با افزایش تقاضا برای سرویس های پیشرفته، نیاز به شبکه های دسترسی باند پهن به سرعت در حال افزایش است. بیسیم های دسترسی بیسیم باند پهن مبتنی بر استاندارد ieee802.16 می توانند راه حل جایگزین به صرفه تر و موثری برای سیستم های سیمی، همچون سیستم های کواکسیال با مودم کابلی، خطوط اجاره ای دیجیتال dsl یا فیبرهای نوری باشند. این استاندارد 802.16، میتوان به سرعت اتصال های بیسیم قابل اطمینانی با سطح پوشش بسیار بیشتر از شعاع قابل دسترسی در لایه فیزیکی فراهم آورد. لایه mac مد مش استاندارد802.16، به منظور تضمین کیفیت سرویس در شبکه از تکنولوژی tdma استفاده می نماید. با این حال استاندارد 802.16 تنها مشخص کرده است که ارسال ها باید چگونه انجام شوند و در مورد الگوریتم های زمانبندی، به منظور تعیین زمان ارسال ها در شبکه، صحبتی نشده است. این در حالی است که کارایی شبکه های 802.16 از نظر گذردهی سیستم، بستگی به توانایی لایه های مدیریت در زمانبندی ارسال دارد. در این پایان نامه الگوریتم جدیدی به منظور بهبود زمانبندی متمرکز در مد مش استاندارد 802.16 و تخصیص بهینه پنجره های زمانی به نودهای شبکه با در نظر گرفتن قابلیت استفاده مجدد از فضای فرکانسی، ارایه شده است. هیچیک از الگوریتم های فعلی در این زمینه، تاثیر سربار سوییچینگ بین نودها، جهت ارسال و دریافت به علت وجود سمبول های بین پنجره های زمانی نودهای مختلف، در گذردهی واقعی شبکه های 802.16 را در نظر نگرفته اند. در الگوریتم پیشنهادی بطور همزمان سربار سوییچینگ، استفاده مجدد از فضای فرکانسی برای استفاده کارا از منابع رادیویی، مدل کامل تداخل و تاثیر جایگاه نود در درخت مسیریابی به منظور بهبود کارایی زمانبندی، مورد توجه قرار گرفته است. کارهای قبلی بطور همزمان به این چهار موضوع که از مسایل مطرح در زمانبندی، متمرکز هستند، نپرداخته اند. شبیه سازی انجام شده بر روی سناریوهای مختلف در راستای مقایسه الگوریتم پیشنهادی با الگوریتم های موجود در این زمینه نشان می دهد که طول زمانبندی در الگوریتم پیشنهادی تا 65 درصد بهبود یافته است.

با ورود کامپیوتر و فناوری های نوین به حوزه آموزش و آموزش های الکترونیکی، نوعی از ارزشیابی به نام ارزشیابی الکترونیکی مطرح گردید. در ابتدا این ارزشیابی ها همان ارزشیابی های متداول بودند که تنها قالبی تحت وب داشتند و پس از مدتی به ارزشیابی های نیمه پویا تبدیل شدند. در برخی از تحقیقات پارامترهای هر سوال به منظور ارزشیابی دانش یادگیرنده به کمک نظریه سوال-پاسخ تعیین می گردد. آزمون شونده با یک سطح توانایی پیش فرض وارد آزمون می شود. با استفاده از پارامترهای سوال، مناسب ترین سوال به منظور پاسخ گویی برای آزمون شونده تشخیص داده می شود. با پاسخ آزمون شونده به سوال، سطح توانایی او تصحیح شده و سوالی متناسب با سطح توانایی جدید، به او ارائه می گردد. این روند تا مرحله ای ادامه پیدا می کند که سطح توانایی فرد تخمین زده شود. پژوهش حاضر به دنبال یک روش عملی برای ساختن آزمون تطبیق پذیر در مبحث معادلات دیفرانسیل مرتبه اول است. جامعه آماری این پژوهش دانشجویان فنی-مهندسی و علوم پایه دانشگاه تربیت دبیر شهید رجایی در سال تحصیلی 90-89 است. در مطالعه مقدماتی یک آزمون 30 سوالی بر روی 30 آزمودنی در دسترس اجرا شد. با استفاده از ضریب تمیز و آلفای کرونباخ برای هماهنگی درونی سوالات، 11 سوال نامناسب حذف شد. سوالات باقی مانده بر روی 150 دانشجوی فنی-مهندسی و علوم پایه دانشگاه اجرا گردید. پارامترهای سوالات (a,b) مشخص شده و نهایتاً این سوالات برروی یک نمونه 30 نفری از دانشجویان به صورت تطبیق پذیر اجرا شد و سطح توانایی تطبیق یافته آن ها محاسبه گردید. سپس با استفاده از روش های آماری به مقایسه دو نمره بدست آمده از آزمون تطبیق پذیر و متداول پرداخته شد، تا اولاً بررسی شود که سطوح توانایی تطبیق یافته تا چه اندازه برسطوح توانایی مشاهده شده در آزمون متداول منطبق است و ثانیاً مجموع احتمال های تطبیق یافته یک سوال تا چه اندازه با مجموع پاسخ های صحیح مشاهده شده همان سوال ارتباط دارد. با محاسبه ضریب همبستگی پیرسون مشخص گردید که همبستگی بین سطوح توانایی تطبیق یافته و سطوح توانایی مشاهده شده در آزمون متداول در سطح 01/0>p معنادار است. هم چنین همبستگی بین مجموع احتمال های تطبیق یافته به یک سوال و مجموع پاسخ های صحیح مشاهده شده همان سوال، در سطح 01/0>p معنادار است. میانگین اختلاف بین دو سطح توانایی بدست آمده از دو روش فوق برابر با20/0 و واریانس این تفاوت برابر با 0098/0 برآورد گردید. اختلاف معناداری در سطح 05/0>p در بین میانگین و واریانس سطوح توانایی تطبیق یافته و سطوح توانایی مشاهده شده در آزمون متداول مشاهده نشد. این عدم اختلاف در همان سطح معناداری بین مجموع احتمال های تطبیق یافته به یک سوال و مجموع پاسخ های صحیح مشاهده شده به همان سوال نیز تأیید شد. به کمک آماره مجذور کا تطابق پیش بینی عملکرد آزمون شونده در حیطه های مختلف دانش شامل: "دانش رویه ای، کاربرد، مفهوم سازی، عامل انتگرال ساز، معادلات قابل تبدیل به معادلات تفکیک پذیر و معادلات به فرم دیگر" با عملکرد واقعی او در آزمون متداول در سطح 05/0>p تأیید گردید

زمان¬بندی یک مساله تصمیم¬گیری می¬باشد که در محیط¬های تولیدی و خدماتی به کار برده می¬شود و عبارت است از تخصیص تعدادی منابع محدود به مجموعه¬ای محدود از کارها در طول زمان با هدف بهینه کردن یک یا چند هدف. در دنیای رقابتی امروز برای بقا باید با زمان حرکت کرد. برای این منظور باید کلیه فعالیت¬ها برای رسیدن به موقع به هدف نهایی زمان¬بندی و ترتیب¬دهی شوند. توالی عملیات نقش بسیار مهمی در مسائل امروزی شرکت¬ها دارد. بنابراین بررسی توالی عملیات در محیط¬های مختلف و با معیارهای مختلف یک گام مثبت جهت حفظ بقا می¬باشد. مسائل زمان¬بندی با توجه به محیط کاری به گروه¬های مختلف زمان¬بندی تک ماشین، زمان¬بندی ماشین¬های موازی، زمان¬بندی جریان کارگاهی، زمان¬بندی کارکارگاهی، و .... تقسیم می¬شوند. ماشین های تولید دسته ای که به پرداخت همزمان چندین کار به طور همزمان می پردازند، کمک می کنند تا تولیدات سریعتر و آسانتر انجام گیرند. در زمان بندی تولید ماشین های پردازشگر دسته ای به دو سوال پاسخ داده می شود 1- هر کار به کدام دسته تعلق گیرد؟ 2- ترتیب توالی دسته ها روی ماشین ها چگونه باشد؟ هدف اصلی این پایاننامه ارائه مدلی چندهدفه در حوزه زمان بندی تولید دسته ای در محیط جریان کارگاهی با در نظر گرفتن تعداد دلخواه ماشین تولید دسته ای می باشد و همزمان برای ماشین ها یک ظرفیت و برای هر کار اندازه ای تعیین می شود.این مدل در صنایعی که از سیستم تولید دسته ای مانند صنایع شیمیایی ، صنایع تولید اجسام نیمه هادی ، تولیدات الکترونیکی و صنایع تولید دارویی توسعه یافته استفاده می شود و دو هدف حداکثر زمان تکمیل (cmax ) و مجموع زمان در جریان ساخت ( ( را مد نظر قرار داده است. محدودیت ها نیز ناظر بر ظرفیت هر ماشین می باشد. مسئله با سه روش فرا ابتکاری الگوریتم ژنتیک چند هدفه با مرتب سازی نا مغلوب نسخه 2 ( nsgaii ) و الگوریتم چند هدفه ازدحام ذرات ( mopso ) و الگوریتم تکاملی شدت پارتو نسخه 2 (speaii) حل شده است. نتایج نشان می دهد میانگین مقادیر بدست آمده از الگوریتم تکاملی شدت پارتو نسخه 2 برای هر دو تابع هدف کمتر از هر دو الگوریتم دیگر می باشد.