نتایج شبیه سازی روش این پایان نامه و مقایسه آن با مدل اصلی مشخص گردید که تغییرات صورت گرفته باعث کاهش ترافیک شبکه و مصرف حافظه گره ها و همچنین باعث بهبود دقت انتخاب گره های قابل اعتماد برای تعامل و ارتقاء بهبود کیفیت سرویس توزیع محتوا می گردد.

شبکه های حس گر-عمل گر بی سیم در کاربردهای مختلف مورد استفاده قرار گرفته اند. از معیارهای مهم کیفیت سرویس در شبکه های حس گر-عمل گر بی سیم، افزایش طول عمر شبکه است. فاصل ارتباطی طولانی بین حس گرها وچاهک در این نوع شبکه ها انرژی زیادی را مصرف می کند و طول عمر شبکه را کاهش می دهد. باتوجه به تعداد زیاد گره ها در محیط، مدیریت آن ها نیازمند مکانیزمی سلسه مراتبی است. برای این منظور از خوشه بندی گره ها برای مدیریت آن ها استفاده می شود. کاربرد موردنظر در این پایان نامه نظارت بر محیط و ردیابی مهاجم می باشد. هدف این پایان نامه ارائه یک الگوریتم توزیع شده برای خوشه بندی گره ها در شبکه است. سرخوشه وظیفه ی مدیریت سایر گره های یک خوشه را برای کاهش میزان انرژی مصرفی و تامین درجه پوشش حسی مورد نظر در شبکه دارد. در حالت عادی یعنی زمانی که هیچ مهاجمی در داخل خوشه وجود ندارد خوشه دارای درجه پوشش 1 خواهد بود. برای تامین درجه پوشش 1 درون خوشه و کاهش میزان مصرف انرژی می توان بعضی از گره ها را خاموش کرد. زمانی که ورود مهاجم به درون خوشه تشخیص داده شد، درجه پوشش خوشه به 3 افزایش داده خواهد شد تا اطلاعات دقیقی از موقعیت مهاجم جمع آوری شود. وظیفه مدیریت گره ها برای انجام این کار برعهده سرخوشه می باشد. وظیفه دیگری که سرخوشه در این پروژه دارد تامین پوشش حسی حداکثری توسط عمل گرها است. برای این منظور در ناحیه ای از خوشه که به هر دلیلی حس گری وجود ندارد از عمل گرها برای تامین پوشش حداکثری استفاده خواهد کرد. در فرایند تحقیق ابتدا پارامترهای سیستم مشخص شده و الگوریتم خوشه بندی توزیع شده برای تامین کیفیت سرویس های کاهش میزان انرژی مصرفی و تامین درجه پوشش حسی شبکه ارائه خواهد شد. در فاز بعدی با شبیه سازی صحت الگوریتم پیشنهادی بررسی و معیارهای بهبود یافته در الگوریتم مذکور با مقایسه روش های موجود مورد ارزیابی قرار می گیرد.

پیش بینی آینده دانشی است که در دهه های پایانی قرن حاضر ، پدید آمده است و برخلاف شیوه های سنتی ، تاحدود زیادی بر اصول علمی تکیه دارد. استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش بینی باشند .با توجه به اهمیت بالای آموزش عالی، چالش¬های موجود در این زمینه باعث شده که دست¬اندر کاران آموزش به دنبال روش¬هایی جهت شناسایی زودهنگام دانشجویان در معرض خطر و بهبود نرخ فارغ التحصیلی دانشجویان باشند. دراین پایان¬نامه به منظور بررسی عوامل موثر بر فارغ-التحصیلی دانشجویان از چهار مدل داده¬کاوی (شامل رگرسیون لجستیکی، درخت تصمیم، شبکه ی عصبی و مدل های جنگل تصادفی) استفاده شده است. سپس با بررسی کارکرد مدلها، در حوزه داد¬ه¬های مرتبط با پیش بینی فارغ¬التحصیلی، به انداز¬هگیری خطاهای پیش بینی این چهار روش پرداخته شده است. در حالت کلی مقایسه ها در دو حالت انجام شده است، در حالت اول هرکدام از روش ها بدون استفاده از نمونه برداری پیاده سازی شده و در حالت دوم با استفاده از نمونه برداری عمل شده است. با توجه به نتایج به دست آمده و علم به اینکه پارامتر دقت کلی مدل، مهمترین پارامتر برای ارزیابی این روش ها است، روش رگرسیون لجستیک در هر دو حالت دارای بالاترین دقت بود و گزینه مناسب برای پیش بینی فارغ التحصیلی دانشجویان می باشد. مدل رگرسیون لجستیک در رابطه با مجموعه داده ی دانشگاه نشان داد که gpa (معدل نمرات) ترم اول و دیپلم مهم ترین متغیرها هستند. بر اساس یافته های این مطالعه، موسسات می¬توانند از اطلاعات تحصیلی بخصوص داده¬های نیمسال اول در ایجاد مدل¬های داده¬کاوی استفاده کنند تا متغییرهای معنی داری را برای پیش¬بینی فارغ¬التحصیلی دانشجویان بیابند. نتایج برگرفته از تحلیل¬های داده¬کاوی در توسعه¬ی برنامه¬های مداخله¬ای برای کمک به موفقیت دانشجویان در دانشگاه¬ها قابل استفاده هستند. روش تحقیق بکار گرفته شده در این مقاله شیوه مقایسه بوده است.

جمع¬آوری داده یکی از کارهای اساسی در شبکه¬های حسگر بی-سیم است که هدف آن جمع¬آوری داده از گره¬های حسگر برای پردازش و تحلیل بیشتر در ایستگاه مرکزی است. به طور معمول از چاهک ثابت برای جمع¬آوری داده¬ها از شبکه استفاده می¬شود اما امروزه چاهک سیار به خاطر مزایای فراوانی که نسبت به چاهک ثابت دارد جایگاه ویژه¬ای در شبکه¬های حسگر بی¬سیم پیدا کرده است تحقیقات اخیر نشان داده است که استفاده از چاهک سیار تاثیر به سزایی هم در مصرف انرژی و به طبع آن افزایش طول عمر شبکه که از اهداف اصلی شبکه¬های حسگر بی¬سیم است را دارد. جمع¬آوری داده با استفاده از چاهک سیار سبب کاهش مقدار داده انتقالی مابین گره¬های ایستا می¬شود و انرژی این گره¬ها را نگه می¬دارد و بنابراین طول عمر شبکه نیز افزایش پیدا می¬کند. ما در این پایان نامه سعی کردیم تا با تلفیق یک الگوریتم مسیریابی مبتنی بر خوشه¬بندی پویا و متمرکز با رویکرد امکان و نیز متحرک¬سازی چاهک، مصرف انرژی را به حداقل رسانده و در نتیجه طول عمر شبکه را افزایش دهیم.

کاوش متن پردازشی است که برای پیدا کردن و بهبود اطلاعات از متن به کار می رود. با کاوش می توان اجرای جستجوها را با توجه به ارتباط یادگیری ماشین و بازیابی اطلاعات بهبود بخشید. برای مثال دسته بندی موضوعی اخبار، یکی از حیطه های تمرکز محققان برای استخراج داده های مهم از محیط های داده ای بزرگ است. به دلیل بالا رفتن محتوی ایجاد شده کاربران روی اینترنت، انواع متن های مختلفی با جذابیت بالا ایجاد شده اند که نیاز است از میان حجم عظیم داده ها, اطلاعات مورد نیاز استخراج گردد. برای این منظور نیاز به دسته بندی اسناد وجود دارد. در این تحقیق به استخراج اطلاعات از اسناد کوتاه که حاوی تعداد کمی کلمه هستند پرداخته شده است. بنابراین دانستن میزان اهمیت کلمات در داخل اسناد ضروری است که این کار از طریق استخراج کلمات کلیدی به وسیله تمرکز بر روی وزن دهی به روابط صورت گرفته است. وقتی از اسناد کوتاه استفاده می شود بزرگترین چالش در وزن دهی روابط این است که کلمات کلیدی در یک سند اغلب فقط یکبار تکرار می شوند که این کار را دشوار می سازد. در این تحقیق روش هایی برای وزن دهی کلمات ارائه کرده و بر اساس وزن های ارائه شده، اسناد ارزیابی می گردند. ارزیابی اسناد در سه مرحله صورت میگیرد: 1) دسته بندی اسناد 2) استخراج کلمات کلیدی برای تشخیص کلمات خیلی مهم از یک سند و 3) مدل سازی کلمات کلیدی وابسته به هم با هدف شناسایی لینک های مابین کلمات کلیدی و استفاده از آنها برای گسترش پرس وجوها. الگوریتمی که ارائه شده است با استفاده از روش k-means به دسته بندی اسناد می پردازد. بعد از انجام آزمایشات و بررسی های انجام شده نتایج حاصل شده است و مقایسه نتایج با دیگر روش های موجود نشان از برتری الگوریتم ارائه شده دارد.

امروزه سیستم های کامپیوتری و نرم افزارهای مربوطه بطور وسیعی در رشته های گوناگون مورد استفاده قرار می گیرند. طیف وسیعی از شرکت ها و اشخاص در زمینه ی طراحی و تولید نرم افزارها و سیستم های کامپیوتری به فعالیت مشغول هستند. در حال حاضر به دلیل عدم آگاهی اکثر تولیدکنندگان نرم افزار از قدرت تکنیک های مهندسی معکوس، تولیدات و حقوق مالکیت آن ها بر نرم افزار و داده های ارزشمند، مورد تعرض قرار می گیرد که این امر لطمه های جبران ناپذیری را به آن ها وارد می کند. برای جلوگیری از تهدیدات، تحقیقات گسترده ای برای توسعه ی تکنیک های محافظت از نرم افزار صورت گرفته است. با توجه به اینکه این تحقیقات در این حوزه به دلیل حساسیت، محرمانه بوده و در اختیار همگان قرار نمی گیرند، لذا دانش فنی در این زمینه بسیار محدود می باشد. در این پایان نامه، ابتدا ساختار pe فایل های اجرایی در ویندوزهای ?? و ?? بیتی مورد بررسی قرار گرفته است. سپس نحوه ی خارج کردن کد مورد نظر از یک برنامه بررسی و انجام شده است. در ادامه نحوه ی تزریق کد استخراج شده به یک برنامه ی منبع تشریح و انجام شده. در نهایت از تکنیک های ذکر شده برای محافظت و رمزنگاری ایستا و پویای فایل های اجرایی با ساختار pe استفاده شده است.

چکیده: شبکه خودرویی موردی (vanet) یک شبکه ارتباطی است که خودروهای هوشمند را به یکدیگر و یا منابع ثابت و سیار در کنار جاده متصل می‏کند و به سازماندهی آنها می پردازد. یک شبکه خودرویی متشکل از وسیله های خودرویی و زیرساخت های شبکه است.شبکه های خودرویی موردی نوع خاصی از شبکه های سیار موردی (manet) است که مشخصه اصلی آنها سرعت بالای گره‏ها در آن می باشد. حفظ پایداری در این قبیل شبکه ها از اهمیت زیادی برخوردار است. در واقع سرعت زیاد گره‏ها پایداری توپولوژی شبکه را کاهش داده و باعث افزایش شکست لینک می شود. ارتباطات بین خودروها یک زمینه بسیار مهم در مطالعات سیستم های حمل و نقل است. پروتکل های مسیریابی در شبکه های خودرویی نیاز به این دارند تا معیارها و پارامترهای لازم در این شبکه ها نظیر سرعت حرکت گره‏ها، جهت حرکت گره‏ها و غیره را در نظر بگیرند. پروتکل های مسیریابی در این شبکه ها به طور کلی به پنج دسته مبتنی بر توپولوژی، مبتنی بر خوشه بندی، مبتنی بر مکان، مبتنی بر همه پخشی و مبتنی بر جغرافیا تقسیم می-شوند. همچنین از یک دیدگاه دیگر پروتکل های مسیریابی در این شبکه ها به دو دسته v2v و v2i تقسیم می شوند. طراحی یک پروتکل مسیریابی در شبکه های خودرویی متفاوت از شبکه های سیار موردی و شبکه های سنسور می باشد. تحرک بالای گره‏ها و همچنین از بین رفتن سریع مسیرها و لینک ها، ایجاب می کند تا پروتکل های مسیریابی خود را با شرایط و الزامات این شبکه ها تطبیق دهند.کارهای قبلی به دلیل در نظر نگرفتن پارامتری مثل سرعت حرکت گره‏ها که نقش زیادی در از بین رفتن مسیر دارد، عملکرد مناسبی ندارند. همچنین بعضی کارها از روش های حریصانه بر اساس فاصله جغرافیایی استفاده کرده اند که این روش چون بهینه محلی را انتخاب می کند ممکن است عملکرد مناسبی در برخی شرایط شبکه نداشته باشد. در این پایان نامه یک طرح مسیریابی مبتنی بر خوشه بندی در شبکه های موردی خودرویی مبتنی بر پروتکل olsr تغییر یافته ارائه می شود. طرح پیشنهادی ما برای فرآیند مسیریابی در این شبکه ها، ترکیبی از الگوریتم زنبورهای عسل و استفاده از تکنیک خوشه بندی است. در این پروتکل از قدرت بهینه سازی الگوریتم کلونی زنبور عسل (abc)، در اکتشاف بهترین مسیرها در شبکه در کنار پارامترهای کیفیت سرویس استفاده شده است. نتایج شبیه سازی نشان می دهد پروتکل پیشنهادی عملکرد بهتری تحت سناریوهای شبیه سازی نسبت به پروتکل olsr سنتی دارد