در سال های اخیر، سرمایه گذاری هایی بر روی معماری سرویس گرا باعث تقویت بازده سرمایه گذاری ها در فناوری اطلاعات و در نتیجه، افزایش بالقوه صرفه جویی در هزینه ها، افزایش انعطاف پذیری کسب و کار و رشد درآمد شده است. در بسیاری از مواقع، یک سرویس وب منفرد به تنهایی نمی تواند نیاز های کاربران را برطرف کند و سرویس های وب مختلف برای رسیدن به هدف باید با یکدیگر ترکیب شوند. ترکیب سرویس های وب یک روش بدون نقص برای توسعه پروژه های نرم افزاری مبتنی بر قابلیت های بالقوه استفاده مجدد است. بنابراین، یک سیستم جدید را می توان به صورت نیمه خودکار و با بهره گیری از قابلیت های سرویس های وب برای سازمان ایجاد کرد. بیشتر رهیافت های پیشین، مسئله جستجو گراف در ترکیب سرویس های وب را عنوان کردند و الگوریتم های مبتنی بر حافظه به منظور پیدا کردن یک راه حل پیشنهاد دادند. به دلیل اینکه، اطلاعات زیادی باید در طول محاسبات ترکیب در حافظه قرار بگیرد، کارایی الگوریتم های مبتنی بر حافظه محدود به مقدار حافظه فیزیکی در دسترس است. در این پایان نامه، دو رهیافت نیمه خودکار برای ترکیب سرویس های وب ارائه می شود. در رهیافت پیشنهادی 1، از گراف برای ترکیب سرویس های وب استفاده می شود و گراف به پایگاه داده نگاشت می شود. سپس، ترکیب سرویس های وب با استفاده از الگوریتم های جستجوی ترکیب سرویس پیشنهادی به دست می آید. در ادامه، ترکیب سرویس های وب به نمودار فعالیتuml مدل می شود و به کد زبان اجرایی فرآیند های حرفه تبدیل می گردد. در انتها، توسعه دهنده، برنامه کاربردی مرکب را ایجاد می کند. در رهیافت پیشنهادی 2، سرویس های وب به صورت شبکه های پتری شیء گرایی با نام g-nets مدل می شوند. در این رهیافت، سرویس های وب پس از آنکه به صورت g-nets مدل شدند در پایگاه داده ذخیره می شوند. سپس، سرویس های g-net به کار رفته در فرآیند ترکیب با استفاده از الگوریتم جستجوی پیشنهادی به دست می آیند. در انتها، ترکیب سرویس های وب بر مبنای جبر رابطه ای انجام می شود. رهیافت های پیشنهادی توسط مطالعه موردی دستیار دیجیتال کلاس شرح داده شد.

پیشرفت های اخ یر در رایانش ابری و داده های بزرگ، استفاده از کش را به یک عنصر کلیدی برای بهبود سرعت و کارایی پرس وجوهای پایگاه داده تبدیل کرده است. پس از پیدایش چالش برانگیز داده های بزرگ در طول سال های اخیر، پایگاه داده های nosql به عنوان یک مدل تکمیلی جهت غلبه بر محدودیت های مقیاس پذیری و دسترس پذیری موجود در پایگاه داده های رابطه ای ظهور پیدا کردند تا قدمی در راه تأمین نیازهای ذخیره سازی و بازیابی داده ها در بستر رایانش ابری و داده های بزرگ بردارند. اما این مدل داده ی جدید به تنهایی قادر به رفع مشکل این حجم بسیار بالای داده ها نیست، چرا که این داده ها باید از طریق شبکه بین سرویس دهنده و سرویس گیرنده مبادله شوند و این تبادل سنگین داده ها باعث افزایش سربار شبکه و سرورها و گاهی اوقات باعث به وجود آمدن گلوگاه می شود. بهینه سازی پرس وجو از جمله روش هایی است که برای کاهش داده های حجیم تبادل شده در شبکه به کار برده می شود. یکی از روش های بهینه سازی پرس وجو کش نام دارد که تا حدی می تواند برای غلبه بر این مشکل کمک کند. کش معنایی یک مدل تکامل یافته از کش است که از چند سال پیش برای پایگاه داده های رابطه ای به کار برده می شود. هدف اصلی این پایان نامه استفاده از ایده ی کش معنایی برای یک مدل داده ی غیررابطه ای و ستون محور است. کش معنایی حافظه در سطح فیلتر، داده های موجود در حافظه ی اصلی سیستم پایه را با داده هایی که از سیستم های پیرو جمع آوری می شوند ترکیب می کند تا پاسخ نهایی را تولید کند. بنابراین با کاهش ارتباطات کاربران با سیستم های پیرو کارایی سیستم ارتقا پیدا می کند. برای ارزیابی این روش از هم سنجی خدمات ابری یاهو استفاده شده است. شش کامپیوتر برای استقرار سیستم فایل توزیع شده ی هادوپ و پایگاه داده ی ستون محور hbase مورد استفاده قرار گرفته اند و در نهایت نشان داده می شود که چگونه این مدل جدید کش معنایی حافظه که توسط جاوا پیاده سازی شده است کارایی سیستم را در مقایسه با کش غیر معنایی حافظه بهبود می دهد.

امروزه تحلیل داده ها جهت رشد و بقای شرکت ها اهمیت فراوانی یافته است و ما هم اکنون شاهد وجود هوش تجاری در عرصه تجارت هستیم. در صنعت بازی های رایانه ای، تعداد زیادی از بازی های ویدئویی روانه بازار می شود و تولیدکننده ها تلاش می کنند که جایگاه بهتری را در میان بازیکنان و در میان بازار رقابت کسب کنند. همین امر انگیزه کافی را فراهم می کند که رفتار کاربران بازی ها را در محیط بازی بررسی و تحلیل کنیم. این تحلیل ها در حیطه ی بازی های تعریف می گردد و بازیکنان از نظر رفتار در بازی مورد بررسی قرار می گیرند که به مفهوم تجربه ی کاربر اشاره دارد. در حوزه ی تحلیل بازی ها، یکی از روش های موجود جمع آوری داده های رفتاری بازیکنان از راه دور است که این داده ها را، داده های دورسنجی بازی می نامند. داده های دورسنجی بازی در این پایان نامه از طریق بستر اینترنت و با استفاده از قرار دادن سیستم ارسال خودکار داده ها در بازی مورد آزمایش، جمع آوری شده است. باید توجه داشت که داده های دورسنجی بازی پس از انجام مراحلی به مقیاس های بازی تبدیل می گردند، مقیاس های بازی مقادیر کمی از خصوصیت یا شئی از بازی یا مربوط به آن هستند. در این پایان نامه به ارائه ی رهیافتی جهت تجزیه وتحلیل بازی های رایانه ای مبتنی بر داده های دورسنجی، اطلاعات آماری و داده کاوی پرداخته ایم و رهیافت پیشنهادی را بر روی یک بازی به نام قلعه ی گنج آزمایش کرده ایم. این این رهیافت با تمرکز بر داده های دورسنجی نحوه بازی شدن هر مرحله از بازی را به نمایش در می آورد و با ارائه ابزارهایی همچون نقشه حرارتی، نمودارها، تحلیل های آماری و امثال آن روند بازی بازیکنان را برای تولید کننده ها آشکار می سازد.

ازآنجاکه شبکه های حسگر بی سیم چندرسانه ای، کاربردهای وسیعی در خصوص نظارت های محیطی دارند و کلیه عملیات محاسباتی، ضبط تصاویر، تشخیص سوژه های متحرک (پیش زمینه) در منطقه تحت نظارت و مخابره تصاویر دریافتی به ایستگاه های پایه توسط گره های حسگر بی سیم و از طریق منابع محدود انرژی صورت می پذیرند، ازاین رو به کارگیری و بهره وری منابع (حافظه و انرژی) هنگام پردازش و مخابره تصاویر بسیار حائز اهمیت خواهد بود. روش استخراج پس زمینه ارائه شده در این پایان نامه، میزان تأثیرپذیری توصیفگران ثابت های رنگی در بخش بندی اشیاء پیش زمینه و نیز اولویت دهی و حذف بلاک های کم ارزش فریم ورودی را جهت کاهش هزینه های محاسباتی فرآیند حذف و استخراج پس زمینه مورداستفاده قرار می دهد. نتایج حاصل از پیاده سازی، عملکرد روش پیشنهادی را از دو جنبه، دقت شناسایی و پهنای باند اختصاص یافته به مسیر انتقال، مورد ارزیابی قرار می دهد و نشان می دهد که روش پیشنهادی تشخیص اشیاء متحرک مناظر و صحنه های پویا، عملکرد زمان اجرای مناسبی در مقایسه با دیگر روشهای موجود دارد.

یکی از کاربرد های جدید شبکه ی جهانی اینترنت، به اشتراک گذاری خدمات مختلف برای مشتریان است، به عنوان مثال ارائه سرویس هایی مانند فروش و رزرو بلیط هواپیما، هتل و تور که امروزه توسط سازمان ها به مشتریان ارائه می شوند. بسیاری از خدمات به علت پیچیدگی زیاد باید توسط ترکیبی از وب سرویس ها انجام شوند. باتوجه به افزایش تعداد سرویسهایی که عملکرد یکسانی ارائه می دهند، انتخاب وب سرویسهای مناسب برای انجام یک مجموعه فعالیت (جریان کار)، تبدیل به امری مشکل و چالش برانگیز شده است، لذا باید معیارهایی برای انتخاب وب سرویسهای مشابه وجود داشته باشد. در حال حاضر، ویژگی های کیفی وب سرویس، معیار مهمی در انتخاب آنها برای انجام یک کار هستند. بنابراین وجود یک روش مکانیزه و موثر که قادر به انتخاب ترکیب مناسب از میان ترکیب های مختلف سرویسها باشد و بتواند نیاز های مورد نظر کاربر را فراهم نماید، ضروری به نظر می رسد. یکی از امتیازاتی که الگوریتم های هوشمند مانند الگوریتم ژنتیک، تجمع ذرات و غیره دارا هستند خاصیت تصادفی بودن آنهاست، در صورتی که طرح ترکیبی در بهینه ی محلی گرفتار شده باشد، این روش تا اندازه ی زیادی می تواند مشکل مورد نظر را حل کند. از جهتی، اگر طرح ترکیبی به جواب مورد نظر بسیار نزدیک شود، ممکن است بر اثر خاصیت تصادفی بودن الگوریتم، از طرح ترکیبی مورد نظر کاربر دور شود، لذا باید به نحوی این مشکل را حل نمود. در این پایان نامه دو تابع به الگوریتم تجمع ذرات اضافه گردید که یکی از توابع مقدار ضریب اینرسی را تغییر می دهد و تابع دیگر نیز ذرات را به نحوی جایگزین می کند که احتمال بهبود ویژگی های تامین نشده افزایش بیابد. در شبیه سازی های انجام گرفته زمان اجرای الگوریتم بهبود یافته به طور تقریبی70% نسبت به الگوریتم تجمع ذرات معمولی و 48% نسبت به الگوریتم ژنتیک بهبود یافته است.