با افزایش روزافزون کاربردهای اینترنت و سرویس های متعدد و متنوعی که در فضای مجازی عرضه میشود، عملاً در یک جامعه با ابعاد زندگی شهری و اجتماعی، بدون فضای مجازی و به ویژه سرویس های اینترنت تصور ادامه حیات برای بشر امروزی ممکن نیست. در این فضا، که تصور نیازهای آتی و پیشرفت های متنابه آن بر هر کسی غامض می نماید، پست الکترونیکی یکی از قوی ترین و عمومی ترین راه های ارتباطی بین کاربران موجود در اینترنت میباشد. کاربران برای برقراری ارتباط با ارسال نامه¬های الکترونیکی به آدرس¬های همدیگر، با هم ارتباط برقرار می¬سازند. افزایش روزافزون تعداد کاربران در اینترنت و تعداد نامه¬های الکترونیکی¬ غیر درخواستی از طرف کاربران، باعث افزایش تعداد نامه¬های موجود در صندوق پستی کاربران شده است. به این نامه¬های غیر درخواستی ارسال شده برای کاربران هرزنامه گفته می¬شود که یکی از دغدغه¬های بزرگ برای کاربران می¬باشد. بطوری¬که هر روز صبح با مراجعه به صندوق پستی خود با تعداد بسیار زیادی از این نامه¬ها مواجه می¬شوند که باید آنها را حذف و مدیریت نمایند و این عملیات بسیار وقت¬گیر خواهد بود. هرزنامه¬ها ساختارهای متفاوتی دارند و بنابراین روش¬های تشخیص و تفکیک آنها نیز از همدیگر متفاوت خواهد بود. حال مسئله تشخیص این هرزنامه¬هاست و ما به دنبال یک روش ترکیبی برای تشخیص دادن و مسدود کردن هرزنامه¬هایی که الگوی رفتاری ثابت و مشخصی ندارند، هستیم. برای همین منظور ما از روش ترکیبی فازی عصبی که مبتنی بر دو روش فازی و شبکه عصبی می¬باشد، برای تشخیص هرزنامه¬ها استفاده نموده و امیدواریم که بتوانیم در این تحقیق با ترکیب این دو روش، نقاط ضعف تک¬تک این روش¬ها را کاهش دهیم و نسبت به روش¬های دیگر ارائه شده به بالاترین تشخیص دست یابیم. هدف از ترکیب این دو روش این است که برای تشخیص هرزنامه¬ها هم از قوانین فازی استفاده نموده که توسط آن می¬توان قانونی را به شکل جملات زبان طبیعی افزود، تغییر داد و یا حذف کرد و هم لایه¬های مخفی روش شبکه¬های عصبی را به لایه واضح قوانین فازی تبدیل کرد. همچنین امکان یادگیری شبکه¬های عصبی را به سیستم تشخیص هرزنامه اضافه نمود. با ترکیب دو روش فازی و شبکه¬های عصبی، هم قابلیت یادگیری و هم قوانین نزدیک به زبان طبیعی را بر اساس رفتار هرزنامه در یک روش جدید اعمال کرده و قوانین و مدل¬سازی را بر اساس شرایط و نامه¬های الکترونیکی¬ رد و بدل شده در یک سرور خاص تنظیم می-کنیم تا میزان و درصد تشخیص هرزنامه به همراه تنظیم آستانه، بیشینه شود. هدف از انجام این تحقیق ارائه روشی ترکیبی، مبتنی بر فازی و شبکه¬های عصبی، برای تشخیص و تفکیک نامه معمولی از هرزنامه می¬باشد، به¬طوریکه نتایج بهینه و درصد تشخیص بالا نسبت به روش¬های دیگر ارائه شود.

امروزه با پیشرفت تکنولوژی اطلاعات نیاز به استفاده از امکانات روز جهت تبادل داده‏ها با سرعت و دقت بالا و رهایی از محدودیت‏های محیطی بیشتر احساس می‏شود بنابراین لازم است از امکانات و تجهیزاتی استفاده شود که بتواند به سادگی و آسانی راه اندازی شده و استفاده نمود. یکی از این روش ها که راحت ترین و ساده ترین و کم هزینه ترین روش می‏باشد استفاده از شبکه‏های کامپیوتری بخصوص شبکه های کامپیوتری بی‏سیم است. شبکه بی‏سیم صنعتی کامپیوتری است که سریعا در حالت رشد و توسعه می‏باشد. شبکه‏های بی‏سیم کاربردهای زیادی در مکان ها و جاهای مختلف دارد که امروزه به عنوان یک سرویس حیاتی برای جامعه شمرده می‏شود. ساختارها و تفاوت‏های این نوع شبکه‏ها باعث تنوع و کاربرد موفق آن در تمامی زمینه‏ها شده است. عوامل موثر زیادی در کارایی شبکه‏های بی‏سیم تاثیر دارند که به صورت مختصر بیان شده ‏است. یکی از این عوامل تاثیر گذار بهینه سازی مسیر شبکه‏های بی‏سیم است. این روش بهینه سازی با استفاده از الگوریتم‏های مسیریابی توانسته محقق گردد ولی برای دستیابی به یک مسیر خیلی بهینه نیاز به الگوریتم‏های نوین با بیشترین کاربرد است. الگوریتم‏های قبلی توانسته اند تا حدودی بهینه سازی را انجام دهند. اما به حد کاملا مطلوب نرسیده اند. سعی ما رسیدن به مرحله مطلوب با ترکیبی از الگوریتم‏های زنبور، بهینه سازی ذرات و ماهی است.