در این پروژه تحقیقاتی، الگوریتم زمان بندی جدیدی بر اساس الگوریتم ژنتیک پویا ارائه شده است که الگوریتم gqsd . نسبت به الگوریتم های مشابه قبلی کارآمدتر و دارای قابلیت اطمینان بیشتری است پیشنهادی جدیدی است که با پارامترها و شاخص های جدید ، تأخیر و زمان پاسخ گویی کار را کاهش داده و سطح رضایتمندی سرویس گیرنده ها را افزایش می دهد. با بررسی الگوریتم پیشنهادی و شبیه سازی های متعدد نشان می دهیم که میک اسپن 1 بهتری درزمان کل پردازش کارها بدست آمده و کارآیی سیستم توزیع شده با توجه به الگوریتم پیشنهادی بهبود می یابد. به این ترتیب کیفیت سرویس گیری در سطوح مختلف پردازشگرهای توزیع شده افزایش یافته و زمان تأخیر تأیید پردازش هایی که انجام گرفته است به طرز قابل توجهی کاهش یافته و با مشاهده اکثریت پارامترهای موجود در محیط گرید الگوریتم زمان بندی جدیدی برای کارهای مستقل بر اساس الگوریتم ژنتیک ارائه شده، که الگوریتم جدید کارایی را در محیط گرید افزایش داده است. در محیط های گرید با نرخ خرابی بالا نیز برای تحمل پذیری خطا ، روش نقطه بازرسی که دارای کارایی بهتری نسبت به روش های دیگری چون سعی مجدد ، مهاجرت و تکرار می باشد مورد استفاده قرار گرفته است و با در نظر گرفتن پارامترها و شاخص زمانبندی رفت و برگشت منبع gqsd های محیط های کم مخاطره و پر مخاطره الگوریتم جدید پردازشی را نسبت به الگوریتم های قبلی کاهش داده و همچنین کیفیت سرویس گیری در محیط های گوناگون گرید را افزایش داده و نیز متوسط زمان برگشت کارها کاهش یافته است. هدف این بوده است تا با ارائه الگوریتم جدید بتوانیم مشکلات موجود منابع پردازشی را رفع نموده و در نهایت سرعت پاسخ گویی کارها را برای خروجی سرویس هایی که در منابع پردازشی فراهم می گردد افزایش داده و با روش تکنیکی ترکیبی جدید در الگوریتم پویا ارائه شده زمان کل پردازش را در منابع کاهش دهیم.

در این پایان نامه یک الگوریتم جدید برای منابع سیستم های توزیع شده با مکانیزم داده کاوی ارائه شده است. الگوریتم پیشنهادی در منابع سیستمی یکپارچه توزیع شده مورد استفاده کاربران قرار می گیرد که دانش بهینه برای منابع نسبت به تخصیص منابع سیستمی توزیع شده کارآمدتر است که با توجه به سطوح رقابتی، سطح رضایتمندی مشتریان بهبود داده می شود. الگوریتم erpasd با در نظر گرفتن دسترسی مستقیم کاربران به بانک اطلاعاتی توزیع شده، بعنوان یک میان افزار است که می-تواند با شرایط انتخابی یکسان، داده های تکراری را نسبت به الگوریتم های مشابه خود کاهش دهد. با استفاده از الگوریتم پیشنهادی برای منابع سیستمی روش تکنیکی ارائه شده است تا بتواند متوسط زمان انتظار را برای سطح رقابتی در بین کاربران مورد ارزیابی قرار داده و با مطالعه موردی دقیق و همه جانبه فاکتورهای موثری را برای بهبود الگوریتم ارائه نماید. با استفاده از تعداد فازهای مرتبط به عنوان جریانهای کاری در منابع سیستمی توزیع شده، هزینه مشتریان ورودی و خروجی نسبت به زمانبندی مطالعه موردی کاهش یافته و با استفاده از الگوریتم erpasd روش جدیدی ارائه شد تا نسبت به روش اولیه (سیستم یکپارچه) که در آن داده های تکراری در بانک اطلاعاتی بصورت دفعات با تکرار متعدد مورد پردازش قرارمی گرفت، با الگوریتم فوق حذف دفعات پردازش در بانک اطلاعاتی انجام گرفت و مدت زمان پردازش داده های تکراری کاهش یافت. همچنین با استفاده از الگوریتم erpasd و apriori_checksum تابعی ارائه شد که در آن با تکنیک جدیدی مکانیزم داده کاوی با apriori_checksum تائید شده و زمان نهایی بین کاربران کاهش یافت و در نهایت اتکاپذیری، بهره وری و کارایی در سیستم های یکپارچه توزیع شده قابل ایمن افزایش یافت و مشکلات سیستم‎های یکپارچه برطرف شد

چکیده: راه اندازی موفق سیستم های یکپارچه منابع سازمانی منوط به اتخاذ سیاستهای پیاده سازی درست و استفاده از ابزار مناسب میباشد. استفاده از ابزارهای مناسب داده کاوی در این امر بسیار موثر است. با مطالعه 10 الگوریتم برتر داده کاوی و همینطور الگوریتم erpasd ، بهینه سازی الگوریتم k-means به عنوان موضوع این پایان نامه انتخاب گردید. در این پایان نامه استفاده از پایگاه دانش برای جریان های کاری سیستم های یکپارچه توزیع شده به کمک الگوریتم پیشنهادی با مکانیزم داده کاوی ارائه خواهیم داد. یک الگوریتم کاهش زمان جستجو در بانک اطلاعاتی با مکانیزم داده کاوی ارائه میگردد. در این الگوریتم با اضافه کردن پارامترهایی که در k-means پایه استفاده نشده است توانستیم درصد تجمع اطلاعات را در پیمایش بانک اطلاعاتی نسبت به k-means پایه کاهش دهیم. این روش زمانی انجام می شود که ما یک آشکارساز آستانه ایجادکنیم تا به کمک آن بتوانیم بحث خوشه بندی را ایجاد نماییم که در تجمع بانک اطلاعاتی با ناحیه بندی نقاط بیشترین و کمترین که فواصل مشخصی در تجمع داده ها ایجاد می شود تابع صلاحیت جدیدی ارائه نماییم. در الگوریتم rdbms با ارزیابی پارامترهای مورد استفاده شده در مجموعه داده ها در بانک اطلاعاتی خانه کارگر ایران و شرکت سرمایه گزاری صنعت نفت الگوریتم پیشنهادی می تواند برای جستجوی بانک های اطلاعاتی فوق با تعداد رکورد بالا هزینه های تخمینی که با استفاده از مجموعه داده ها بدست می آید، مورد استفاده قرار گیرد. تاخیرهای لحاظ شده در جستجوی بانک نیز مورد ارزیابی قرار گرفته و زمان رفت و زمان برگشت جستجوی کارها با استفاده از تابع صلاحیت مورد محاسبه قرار گرفته است. الگوریتم پیشنهادی نسبت به k-means پایه و wkmsd دارای کارآمدی بیشتر، بهره وری بالاتر و اتکاپذیری بالاتری می باشد و قابل اطمینان تر نسبت به الگوریتم های قبلی می باشد. کلمات کلیدی: برنامه ریزی منابع سازمانی، داده کاوی، الگوریتم داده کاوی، erpsd، erpasd، سیستم توزیع شده، جریان کاری، سیستم دانش، پایگاه دانش، کشف دانش، زمانبندی، اتکا پذیری، سیستم یکپارچه ، wkmsd ، rdbms ، wktd

چکیده: فناوری در تلاش است تا با ادغام روش های ترکیبی بتواند راهکار مناسبی را ارائه دهد که سطح رضایتمندی مشتریان افزایش یابد. به همین منظور سیستم های توزیع شده یکپارچه، جایگزین سیستم های مرکزی یکپارچه شده است تا قابلیت اتکاپذیری و اطمینان بیشتر شود. با بررسی متعدد چارچوب ها و مدل های پیشنهادی توانستیم با راهکارهای مناسب چارچوب جدیدی را ارائه نماییم. در این پایان نامه یک چارچوب جدیدی برای جریان های کاری سیستم های یکپارچه توزیع شده با استفاده از ارزیابی فاکتورهای موثر ارائه خواهیم داد. که این چارچوب با قابلیت کارآمدی بیشتری نسبت به چارچوب های مورد مطالعه، ارزیابی شده که با استفاده از فازهای ایجاد شده در چارچوب جدید ارائه خواهد شد. چارچوب پیشنهادی، مدیریت تصمیم گیری با مقایسه فرآیند ها را در فازهای مختلف مورد مقایسه قرار داده و پردازش فرآینده داده ها را کاهش می دهد و همچنین بهینه سازی چارچوب های قبلی را در ماژول های کسب و کار و پردازش فرآیندها به صورت جریان های کاری افزایش داده و همچنین بهینه سازی مشتریان ورودی و سطح پردازش را با یک تکنیک ارائه شده نیز افزایش خواهیم داد و با ترکیب کردن فاکتورهای موثر ارتباط بهتر مدیران را با استفاده از جریان های کاری ارائه خواهیم داد که شناسه ماژول ها در فرآیند مختلف چارچوب جدید با اتکا پذیری و قابلیت اطمینان بیشتری صورت می پذیرد. در نهایت زمان انتظار را برای کاربران در سیستم های یکپارچه توزیع شده نسبت به الگوریتم های قبلی کاهش داده و پیچیدگی زمانی را با روش تکنیکی جریان های کاری به صورت موازی کاهش خواهیم داد.

با توجه به مطالعه و ارزیابی چارچوبهای ارائه شده در سیستمهای یکپارچه که دارای منابع متمرکز و در نتیجه ایمنی کمتر بود ، همچنین زمان پاسخگویی و زمان انتظار مشتریان در دریافت محصولات و خدمات ارائه شده در حد مطلوب وجود نداشت ، یک چارچوب جدید همزمان در منابع سیستمی توزیع شده قابل ایمن با مکانیزم داده کاوی ارائه خواهیم داد تا با استفاده از آن بتوانیم فاکتورهای شاخصی را برای ایجاد فازهای چارچوب پیشنهادی erpdrt ارائه نماییم .در چارچوبهای قبلی به مسئله همزمانی و اینکه می توان فازهای مختلف سیستمهای یکپارجه را بطور موازی و همزمان مورد پردازش قرار داد تا خدمات مورد نظر در کمترین زمان در اختیار مشتری قرار گیرد ، توجهی نشده بود. قابلیت همزمانی در چارچوب جدید پیشنهادی از مکانیزمی برای استفاده مشتریان ورودی با فاکتورهای ارزیابی شده صورت پذیرفته است.. در چارچوب پیشنهادی فعالیت گرایی با حالت همروندی ماژولها در شرایط یکسان و با پارامترهایی، در نظر گرفته خواهد شد تا تغییرات ویژه ای در جهت افزایش فعالیت ماژولها صورت پذیرد. همچنین زبانهای برنامه نویسی در erpdrt به عنوان یک میان افزار ارائه خواهیم داد تا کامپایلر برای تبدیل زبانها به یکدیگر با پیچیدگی زمانی کمتر نسبت به حالتهای قبلی بهینه گردد. با استفاده از این تکنیک تعداد زیادی از فرآیندهای ایجاد شده در فازهای مختلف غیر وابسته و موازی مورد پردازش قرار می گیرند. چارچوب پیشنهادی ما با استفاده از الگوریتم های نوین داده کاوی ، زمان پاسخگویی به مشتریان را به طرز قابل توجه کاهش داده و بهره وری و کارایی بهینه ای نسبت به روشهای قبلی ایجاد نموده است و همچنین زمان پاسخگویی جهت ایجاد سطح رضایتمندی مشتریان به طرز قابل توجهی افزیش یافته است.

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.

پشته دوگانه و تونل زدن و ترجمه سه مکانیزم اصلی برای انتقال و گذر از ipv4 به ipv6 می باشند. در مکانیزم پشته دوگانه ، شاهد همزیستی ipv4 و ipv6روی یک دستگاه هستیم. در مکانیزم تونل زدن ، فرستنده و گیرنده هر دو از یک نوع ip استفاده می نمایند اما بسته ها باید از میان ناحیه هایی با ip متفاوت عبور نمایند. در مکانیزم ترجمه ، فرستنده و گیرنده از دو نوع ip استفاده می کنند و در واقع داده هایی که از نوع ipv6 هستند به نوع ipv4 تبدیل می شوند. تاکنون راهکارهای زیادی برای مکانیزمهای فوق طراحی شده که در این پایان نامه ضمن پرداختن به آنها و بررسی رویکردها و عملکرد آنها ، به ارایه راهکاری از نوع مکانیزم ترجمه خواهیم پرداخت. در فصل دوم ، بر حسب نیاز به معرفی پروتکل ipv6 و ویژگیهای آن و در فصل سوم انواع مکانیزمهای گذر از ipv4 به ipv6 را مورد بررسی قرار داده ایم و انواع راه حلها و روشهایی که از طریق این مکانیزمها ارایه شده است را آورده ایم. در روش پیشنهادی ، هدف بهبود یکی از روشهای ترجمه به نام روش nat-pt و در عین حال ارایه روشی جدید بوده است لذا در فصل چهارم روش nat-pt را تشریح خواهیم کرد. روش پیشنهادی را در فصل پنجم ارائه می دهیم و در فصل ششم شبیه سازی روش ارائه شده و نتایج حاصل از آن مشاهده می شود. در فصل هفتم نیز به نتیجه گیری و در فصل هشتم مراجع مورد استفاده در این پایان نامه را خواهید دید.

تأخیر واقعی از مسیر، یکی از مشکلات زمان بندی جریان کاری محیط گرید با روش کلونی مورچگان می باشد که در تحقیقات صورت گرفته ملاحظه و بررسی نشده است. از این رو، ما در این پایان نامه یک الگوریتم بهبود یافته برای زمان بندی جریان های کاری گرید با استفاده از روش فرا اکتشافی کلونی مورچگان با در نظر گرفتن تأخیر واقعی از مسیر ارائه داده ایم. بهینه سازی کلونی مورچگان (aco) یکی از الگوریتم های فرا اکتشافی برای حل مشکلات بهینه سازی ترکیبی می باشد. الگوریتم ارائه شده (dswa) با استفاده از پارامترهای اتکاپذیری، هزینه، زمان رفت و برگشت و دسترس پذیری مورد ارزیابی قرار گرفته است. با توجه به الگوریتم پیشنهادی و مقایسه آن با الگوریتم های زمان بندی قبلی، تابع صلاحیت جدیدی را ایجاد نمودیم که با در نظر گرفتن پارامترهای شاخص کیفیت سرویس، اولویت بندی وظیفه ها را انجام دادیم. برای این منظور میزان دسترسی وظیفه ها با الگوریتم های موجود نسبت به الگوریتم پیشنهادی دارای پیچیدگی زمانی کمتری می باشد. همچنین با لحاظ نمودن روش تکنیکی توانستیم سیستمی در نظر بگیریم که بهره وری و کارایی را افزایش و با کمک تابع هدف، زمان اجرای برنامه را کاهش می دهد و با محاسبه زمان رفت و برگشت توانستیم زمان واقعی وظیفه ها را نسبت به الگوریتم های قبلی تخمین بزنیم. در بعضی از کاربردها چند پارامتر کیفیت سرویس باهم در نظر گرفته شده است. هر چند رسیدن به چنین حالتی به سادگی امکان پذیر نبوده و احتمالاً بهبود یک پارامتر موجب بدتر شدن پارامتر دیگری می شود؛ و در نهایت الگوریتم dswa دارای کارایی بهتر نسبت به الگوریتم های acs و moaco می باشد.

در این تحقیق یک الگوریتم زمانبندی قابل اطمینان در محیط پردازش ابری ارائه خواهیم داد. در این الگوریتم توانستیم با تکنیک جدیدی و با طبقه بندی و با در نظر گرفتن زمان رفت و برگشت کار ها در تابع صلاحیت، الگوریتم جدیدی را ایجاد نماییم. با بررسی دقیق و ارزیابی الگوریتم های قبلی ، زمانبندی کارها به کمک پارامترهایی انجام شده است که با نرخ شکست همراه است. به همین منظور در الگوریتم پیشنهادی علاوه بر پارامترهای استفاده شده قبلی، پارامترهای شاخص دیگری نیز مورد استفاده قرار می گیرد که می توانیم job ها را بر اساس آنها با زمانبندی های مختلف به دست آوریم. این کار با مکانیزمی همراه است. کار بزرگ به کارهای کوچک تقسیم می شود. برای متعادل کردن کارها زمان رفت و برگشت آنها به صورت جداگانه مورد محاسبه قرار گرفته است. سپس زمانبندی تک تک کارها را با احتساب زمان رفت وبرگشت در قالب یک کار مشترک ایجاد نموده که در نهایت بهره وری و کارایی سیستم افزایش یافته و همچنین زمان واقعی آن نسبت به الگوریتم مورد مقایسه بهبود داده خواهد شد و در نهایت با مکانیزم ارایه شده توسط الگوریتم پیشنهادی ، زمان کل پردازش در محاسبات ابری نسبت به الگوریتمهای مورد مقایسه بهینه شده است.

پردازش گرید از جمله تکنولوژی های سال های اخیر برای حل بسیاری از مسائل پیچیده مانند اشتراک منابع در محیط های ناهمگن می باشد. در این میان مدیریت منابع، تخصیص و زمان بندی وظایف نقش مهمی در کارایی محیط گرید بازی می کنند. بدست آوردن زمان بندی بهینه در محیط گرید یک مسئله از درجه سخت می باشد. راه حل های مکاشفه ای، از جمله راه حل های ممکن برای حل مسائل از درجه سخت می باشند. در این پایان نامه یک الگوریتم زمان بندی مکاشفه ای با در نظر گرفتن پارامترهای شاخص برای نگاشت وظیفه های مستقل در سیستم های گرید ارائه داده ایم. الگوریتم پیشنهادی با در نظر گرفتن توازن بار، تحمل خطا، مهاجرت وظایف و دادن اولویت برای نگاشت وظایف مستقل روی محیط پردازشی ناهمگن، شرایط خاصی را برای تضمین کارایی بالا در سیستم گرید ایجاد می کند. با پیاده سازی الگوریتم زمان بندی پیشنهادی در محیط شبیه سازی شده، شرایطی را ایجاد کرده ایم که نگاشت و زمان بندی وظایف با کارآمدی و قابلیت اطمینان بیشتری نسبت به الگوریتم های مشابه قبلی انجام پذیرد. نهایتاً آزمایشات و نتایج شبیه سازی شده نشان می دهد که الگوریتم زمان بندی پیشنهادی به طور قابل توجهی توان خروجی بالا، کاهش زمان اتمام کار سیستم، قابلیت اطمینان و کارایی بیشتر در محیط گرید را تضمین می کند.

زمانبندی باید به گونه ای انجام گیرد که بتواند زمان اجرای کل برنامه را با توجه به زمان وظایف و ارتباط بین پردازنده ها، کمینه نماید. با توجه به np-hard بودن مسئله زمانبندی گراف وظایف، رویکرد های مبتنی بر روشهای قطعی در این زمینه کارا نخواهند بود، بنابر این استفاده از پردازش تکاملی و به طور عمده الگوریتمهای ژنتیک برای حل این مسئله موثر می باشد. در این پایان نامه به بررسی زمان بندی ایستای وظایف در محاسبات گرید و حل آن با استفاده از یک رویکرد تکاملی، پرداخته می شود. ثابت شده است که مسئلـه زمان بندی در محاسـبات گرید، یک مسئله np-سخت است و بنابراین می توان از روش های مکاشفه ای برای حل آن استفاده کرد. از آن جایی که الگوریتم ژنتیک یکی از روش های مکاشفه ای مفید برای حل مسایل np-سخت است، بنابراین می توان از آن برای حل مسئله زمان بندی ایستای وظایف در محاسبات گرید استفاده کرد. از جمله مشکلاتی که برای الگوریتم های ژنتیک سـاده می توان نام بـرد، هم گـرایی زود رس و زمان اجرای طولانی برنامه زمان بندی می باشد.بنابراین برای غلبه بر مشکلات ژنتیک ساده، الگوریتم ژنتیک موازی برای این کار پیشنهاد شده است. شبیه سازی و نتایج عملی نشان می دهد که در الگوریتم های پیشنهادی به دلیل استفاده از جمعیت بزرگ تر و مهاجرت کروموزوم ها مابین زیرجمعیت ها، زمان اتمام وظایف بهبود یافته است. هم چنین به دلیل تقسیم جمعیت به چند زیرجمعیت، سرعت اجرای برنامه زمان بندی نیز کاهش یافته است.

یکی از مسائل مهم طراحی در هر سیستم نظارتی، نحوه قرار دادن تجهیزات می باشد. با استفاده از روش مناسب قرار دادن گره ها می توان به اهداف خود رسیده و پارامترهای مورد نظر مانند پوشش، ارتباطات، انرژی مصرفی و طول عمر شبکه را بهبود داده و کارایی سیستم با توجه به بودجه تعیین شده را بهینه نمود. از آنجایی که منابع موجود و تنظیمات سیستم به نحوه قرار گرفتن گره وابسته بوده و محدوده کارایی شبکه را تعیین می نماید، بنابراین مهمترین مسئله در شبکه-های حسگر بی سیم می باشد. در طراحی های بسیاری تلاش شده است تا کارایی شبکه های حسگر بی سیم را در زمان عملیات آنها افزایش دهند. بهترین بسته پروتکل های اجرایی هم در صورت عدم فراهم نمودن تجهیزات مناسب نمی توانند طول عمر مورد نظر سیستم را به وجود آورند. اگر تعداد تجهیزات کافی نباشد و یا گره ها به صورت مناسب قرار داده نشده باشند، پوشش و طول عمر شبکه کاهش می یابد یا در بدترین حالت سیستم غیر عملیاتی می گردد. روش هایی بر اساس الگوریتم ژنتیک، الگوریتم اجتماع ذرات و الگوریتم های دیگری به منظور بهینه سازی مهمترین پارامترهای شبکه ارائه شده اند. در این تحقیق از الگوریتم پوش محدب برای قرارگیری حسگرها در مکانی مناسب استفاده کرده ایم. هدف روش ارائه شده، بهینه کردن تعداد حسگرها، کاهش توان مصرفی و تعیین مکان قرارگیری آنها برای پشتیبانی از شبکه های حسگر توزیع شده در یک محیط نامتقارن می-باشد. بطوریکه در روش های متداول خیلی از مناطقی که نیازی به قرارگیری حسگر ندارند نیز پوشش داده می-شوند که این عامل منجر به افزایش تعداد حسگرها در منطقه مورد نظر شده که متعاقباً میزان مصرف انرژی را افزایش خواهد داد.

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.

طول عمر، در شبکه های حسگر سه بعدی یک مسئله بحرانی است، زیرا طول شعاعی که این شبکه نسبت به مدل دوبعدی باید نظارت کند رشد یافته است و بطور جدی طول عمر شبکه را کاهش می دهد. ما ایستگاه مبنا متحرکی برای حل مسئله بکار برده ایم. در این پایان نامه یک الگوریتم توزیع شده متعادل با مصرف انرژی بهینه ارائه شده است. در شبکه های حسگر بی‏سیم ، مکان هایی که از ایستگاه مبنا دورتر هستند بدلیل فاصله زیاد، انرژی بیشتری برای ارسال داده مصرف می کنند. بنابراین حسگرهای دورتر انرژی شان خیلی سریعتر تخلیه خواهد شد، در نتیجه طول عمر شبکه کاهش می یابد. در الگوریتم ارائه شده، سعی کرده ایم مصرف انرژی در شبکه را متعادل کنیم، این مسئله با استفاده از چند ایستگاه مبنا که در بین حسگرها حرکت می کنند حل شده است. در الگوریتم ارائه شده ایستگاه های مبنا جهت حرکت شان را با انرژی حسگرهای اطرافشان تنظیم می کنند و این جابجایی دائمی طول عمر شبکه را افزایش می دهند. در الگوریتم ارائه شده مصرف انرژی حسگرها در سرتاسر شبکه توزیع شده است و ایستگاه های مبنا به سمت حسگرهایی با انرژی کمتر حرکت می کنند برای اینکه فاصله حسگرها تا ایستگاه مبنا برای ارسال داده هایشان کمتر شود و انرژی شان دیرتر تخلیه می شود. در پایان، نتایج شبیه سازی الگوریتم ارائه شده با الگوریتم leach (الگوریتم پایه ای شبکه های حسگر) و الگوریتم با ایستگاه های مبنای ثابت مقایسه شده است و بهبود طول عمر شبکه ارائه شده را نشان می دهد و مصرف انرژی حسگرها را کاهش 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 پروژه یک الگوریتم زمان بندی با کمک ga و با در نظر گرفتن آشکارساز آستانه بر روی کارهای دسته ای ارائه خواهیم نمود. در الگوریتم پیشنهادی کارهای مستقل دسته ای را با تکنیک جدیدی ارائه خواهیم نمود تا بتوانیم زمان بندی آنها را بهینه نماییم. برای اینکار از یک آشکارساز آستانه استفاد می کنیم تا در بین کارهای انتخاب شده، منابع پردازشی کارهای دسته ای را با اولویت بندی مورد پردازش قرار دهند. همچنین سلسله مراتب انجام کارها در هر دسته با استفاده از الگوریتم dgbsa تعیین می شود. حال با مشاهده کارهای صورت گرفته قبلی می توانیم الگوریتمی را ارائه دهیم که با افزودن پارامترهای ویژه به تابع هدف الگوریتم های قبلی، تابع صلاحیت بهینه ای را ارائه نماییم که در الگوریتم پیشنهادی جدید مورد استفاده قرار گرفته است. الگوریتم dgbsa نسبت به ارزیابی های صورت گرفته دارای کارایی های بالاتری می باشد. پارامترهای موثر استفاده شده در الگوریتم پیشنهادی می توانند زمان اتلاف کل منابع پردازشی را نسبت به الگوریتم های قبلی کاهش دهند. همچنین این الگوریتم می تواند با تکنیک جدید ارائه شده مشکلات قبلی را در پردازش دسته ای بهبود بخشد.

با رشد روز افزون اینترنت و سرویس های قابل ارائه در این فضا، نیاز به حفاظت از این محیط در برابر حملات در حال گسترش، امری حیاتی است. در دهه اخیر، سیستم های تشخیص نفوذ به طور گسترده ای به عنوان یک جزء ضروری در معماری و زیرساخت امنیت شبکه های کامپیوتری، مورد استفاده قرار گرفته اند. سیستم های تشخیص نفوذ، داده ها و اطلاعات را برای کشف شواهد رفتارهای نفوذی، جمع آوری و بررسی می کنند و به محض تشخیص یک رویداد نفوذی، یک هشدار تولید کرده و فرصت عکس العمل به موقع را برای مدیر شبکه فراهم می کنند. از این رو عملکرد سریع، صحیح و کارای آن ها به عنوان یک مولفه کلیدی در زیر ساخت امنیت شبکه های کامپیوتری، یکی از اهداف مهم تحقیقات این حوزه، در دهه اخیر بوده است. اگر چه سیستم های تشخیص نفوذ، به طور گسترده برای مدیریت امنیت شبکه ها مورد استفاده قرار گرفته اند، با این حال سیستم تشخیص نفوذ هنوز تکنولوژی کاملی نیست و عملکرد آن از حالت تمام عیار و بی عیب فاصله دارد. متأسفانه سیستم های تشخیص نفوذ، حجم غیرقابل کنترلی هشدار تولید می کنند. در کنار مشکل حجم بالای هشدارها، مشکل مهم دیگر تولید حجم بالای هشدارهای غلط و تکراری می باشد که در نهایت این مشکلات منجر به ناکارایی سیستم خواهد شد. با توجه به اهمیت کارایی سیستم های تشخیص نفوذ، در این پژوهش مسئله اصلی ارائه یک راهکار جدید مبتنی بر تکنیک های داده کاوی به منظور کنترل حجم هشدارها و کاهش نرخ هشدارهای غلط و تکراری تولید شده توسط سیستم تشخیص نفوذ می باشد. اگر چه تحقیقاتی زیادی در این راستا انجام شده است، اما مشکلات به طور کامل بر طرف نشده اند. از طرفی راهکارهای ارائه شده دارای برخی مشکلات از قبیل وابستگی به نیروی انسانی یا برون خط بودن می باشند که در عمل باعث تضعیف عملکرد آن ها خواهد شد. از این رو، در راهکار ارائه شده سعی می شود با استفاده از ترکیب دو تکنیک داده کاوی خوشه بندی و دسته بندی، تحلیل دقیق تری از هشدارها به منظور کاهش حجم هشدارها و تمایز هشدارهای مهم از هشدارهای غلط و تکراری انجام شود. راهکار ارائه شده، یک راهکار بر خط می باشد و با کاهش وابستگی سیستم به نیروی انسانی، از بار مسئولیت تحلیلگران شبکه می کاهد. راهکار ارائه شده توسط دو مجموعه داده متفاوت مورد ارزیابی قرار می گیرد که عبارتند از: مجموعه داده استاندارد darpa 1999، برای مقایسه نتایج راهکار ارائه شده با نتایج برخی از تحقیقات انجام شده در این زمینه و مجموعه داده واقعی در محیط دانشگاه صنعتی اصفهان به منظور ارزیابی راهکار در یک محیط واقعی. ارزیابی های انجام شده نشان می دهد که راهکار ارائه شده با کاهش حجم 94% هشدارهای غلط و تکراری، می تواند تأثیر بسزایی در مدیریت هشدارها داشته باشد.

محاسبات ابری بعنوان آخرین مدل محاسباتی، شامل برنامه های کاربردی، داده ها و سرویس های it می باشند که از طریق سازمان هایی که از نظر جغرافیایی در دنیا پراکنده و پویا هستند ارائه و گسترش داده شده اند. چگونگی بهبود توان جهانی و استفاده از منابع محاسباتی ابر بطور ماهرانه و موثر و بدست آوردن حداکثر سود از طریق سیستم زمانبندی وظایف، یکی از اهداف نهایی تامین کنندگان سرویس محاسبات ابری می باشد. تکنولوژی های جدید بر این باورند که محاسبات ابری روش دستیابی ما را به فناوری تغییر خواهند داد. در این میان مسئله زمانبندی وظایف و مدیریت منبع به بهره وری از تمام امکانات محاسبات ابری مربوط می باشد. این وظایف بر روی گره های خوشه بصورت موازی پردازش می شوند. الگوریتم های زمانبندی در سیستم های توزیع شده در حالیکه مایل هستند زمان اجرای وظایف را حداقل سازند، هدف گسترش بار بر روی پردازنده ها و حداکثر ساختن استفاده از توان آنها را نیز دنبال می نمایند. رهیافت epso با ادغام پارامترهای موثر در تابع شایستگی از قبیل زمان ارسال درخواست، زمان ارسال اعلام پذیرش درخواست و تاخیر بین آنها، شرایطی را فراهم می سازد که علاوه بر اینکه makespan را نسبت به الگوریتم های dpso و pn کاهش می دهد، نرخ همگرایی به پاسخ بهینه را بهبود می بخشد. این الگوریتم با اولویت بندی و گروه بندی وظایف و منابع سیستم، امکان توزیع بار مناسب بر روی منابع را نیز فراهم می سازد. روش sldpso نیز کارایی الگوریتم زمانبندی را با بهبود الگوریتم dpso با استفاده از تابع شایستگی تعریف شده در رهیافت epso افزایش می دهد و همانند الگوریتم epso، makespan را بخصوص در شرایطی که تعداد درخواست های وارد شده به سیستم زیاد است کاهش می دهد. همچنین با توزیع بار متقارن، امکان استفاده بهتر از هر منبع را به تناسب ظرفیت پردازشی آن در مقایسه با الگوریتم dpso پیشین و الگوریتم pn فراهم می سازد.

در این تحقیق، یک پروتکل مسیریابی جدید مبتنی بر ga برای کاهش مصرف انرژی در شبکه های حسگر بی سیم ارایه شده است. در این روش، مسیریابی بر اساس سه پارامتر فاصله، انرژی و تراکم نودهای محیط انجام می شود. پارامتر فاصله شامل فاصله نودها با سرشاخه ها در هر گرید و فاصله سرشاخه ها با ایستگاه پایه، می باشد که فاصله نودها در هر گرید و انتخاب سرشاخه در گریدها بر اساس نزدیکی به مرکز ثقل و انرژی اولیه آنها می باشد. پارامتر تراکم هم شامل نحوه توزیع نودها در محیط یا گریدها می باشد که بر اساس این پارامتر، در ناحیه هایی که تراکم نود بیشتر است، سرشاخه های بیشتری برای دریافت و انتقال اطلاعات انتخاب می شوند. همچنین برای حل مشکل اتمام انرژی سرشاخه های هر گرید، از نودهای کمکی استفاده شده است. یکی دیگر از یافته های اساسی تحقیق، استفاده از خوشه-بندی مجدد برای انتقال اطلاعات می باشد که در روش پیشنهادی، بهترین جمعیتها به عنوان خوشه های بهینه برای دریافت و انتقال اطلاعات استفاده می شوند. یکی دیگر از مزایای روش پیشنهادی، جلوگیری از انتخاب نامناسب نودها به عنوان سرشاخه در قسمتهاییست که توزیع نود کمتر می باشد. این روش برای قسمتهایی از محیط که اصلا نودی وجود ندارد یا نودهای کمی وجود دارد ( تراکم نودها کمتر است )، استراتژیهای خاصی را به کار می گیرد. نتایج حاصل از شبیه سازی الگوریتم پیشنهادی جدید نشان می دهند که روش پیشنهادی، روشهای مشابه قبلی خود بخصوص روش leach را در زمینه های زیر بهبود می بخشد: • افزایش طول عمر شبکه بر اساس تعداد نودهای زنده در پایان اجرای راندهای مشخص • کاهش تعداد نسلهای اجرایی برای مشخص شدن نودهای عادی و سرشاخه ها • توازن بهتر خوشه بندی نسبت به روش leach و روشهای مشابه قبلی • کاهش تعداد نسلهای اجرایی برای تعیین مقدار برازندگی

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

امروزه سرعت در انتقال ترافیک های بلادرنگ از اهمیت خاصی برخوردار است. در نتیجه با تخصیص اولویت به ترافیک ها می بایست تدبیری اندیشیده شود تا ترافیک های بلادرنگ در کمترین زمان و بالاترین سرعت، بصورت کامل و سالم از شبکه عبور داده شوند. احتمال ایجاد خرابی در مسیرهایی که حامل ترافیک های شبکه هستند، امریست اجتناب ناپذیر و به دلیل اهمیت زیر شبکه های اولویت بالا ، می بایست این نوع ترافیک ها با تضمین بالا از شبکه عبور کنند. در این تحقیق، شبکه های هوشمند برق با زیر ساخت mpls ip/ بطور خاص مورد بررسی قرار گرفته و یک تکنیک تحمل خرابی در شبکه های mpls به جهت مقابله با خرابی های احتمالی بکار برده می شود. ترافیک های رسیده گوناگون از یک شبکه هوشمند اولویت بندی شده و با هر گروه اولویت، متفاوت رفتار می شود. از رویکرد طرح اشتراک آستانه (k,n) با مسیر یابی چند مسیره جهت هدایت این گونه ترافیک ها به مقصد از طریق زیرساخت mpls ip/ استفاده می شود. در این تحقیق سعی می شود با ارائه الگوریتم و رابطه ای بین k و n و نیز اعمال روشی جهت کنترل ازدحام در شبکه، این روش برای کاربردی تر شدن در شبکه های هوشمند برق مورد بررسی قرار گیرد. در این تحقیق در انتقال ترافیک های رسیده از این نوع زیرشبکه ها معیارهای تأخیر انتهابه انتها ، مفقودی بسته و بازدهی شبکه با شبیه سازی مورد تحلیل و بررسی قرار می گیرند. با ارائه این رابطه، علاوه بر تک خرابی ها چند خرابی ها نیز براحتی قابل مدیریت هستند. و در انتها با ارزیابی نتایج بدست آمده از شبیه سازی در نرم افزار opnet و با استفاده از رابطه پیشنهادی و مقایسه آن با نتایجی که قبلاً در این زمینه حاصل شده است، بهبود ایجاد شده به نمایش گذاشته می شود.

مطالبات در محاسبات آینده و همچنین چالش های طراحی مدارات مجتمع با تراکم بالا برای تکنولوژی نانومتر نیازمند روش ها و سبک های جدیدی در طراحی هستند، که بطور قطع این روش ها از کارائی بالا و مصرف توان پایین و همچنین مقاومت بالا در برابر نویز و تغییرات فرایند برخوردار خواهند بود. یکی از مشکلات بارز، مکانیزم ارتباطی است که بایستی بین تعداد رو به افزایش بلاک ها یا هسته ها که می توانند درون یک تراشه تعبیه شوند، برقرار شود. با تداوم کوچک سازی مدارات در تکنولوژی نانومتر، نواقص و اشکالات یک چالش جدی برای ساخت مدارات مجتمع با میلیون ها ترانزیستور خواهند شد. بنابراین راه حل هایی بایستی جهت آشکارسازی اشکالات اتصالات سیستم ـ برـ تراشه توسعه داده شود. ایده اصلی ما، ارائه یک معماری آزمایش مبتنی بر روش خود آزمون توکار با کارایی بالا برای آزمایش اتصالات در سیستم ـ برـ تراشه است. برای آزمایش اتصالات بین هسته ها، این معماری نقش بسزایی در کاهش چشمگیر زمان کاربرد آزمایش ایفا می کند بطوریکه در آن از قابلیت آزمایش بیرونی استاندارد ieee1500 در مد سریال استفاده شده است. مد سریال آزمایش بیرونی استاندارد ieee 1500 اساسأ برای آزمایش اتصالات در فرکانس های بالا با سرعت عملکردی تراشه هدفمند نشده است. بنابراین، ما با تغییرات کمی که در سلول های این استاندارد انجام داده ایم، معماری جدیدی طراحی شده است که در آن با بکارگیری روش خود آزمون توکار یک آزمایش با سرعت عملکردی تراشه برای اتصالات فراهم شده است، بطوریکه با شبیه سازی و سنتز معماری پیشنهادی نشان دادیم که زمان آزمایش اتصالات بین هسته های سیستم ـ برـ تراشه از 87% برای یک کانال 8 بیتی، تا 98% برای یک کانال 64 بیتی، نسبت به روش های آزمایش سنتی بهبود یافته است. از طرفی، در مساحت سلول های توسعه داده شده در معماری پیشنهادی در طرف فرستنده، گیرنده و هر دو جهت اتصالات بترتیب 26%، 22% و 17% نسبت حالت استاندارد افزایش داشته ایم.

توزیع شدگی در الگوریتم های مسیریابی مبتنی بر منابع غذایی مسئله مهمی می باشد که با الگوریتم های قبلی مورد مقایسه قرار گرفته است. به همین منظور در الگوریتم پیشنهادی، مشارکت کلیه منابع با توزیع شدگی متوازن را ایجاد کرده ایم. در این طرح یک الگوریتم مسیریابی بهبودیافته بر اساس منابع غذایی توزیع شده در بهینه سازی کلونی مورچگان ارائه گردیده است. استفاده از الگوریتم پیشنهادی، drafs، در یافتن کوتاهترین مسیر به ما کمک می کند تا بتوانیم با استفاده از پارامترهای شاخص، تابع صلاحیتی ایجاد نماییم که راه حل بهینه ای نسبت به الگوریتم های مورد مقایسه ارائه دهد. با مشاهده پارامترهای مسافت و زمان در پیدا کردن راه حل بهینه، تابع هدفی معرفی می نماییم که با افزایش کارایی الگوریتم همراه است. با مقایسه الگوریتم drafs با سایر الگوریتم های مسیریابی قبلی، ما از مکانیزم مشارکت بین مورچگان بهره گرفته ایم که این امر منجر به هدایت مورچه های با کارایی پایین توسط مورچه های با کارایی بالا شده است. در این صورت کیفیت بهینه ای نسبت به راه حل های موجود در الگوریتم مورد استفاده قرار می گیرد. در نهایت استفاده از این دو تکنیک به ما کمک می کند تا بهره وری و قابلیت اطمینان الگوریتم افزایش یابد و در مقایسه با دو روش tsiaco و acoda، منبع غذایی توزیع شده ای ایجاد شود که زمان دسترسی به منبع را در مجموعه داده های بزرگ کاهش دهد.

بررسی تک تک عامل ها به ما نشان داد که همه آن ها بر روی مدیریت دانش تأثیر مثبت دارند، همچنین بررسی همه عامل ها با هم نیز نشان دهنده آن است که این عامل ها با هم می توانند تأثیر بهتری بر موفقیت مدیریت دانش داشته باشند. بنابرای بر اساس پنج سناریو که در واقع پنج حوزه را نشان می دهند مشخص می کند با فعالیت در آن ها به موفقیت مدیریت دانش کمک خواهد شد. لذا چارچوب پیشنهادی بر اساس شبیه سازی و پرسشنامه ناجام شده به عنوان چارچوب عوامل کلیدی موفقیت مدیریت دانش بصورت پنج سناریوی یا به عبارت صحیح تر پنج حوزه ارائه می شود. همان طور که قبلاً گفته شد با فعالیت هم زمان در این پنج حوزه و رشد عامل های مربوطه می توان به موفقیت مدیریت دانش اطمینان بیشتری داشت . o افزایش دانش کارکنان : آموزش، ارتباطات غیر رسمی. o افزایش توانائی کارکنان : توانائی تبدیل دانش پنهان به آشکار. o افزایش تلاش کارکنان : فرهنگ (یادگیری و تسهیم)، سیستم های انگیزشی و پاداش (پاداش و ارتباط پیشرفت شغلی با فعالیت های دانشی). o افزایش رضایت کارکنان : دانش مناسب (دسترسی به منابع، کیفیت دانش، نقشه دانش)، سیستم مدیریت دانش (استفاده راحت، جستجوی قدرتمند، شخصی سازی، تعاملات اجتماعی). افزایش رضایت مدیران : افزایش متوسط دانش کارکنان، پوشش مناسب سرفصل ها، ارتباط مناسب بین دانش های مخزن، ارزش دانش های وارد شده.

یکی از مسائل اصلی مطرح شده در پایگاه داده توزیع شده تکرار شئ و تخصیص آن به پایگاه داده ها می باشد. تکرار شئ یک روش معمول استفاده شده در پایگاه داده های توزیع شده جهت بهبود بخشیدن به کارایی در دسترسیهای شئ است. در این تحقیق، یک الگوریتم پویای تکرار شی (orad) در پایگاه داده های توزیع شده ارائه شده است به طوری که درخواست های خواندن و نوشتن در پایگاه داده ها توزیع شده را با کمترین هزینه پاسخ دهد. این الگوریتم با به کارگیری تابع صلاحیت الگوریتم های قبلی و تغییر آنها با روش و فاکتورهای جدید و اعمال تصمیمات الگوریتم، داده های تکثیری ایجاد شده در پایگاه داده های توزیع شده را بهینه می نماید. ما الگوریتم orad را با استفاده از فاکتورهای موثر ارائه داده و نتایج الگوریتم را در چندین وضعیت معتبر مشاهده می کنیم. جهت ارزیابی عملکرد الگوریتم پیشنهادی، آن را با الگوریتم adrw که یکی از الگوریتم های مهم در این زمینه است، مقایسه می کنیم. نتایج نشان خواهد داد که الگوریتم orad نسبت به الگوریتم adrw نظر میانگین هزینه سرویسدهی درخواست بهتر عمل می کند.

برای طراحی پروتکل های مسیر یابی در شبکه های حسگر بی سیم نیاز به پارمترهای شاخص داریم، تا بتوانیم محدودیت در تامین انرژی گره ها را کاهش دهیم.باترکیب نمودن پارامترهای شاخص یک تابع صلاحیت را ارائه خواهیم داد.تا کارآیی روش پیشنهادی را افزایش دهیم در tdwsn ارائه یک الگوریتم برای انتخاب ch بهینه با در نظرگرفتن پارامترهای شاخص برای کاهش مصرف انرژی است . که در شبکه حسگر با توزیع حالت های گره ، تکنیکی ایجاد نموده ایم تا گره بهینه به منظور افزایش ذخیره سازی انرژی در سرتاسر شبکه حسگر بی سیم صورت پذیرد. با ادغام نمودن پارامترهای شاخص و با در نظر گرفتن آستانه ای توانستیم در تابع هدف نسبت به الگوریتمgbr حالت رقابتی آن را حذف کنیم و این کار زمانی است که بتوانیم با وجود پارامترهای شاخص گره های تکراری که در شبکه حسگر بی سیم وجود دارند را کاهش دهیم در نهایت با ترکیب نمودن پارامترهای زمان و فاصله و تاخیر و وزن توانستیم بهره وری انرژی را نسبت به نمونه های قبلی افزایش دهیم.

توسعه الگوریتم های مسیر یابی در شبکه های حسگر بیسیم ، وابسته به افزایش تامین انرژِی در گره ها می باشد با مشاهده الگوریتم های پیشین در خصوص الگوریتم های مسیر یابی داده محور ، روش etdwsn ارائه داده ایم در روش پیشنهادی با ترکیب نمودن پارامترهای شاخص ، تابع برازندگی ایجاد نموده ایم در روش etdwsn مصرف انرژی را کاهش داده ایم و نیز در این حالت بهره وری شبکه در سیستم های حسگر افزایش می یابد در روش پیشنهادی با استفاده از آستانه آشکارساز صحیح توانستیم افزایش انرژی را در شبکه حسگر بی سیم داشته باشیم در روش etdwsn با انتخاب نمودن پارامترهای شاخص تابع صلاحیت را ارائه داده ایم که با عمل مقایسه انتخاب گره های همسایه نسبت به گره منبع ، فاصله مسیریابی را بهبود داده ایم در نهایت متوسط زمان تاخیر در گره ها نسبت به auto gbr ، gbr-c و gbrرا کاهش داده ایم . و میانگین مصرف انرژِی برای شبکه های مختلف دادیم .

با توجه به اینکه پیش بینی خطا در جهت افزایش سرویس دهی کاربران موضوع مهمی می باشد، بدین منظور ما یک روش برای پیش بینی خطا به منظور سرویس دهی داده جهت توزیع بار با استفاده از الگوریتم ماشین بردار پشتیبان ارائه دادیم. ما این روش را با در نظر گرفتن ورودی های پاک سازی شده به عنوان بردار آموزش به الگوریتم ماشین بردار پشتیبان ارائه دادیم. در این حالت دقت سیستم پیش بینی نسبت به کارهای پیشین افزایش یافت.

در این تحقیق یک روش تعیین مراکز خوشه اولیه ، بر اساس الگوریتم رقابت استعماری که نوع جدیدی از الگوریتم های تکاملی است معرفی خواهد شد و از مزایای درخت پوشای مینیمم و یک ایده از الگوریتم کلونی مورچه ها، استفاده شده است. در الگوریتم رقابت استعماری با دو مفهوم مستعمره و استعمارگر مواجه هستیم و برای تعیین استعمارگرهای اولیه جهت محاسبه مراکز اولیه خوشه، ابتدا با محاسبه فاصله اقلیدسی و تشکیل ماتریس مجاورت ، درخت پوشای مینیمم فضای داده ها، ترسیم می شود و پس ازآن سفیرها و تاجرها بین کشورها حرکت خواهند کرد و پس از به روزرسانی هزینه راه ها و درجه اهمیت کشورها و حذف مسیرهای پراهمیت ، استعمارگرهای اولیه الگوریتم رقابت استعماری مشخص خواهند شد. پس ازآن با تعیین تابع هزینه مناسب برای هر کشور و اجرای الگوریتم ، مراکز امپراتوری به دست آمده به عنوان مراکز خوشه اولیه الگوریتم کی مینز برای خوشه بندی استفاده خواهند شد. روش ارائه شده به نام cib-ica جهت برخی از مجموعه داده های معروف موردبررسی قرارگرفته و نتایج تجربی نشان می دهد که روش ارائه شده در تعیین مراکز خوشه اولیه کارآمد می باشد.

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.

svm یک الگوریتم یادگیری مرتبط به تجزیه و تحلیل داده ها و تشخیص الگوها مورد استفاده می باشد.اما مسئله مهمی که وجود دارد داده های تکراری و همچنین زمان پردازش واقعی آن بدرستی مورد محاسبه واقع نشده است. به همین دلیل ما یک روش برای کاهش طبقه بندی داده ها با استفاده از تکنیک وزن دهی در svm+ است را ارائه داده ایم. روش پیشنهادی که با درنظر گرفتن پارامترها نسبت به svm+ زمان پاسخگویی بهینه دارد.با مشاهده پارامتر حجم داده ها و چگالی آن ها توانستیم اندازه بازه را به صورت موردی قسمت بندی نماییم که این طبقه بندی نسبت به مطالعه موردی بررسی شده زمان اجرای الگوریتم svm+ را کاهش می دهد. همچنین با ارائه تابع هدف روش پیشنهادی، توانستیم با ادغام نمودن پارامترها و قسمت بندی داده ها، داده های تکراری را نسبت به svm+ کاهش داده و درنهایتحدآستانه ای تعریف نمودیم تا با توجه به تابع صلاحیت، زمان پردازش را کاهش داده و همچنین سرعت پردازش داده ها را افزایش دهیم. درنهایت الگوریتم پیشنهادی با تکنیک وزن دهی تابع نسبت به svm+ از لحاظ کارآمدی بهینه شده است.