هدف از مطالعه حاضر بهینه سازی حجم تمرین مقامتی جهت بهبود استقامت عضلانی به کمک شبکه های عصبی مصنوعی بود. برای این منظور ترکیب متنوعی از ست ها و تکرار ها در نظر گرفته شد. از بین دانشجویان دختر که در حال گذراندن واحد تربیت بدنی عمومی بودند، تعداد 99 دانشجو (سن40/1±43/20 سال، قد 63/5±53/161سانتی متر، و وزن 82/10±85/56 کیلوگرم) به صورت نمونه در دسترس انتخاب شده و به روش تصادفی به هشت گروه تمرینی ( 10×1 تکرار بیشینه، 15×1 تکرار بیشینه، 25×1 تکرار بیشینه، 10×2 تکرار-بیشینه، 15×2 تکرار بیشینه، 20×2 تکرار بیشینه، 15×3 تکرار بیشینه و 25×3 تکرار بیشینه) تقسم شدند. چهار گروه دیگر از ست ها و تکرار های در نظر گرفته شده (20×1 تکرار بیشینه، 25×2 تکرار بیشینه، 10×3 تکرار-بیشینه و 20×3 تکرار بیشینه) به کمک شبکه های عصبی مصنوعی پیش بینی شدند. آزمودنی ها در هر گروه تمرینی شش هفته، دو جلسه در هفته 4 حرکت تمرینی با دستگاه را انجام دادند. قبل از شروع و پس از پایان دوره تمرینی، استقامت عضلانی آزمودنی ها در حرکات باز کردن زانو و پایین کشیدن جانبی، وزن بدون چربی، درصد چربی و حداکثر اکسیژن مصرفی آزمودنی ها با استفاده از تست پله "کچ- مک آردل" اندازه گیری شد. داده های حاصل از گروه های تجربی به شبکه عصبی مصنوعی طراحی شده، به صورت ورودی اعمال شد. نتیجه اینکه حجم تمرینی 3 ست با 25 تکرار برای افزایش استقامت عضلانی بالاتنه و کاهش درصد چربی بدن، حجم 3 ست با 15 تکرار برای استقامت عضلانی پایین تنه و حداکثر اکسیژن مصرفی، حجم تمرینی 2 ست با 10 تکرار برای افزایش توده بدون چربی و کاهش میزان خستگی بهترین عملکرد را نشان دادند. با توجه به یافته های تحقیق حاضر می توان گفت، برنامه تمرینی حجم بالا برای بهبود استقامت عضلانی بالاتنه و کاهش درصد چربی بدن، حجم متوسط برای بهبود استقامت عضلانی پایین تنه و بهبود حداکثر اکسیژن مصرفی و حجم پایین را برای افزایش توده بدون چربی و کاهش خستگی توصیه نمود.

مسائل مکانیابی یکی از مباحث بسیار مهم و کاربردی درحوزه مدیریت خدمات است. بسیاری از مراکز دولتی و غیردولتی برای انجام پروژه های اجرایی خود از علم مکانیابی استفاده می کنند. برای مثال ساختن یک بیمارستان و یا یک کارخانه در مرحله اول نیازمند تعیین مکان ساخت است. همچنین تعیین مسیر عبور شبکه فاضلاب شهری یا شبکه های حمل و نقل مانند مترو در زمره مسائل مکانیابی قرار می گیرند. در اینگونه مسائل هدف تعیین مسیری است که تا حد امکان کمترین فاصله ممکن را تا مشتری های موجود داشته باشد . مسائل مکانیابی شبکه در حقیقت مطالعه چگونگی قرار دادن یک و یا گاهی چند سرویس دهنده و یا مسیر عبور یک سرویس دهنده در یک شبکه است به گونه ای که مشتری های موجود را به بهترین شکل سرویس دهی کند. در این پایان نامه چهار نوع مسئله مکانیابی تحت عنوان مسائل مسیر میانه ،مسیر مرکزی، مسیر میانه مرکزی و مسیر میانه درختی را در یک شبکه با یال ها و رئوس وزن دار و غیر وزن دار بررسی می کنیم. در مسئله مسیر میانه هدف پیدا کردن کوتاهترین مسیری است که مجموع فاصله وزنی رئوس شبکه تا آن کمترین مقدار ممکن باشد. در مسئله مسیر مرکزی هدف پیدا کردن مسیری است که حداکثر فاصله مشتری ها از آن کمترین مقدار باشد. در مسئله مسیر میانه مرکزی هدف پیدا کردن محل بهینه یک مسیر با استفاده از ترکیب معیارهای بیشینه فاصله و میانگین فاصله مشتری ها از سرویس دهنده است. در مسئله مسیر میانه درختی هدف پیدا کردن زیر درختی با k برگ و طول حداکثر l است طوری که مجموع فاصله وزنی رئوس شبکه تا آن کمترین مقدار باشد.

در تکنیک های وضوح برتر، با ترکیب اطلاعات مجموعه ای از تصاویر وضوح پایین و بکار بردن اطلاعات پیشین که از روی پیش فرض های بکار برده شده در مورد تصویر وضوح برتر تهیه شده، تصویر وضوح بالا تخمین زده می شود. در تکنیک های مبتنی بر تحلیل بیزی، این اطلاعات بوسیله ی مدل های احتمالی توصیف می شود؛ به این ترتیب که برای اطلاعات مربوط به تصاویر وضوح پایین از مدل درست نمایی، و برای اطلاعات پیشین از مدل پیشین بهره برده می شود. در تکنیک هایی که از مدل پیشین استفاده نمی کنند، مشکلاتی مثل برازش بیش از حد ، و حساسیت بالا به نویز وجود دارد. همچنین اگر مدل پیشین متناسب با مشخصات و ساختار تصویر وضوح برتر انتخاب نشود؛ علاوه بر این که کمکی در تخمین بهتر تصویر وضوح برتر نمی کند، می تواند تاثیر منفی روی فرآیند تخمین تصویر وضوح برتر بگذارد. مدل های پیشین معمول برمبنای پیش فرض هایی مثل تغییرات شدت روشنایی پیکسل ها با توزیعی مشخص(مثل توزیع گاوسی)، یا تغییر تدریجی شدت روشنایی پیکسل ها متناسب با کاربرد مورد نظر ساخته می شوند؛ متاسفانه این مدل ها برای تصاویری که از توزیع مشخصی پیروی نمی کنند، نمی توانند توصیف مناسبی باشند. در مدل mgm با بکار بردن اطلاعات مربوط به قطعه بندی تصویر به عنوان مدل مخفی، تصویر به صورت ترکیبی از نواحی همگن فرض شده که رابطه ای مارکوفی بین پیسکل های داخل نواحی وجود دارد؛ این نوع مدل سازی برای تصاویری که دارای نواحی همگن محدود هستند توصیف مناسبی ارائه می دهد. متاسفانه این مدل به نویزهای تصویر تخمین زده شده حساس می باشد؛ در این پایان نامه برای حل این مشکل، ارتباط بین پیکسل های داخل نواحی به صورت مارکوف های غیرهمگن در نظر گرفته شده است. همچنین مدل پاتس غیرمحلی که برای قطعه بندی تصاویر با نواحی غیر همگن بکار رفته، به عنوان مدل مخفی در این پایان نامه استفاده شده؛ همچنین برای تخمین تصویر از روی مدل بکار رفته، ترکیبی از mcmc و الگوریتم بهینه سازی رقابت استعماری فازی استفاده شده، که بر اساس آزمایشات صورت گرفته دارای کارایی مناسبی می باشد.

بسیاری از مسائل مهم فیزیکی و مکانیکی به معادلات دیفرانسیل کسری و معادلات انتگرال منجر می شوند، ولی در عمل تعداد کمی از این معادلات را می توان به روش تحلیلی حل کرد وجواب دقیق آنها را به دست آورد. بنابراین از روشهای عددی برای محاسبه جواب تقریبی آنها استفاده می کنیم. دراین پایانامه، توابع هات و توابع تعمیم یافته هات را معرفی می کنیم. از توابع تعمیم یافته هات در حل معادلات دیفرانسیل کسری خطی و غیرخطی که مشتقات بکار رفته در آن ها از نوع کپوتو می باشد استفاده می کنیم. همچنین از توابع هات برای حل دستگاه معادلات انتگرال خطی و غیرخطی نوع دوم استفاده می کنیم. سرانجام در پایان فصل های دوم و سوم برای روشن شدن روش های گفته شده چند مثال عددی را حل می نمائیم.

در نظریه گراف منظور از برش، تقسیم رئوس گراف به دو زیرمجموعه ناتهی جدا از هم s و (v/s) می باشد.یالهای برش به یال هایی گویند که بین این دو زیر مجموعه آن باشند. در مسئله برش کمینه هدف یافتن این دو زیر مجموعه به نحوی است که ظرفیت یالهای برش کمینه شود. با توجه به برابری مقدار جریان بیشینه با برش کمینه در گراف , روشهای اصلی مواجهه با این مسئله به دو دسته روشهای مبتنی بر جریان در گراف و سایر روشها تقسیم می شوند. در این پایان نامه به بررسی روشهایی از هر دو دسته می پردازیم. روشهای به دست آوردن جریان بیشینه در گراف های عمومی به دو دسته کلی الگوریتم های مسیر افزایشی و الگوریتم های ارسال پیش جریان تقسیم می شوند. در فصل دو به بررسی روشهای مبتنی بر جریان می پردازیم که تعمیمی از اولین الگوریتم مسیر افزایشی ارائه شده توسط فورد و فولکرسون می باشند و تفاوت اصلی آنها در نحوه انتخاب مسیر افزایشی است. از جمله روشهای غیر مبتنی بر جریان بررسی شده در این پایان نامه الگوریتم استور واگنر, الگوریتم کارگر و روشهای فرا ابتکاری جستجوی ممنوعه و شبیه سازی تبریدی می باشند.

یکی ازمهمترین مسائل مکانیابی شبکه، مسئله پیدا کردن هسته است . دراین مساله هدف پیداکردن کوتاهترین مسیری است که مجموع فاصله وزنی رئوس شبکه ازآن کمترین مقدار ممکن باشد. درنتیجه با واقع کردن یکسرویسدهنده برروی آن دسترسی مشتری ها به سرویس دهنده تا حد امکان تسهیل می شود. درواقع برخلاف مسئله p-میانه که سرویس دهنده ها بر روی چند نقطه جدا از هم قرار می گیرند در مسئله هسته سرویس دهنده یک مجموعه پیوسته است که برروی یک مسیر قرار می گیرد. نوع دیگری از مسائل مکان یابی که به آن پرداخته شده است مساله مکان یابی میانه معکوس است که در آن مکان سرویس دهنده ها از پیش تعیین شده است وهدف تغییر وزن مشتری ها است بطوری که با صرف کمترین هزینه مکان های از پیش تعیین شده میانه باشند. مسئله هسته معکوس در واقع تعمیمی از مساله میانه معکوس است. دراین مساله مسیری جدید معرفی می شود و هدف تغییر وزن مشتری ها است به طوری که کمترین هزینه را داشته باشیم و مسیرجدیدبهینه باشد.?