در این پروژه الگوریتم جدیدی با پارامترهای شاخص در محیط گرید با زمان بندی ایستا ارائه خواهیم نمود، که این الگوریتم پیشنهادی با قابلیت کارآمدی بیشتری نسبت به الگوریتم های قبلی مطالعه موردی قرار گرفته است. الگوریتم جدیدrqsg با در نظر گرفتن پارامترهای شاخص توانسته است بهره وری را نسبت به الگوریتم قبلی افزایش داده و با استفاده از آن روش تکنیکی جدیدی را ارائه نمودیم تا با ایجاد اولویت بندی کارهای وابسته توسط الگوریتم rqsg پیمایش زمان بندی پردازش ها را بهبود بخشیم، روش ارائه شده که با ادغام نمودن هزینه ارتباطی و تابع صلاحیت ایجاد شده که توسط الگوریتم پیشنهادی نسبت به الگوریتم های مورد مطالعه بهینه شده است. در این حالت انتخاب بهترین کار توسط الگوریتم rqsg مورد استفاده قرار می گیرد تا با انتخاب آن در اجرای کارهای وابسته که با الگوریتم های قبلی مورد استفاده قرار نگرفته است به عنوان روش مناسبی برای حل مسئله ایجاد شده باشد. با روش تکنیکی الگوریتمی برای انتخاب بهینه منابع پردازشی ارائه خواهیم نمود. که با استفاده از این الگوریتم اولویت بندی کارهای وابسته و با شبیه سازی های متعددی که صورت گرفته است نسبت به الگوریتم های قبلی قابلیت اطمینان و اتکا پذیری آن افزایش یافته، و زمان تاییدیه منبع پردازش نهایی را با بهینه ترین حالت انتخاب شده به طرز قابل توجه کاهش داده و در نهایت کیفیت سرویس را برای استفاده از کارها در منبع پردازشی افزایش داده و بهترین حالت انتخاب مسیر بهینه در پارامترهای شاخص در محیط گرید ایجاد شده است.

سیستمهای محاسباتی توزیع شده ناهمگون مجموعه ای از میلیون ها نود محاسباتی توزیع شده با معماری شبکه ای مستقل به منظور افزایش توان عملیاتی منابع محاسباتی می باشند. محاسبات ابری، نمودی ست از این نوع سیستمها، با تمرکز بر اهداف متعددی همچون استفاده از مجازی سازی جهت سرویس دهی درخواست ها در سطحی وسیع. در این محیط، درخواست های ورودی به سیستم متشکل از وظایف وابسته می باشند و انتخاب مناسب نحوه زمان بندی این وظایف، یا به تعبیری اختصاص صحیح منابع به درخواست ها، تاثیر بسزایی در بهبود کیفیت پاسخ دهی و کارایی سیستم دارد. دلایل متعددی از جمله، ناهمگون بودن و پویایی خصوصیات منابع و درخواست ها موجب گردیده که این موضوع در حوزه مسایل np-complete قرار گیرد. این نگارش علاوه بر کاوش در خصوصیات سیستم های محاسبات ابری و مساله زمان بندی در آن ها، یک راهکرد مکاشفه ای ترکیبی بمنظور یافتن راه حل مناسب جهت نگاشت وظایف به منابع در دسترس سیستم، با توجه به شرایط محیط فوق الذکر را ارایه می دهد. در روش ارایه شده بر اساس الگوریتم ژنتیک، سعی در دستیابی سریعتر به پاسخ، با ایجاد یک جمعیت اولیه بهینه و همچنین کنترل روند اجرای عملیات مختلف موجود در الگوریتم می گردد. تمرکز الگوریتم ارایه شده، در بکارگیری تکنیک ها و پارامترهای مناسب در هر مرحله، بمنظور کاهش زمان اجرای کل درخواست ها و افزایش قابلیت اعتماد در زمان اجرا با توجه به مناسب بودن میزان توزیع بار در منابع، می باشد. مقایسه ی راهکرد پیشنهادی با سایر روش های مورد مطالعه نتایج بهتری را نشان می دهد.

در طراحی برنامه های کاربردی و الگوریتم های شبکه های حسگر بی سیم کاهش مصرف انرژی و افزایش طول عمر شبکه یک موضوع اساسی می باشد. خوشه بندی یکی از روشهای موثر در مصرف انرژی بوسیله سرخوشه در این شبکه ها می باشد. خوشه بندی 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. از اینرو سرخوشه (ch) با پردازش و جمع آوری داده های ارسال شده بوسیله اعضای خوشه، ترافیک شبکه را برای ارسال داده ها به سینک کاهش میدهد. در این تحقیق یک الگوریتم مسیریابی بهینه برای کاهش مصرف انرژی در شبکه های حسگر بیسیم دوبعدی بوسیله تقسیم بندی شبکه به خوشه ها ارائه شده است. در الگوریتم ارائه شده انتخاب سرخوشه بر اساس مقدار آستانه انرژی خوشه و فاصله تا مرکز ثقل، صورت میپذیرد، در حقیقت گرهی که بهترین شرایط را بر اساس این پارامترها دارد به عنوان گره سرخوشه در راند جاری محاسبه میگردد، پس از تشکیل خوشه ها، انتقال اطلاعات از سرخوشه ها به ایستگاه مبنا با استفاده از روش های تک گامی انجام میشود. همچنین الگوریتم ارائه شده با استفاده از تکنیک انتخاب سرخوشه برای راندهای بعدی در راند انتخاب سرخوشه ها باعث کاهش حجم پیغامهای کنترلی برای راندهای بعدی شده و گرهها را برای ارسال داده به ch ها در راند مربوطه آگاه میکند. الگوریتم ارائه شده بوسیله انتخاب ch در خوشه و ارسال دادههای خوشه به سینک بوسیله این ch ها، باعث افزایش طول عمر شبکه و کاهش مصرف انرژی در شبکه میشود.

در این تحقیق الگوریتم plane sweep اصلاح شده (ipnwpsr)، ارائه شده است. در الگوریتم پیشنهادی با استفاده از پارامترهای موثر روشی را ارائه دادیم که تعداد کلمات تکراری پشت¬سرهم در سند را شناسایی کرده و همچنین با حذف بازه¬های غیرمفید در جستجو، تعداد مقایسه¬ها را کاهش داده و سرعت الگوریتم را افزایش می¬دهد. در الگوریتم فوق ارتباط میان پرسش و سند براساس فهرستی از آفست¬های کلمه کلیدی مورد جستجو است. در این رهیافت، راهکاری برای کاهش تعداد مقایسه¬ها با استفاده از شمارنده برای داده¬های تکراری پشت سرهم در جستجو ارائه شده است که باعث شده پیچیدگی زمانی الگوریتم پایه کاهش یابد و در عین حال الگوریتم قابل اعتماد و پایدار بوده و به طور کلی الگوریتمی کارا و بهینه به خصوص در حجم داده بالا خواهیم داشت.

از آن جایی که شبکه های رله 802.16j مسیرهای چندگامه بین ایستگاه پایه و ایستگاه های سیار دارند، لذا مسائل مرتبط با مسیریابی و مدیریت مسیر به وجود می آیند. توابع مسیریابی و مدیریت مسیر، مسیرهای چندگامه بین ایستگاه پایه و ایستگاه های سیار را مدیریت و اداره می کنند. مسیریابی بر اساس ساختار درختی است که ریشه ایستگاه پایه و ایستگاه های سیار برگ هستند. اگرچه مسیریابی مبتنی بر درخت است اما می توان تصمیماتی در مورد اینکه کدام ایستگاه های رله با کدام ایستگاه های سیار مرتبط باشند اتخاذ نمود. در خصوص مسأله مسیریابی، راهکارهای گوناگونی بر اساس روش های حریصانه ، مکاشفه ای و سایر روش ها ارایه شده است، که اغلب معیارهایی همچون، انرژی، ترافیک و مسافت را در نظر نمی گیرند. هدف این رهیافت تمرکز بر روی مسأله مسیریابی و یافتن الگوریتمی است که بتواند میزان انرژی مصرفی کل شبکه را تا حد امکان، با در نظر گرفتن نکات و ویژگی های مهم شبکه های رله بی سیم، کاهش دهد. سوالات اصلی مورد نظر در بحث در چهارچوب زیر می گنجد: 1- آیا می توان یک الگوریتم مسیریابی در شبکه های رله بی سیم ارایه نمود، به گونه ای که میزان انرژی مصرفی و همچنین محدودیت گام ها، کاهش یابد؟ 2- تابع صلاحیت را چگونه می بایست تنظیم نمود، تا پارامترهای حساس تر در مسیریابی دخالت نمایند؟ 3- چگونه می توان روند یافتن پاسخ توسط الگوریتم کولونی زنبور را در خصوص مسأله مسیریابی بهبود داد؟ با توجه به راهکارهای ارایه شده، و در نظر گرفتن خصوصیات شبکه های رله بی سیم، قصد بر ارایه الگوریتمی جهت مسیریابی درخواست ها، با ویژگی های زیر می باشد : ? یافتن راه حلی جهت مسیریابی درخواست ها به قصد کاهش میزان انرژی مصرفی نودها. ? ارایه الگوریتم مسیریابی جهت یافتن راه حل، که کارآمدتر از الگوریتم های مورد مطالعه دیگر باشد. ? در نظر گرفتن ترافیک و مسافت در منابع جهت افزایش بهره وری منابع در سیستم. اهم شرایط مورد نظر در محیط آزمایش به صورت زیر است: • تعداد نودهای کلاینت نسبت به نودهای رله بیشتر می باشد. • نودها به صورت تصادفی در محیط مستقر شده اند. • خصوصیات سخت افزاری و نرم افزاری نودها متفاوت می باشند، در واقع نودها ناهمگون هستند. هدف اصلی: به دلیل اهمیت مسأله مسیریابی، و تأثیر آن در کارایی سیستم، بر آنیم تا الگوریتمی ارایه دهیم که با در نظر گرفتن پارامترهای مهم در مسیریابی، راه حلی مناسب برای پیدا نمودن مسیر بهینه یافت شود. اهداف فرعی: • تأثیر در کاهش انرژی مصرفی در نودها • افزایش کارایی سیستم در پاسخگویی به درخواست های کاربران • بهره وری موثر منابع • افزایش رضایتمندی کاربران

پیشرفت تکنولوژی در حوزه ی ارتباطات و افزایش ضریب نفوذ اینترنت میان کاربران باعث ایجاد بستری عظیم از اطلاعات شده است که زندگی روزمره ی انسانها را توصیف می کند. یکی از بسترهای ارتباطی فعال برای تحقق این توصیفات، بلاگستان است که در آن کاربران به واسطه منتشر کردن مطالب خود با دیگران به تبادل نظر می پردازند و در مدتی نه چندان طولانی اجتماعی را تشکیل می دهند که در پی رخدادهای واقعی از خود عکس العمل نشان داده و باعث تشدید احساسات این مجموعه از کاربران می شود. این رفتار در صورت تحلیل می تواند نشانگر مسیر گرایش جامعه بوده و با کمّی کردن پارامترهایی که این جامعه و رفتار را توصیف می کنند می توان به پیش بینی رفتار آتی آن نیز پرداخت. الگوریتم pso مبتنی بر رفتارهای موجودات در طبیعت، اساس مناسبی برای مدل کردن یک جامعه با این مشخصات است. با استفاده از این الگوریتم می توان گام های حرکت یک اجتماع از کاربران را دنبال کرده و با مدل کردن فرآیند حرکت، به پیش بینی جهت حرکت پرداخت. این پژوهش با ارائه ی مدلی برای پردازش داده های این اجتماع از کاربران، مبتنی بر الگوریتم pso، راه حلی برای پردازش این داده ها در دنیای واقعی ارائه می دهد که بتواند با افزایش حجم داده مقیاس پذیری لازم را داشته باشد و در عین حال کارایی و دقت مورد نیاز را نیز ارائه دهد. دقت و کارایی این مدل با آزمون استاندارد کای دو سنجیده شده و نشانگر بهبود کارایی نسبت به این آزمون آماری بوده است. این مدل با کشف کردن گرایش عمومی بلاگستان در زمان قابل قبول و دقت مناسب، شرایط را برای پیش بینی گرایش آتی بلاگستان فراهم می کند به نحوی که با الگوریتم های متداول یادگیری ماشین بتوان پیش بینی های مورد نیاز را انجام داد. دقت این پیش بینی ها از سناریو های واقعی مانند سیستم پیشنهاد دهنده ی netflix نتایج بهتری را کسب کرده است.

گسترش وب که فاقد یک ساختار یکپارچه است مشکلات متعددی را برای کاربران ایجاد می نماید. عدم یافتن اطلاعات مورد نیاز کاربران در این انباره ی عظیم یکی از مشکلات کاربران وب می باشد. به منظور مقابله با این مشکلات سیستم های شخصی سازی وب ارائه شده است که با یافتن الگوهای رفتاری کاربران بدون درخواست صریح آنها قادر هستند تا پیشنهاداتی مطابق با علایق کاربران به آنها ارائه دهند. در این میان تکنیک های وب کاوی مبتنی بر کاربرد به منظور کشف الگوهای رفتاری کاربران ارائه شده است که این تکنیک ها با بهره گیری از ثبت های وب سرورها به صورت ضمنی می توانند الگوهای رفتاری کاربران را استخراج کنند.

در این تحقیق الگوریتم خوشه بندی ژنتیک مبتنی بر مرکز خوشه ای ارائه شده است که با برخورداری از یک ساختار کروموزوم مناسب از ایجاد کروموزوم های غیرممکن جلوگیری نموده, سرعت عملگر های ترکیب و جهش را افزایش می دهد و تشخیص کروموزوم های غیرمجاز و تکراری را تسریع می بخشد. عملگرهای ترکیب و جهش این الگوریتم که کارآمدی آن ها با سایر عملگرهای ژنتیکی موجود مقایسه گردیده است، در عین حفظ گوناگونی ژنتیکی، هیوریستیک بوده و به افزایش میزان برازندگی نسل, کمک شایانی خواهند نمود و با استفاده توابع احتمال مناسب از انجام بیش ازاندازه جهش و ترکیب جلوگیری می نمایند. در این تحقیق مقایسه ای بین چند اندیس ارزیابی خوشه مشهور, از جنبه استفاده از آن ها به عنوان تابع برازندگی الگوریتم خوشه بندی ژنتیک مبتنی بر مرکز خوشه انجام شده و عملکرد آن ها در مواجهه با مجموعه داده های دارای ساختارهای کروی، غیر کروی و داده های خارج از محدوده مورد ارزیابی قرارگرفته و با توجه به آن یک تابع برازندگی کارآمد ارائه شده است. همچنین به اهمیت جمعیت اولیه و نحوه درج مجدد کروموزوم ها در الگوریتم توجه خاصی شده است تا همگرایی در عین حفظ گوناگونی ژنتیک و جلوگیری از دستیابی به راه حل های بهینه محلی، با سرعت بیشتری صورت پذیرد و زمان کمتری صرف ایجاد کروموزوم های فرزند گردد. به طورکلی، الگوریتم خوشه بندی ژنتیک مبتنی بر مرکز خوشه پیشنهادی، میزان خطای خوشه بندی را در مقایسه با الگوریتم خوشه بندی ژنتیک اولیه و الگوریتم کی مینز کاهش داده و قادر به تشخیص خوشه های غیر کروی بوده و از دستیابی به راه حل های بهینه محلی جلوگیری می نماید.