در ابتدای پایان نامه، پارامترهای مختلف qos شبکه های تنیده ی بی سیم مبتنی بر wimax به صورت تحلیلی ارزیابی شده اند. این تحلیل با استفاده از دو مدل m/d/1 و m/d/1/k انجام شده است.با توجه به این تحلیل طول شبکه های تنیده ی بی سیم مبتنید بر wimax محدود بوده و این شبکه ها از لحاظ تاخیر، اتلاف بسته ها و بازدهی تحلیل شده اند. در ادامه ی پایان نامه، ساختاری برای یکپارچه سازی و ترکیب دو شبکه ی محلی بی سیم و وجه تنیده ی شبکه ی بی سیم شهری ارائه شده است. در این ساختار از یک الگوریتم برای زمانبندی بسته های ارسال شده از زیرشبکه ی محلی به اینترنت از طریق شبکه ی تنیده ی شهری ارائه شده است. در این الگوریتم انواع ترافیک از قبیل ترافیک بلادرنگ و غیر بلادرنگ و کشسان لحاظ شده اند. الگوریتم به صورتی ارائه شده است که بی طرفی بین این انواع ترافیک اعمال شود. از طرفی برای اعمال بی طرفی بین 6 صف تعیین شده، از یک واحد کنترل پذیرش نیز در کنار زمانبند استفاده شده است. در اینجا نیز شبکه ی ترکیبی با استفاده از شبیه ساز ns2، شبیه سازی شده و پارامترهای مختلف qos از قبیل تاخیر و بازدهی، ارزیابی شده اند. در ادامه ی پایان نامه، زمانبندی بسته های ارسالی از زیرشبکه ی محلی به سمت اینترنت از طریق شبکه ی تنیده ی شهری بر روی پیوندهای تنیده، به استفاده از الگوریتم وراثتی بررسی شده است. سه نوع ترافیک بلادرنگ، غیربلادرنگ و کشسان برای ارزیابی استفاده شده اند. در ابتدا مسئله به صورت صوری توصیف شده و سپس با استفاده از الگوریتم وراثتی پیاده سازی شده است. نتایج شبیه سازی با استفاده از ns2 نشان می دهد که این الگوریتم برای شبکه هایی که تعداد گره های کمتر از 25 دارد، بسیار سریع عمل می کند. از طرفی به جهت قابلیت استفاده ی مجدد از فضا در این الگوریتم، سربار ایجاد شده بسیار کم خواهد بود.

مسأله انتخاب ویژگی مجموعه های ناهموار فازی یک مسأله ی چند مدی است، که در آن دست یابی به دو هدف مد نظر است: اول انتخاب زیرمجموعه ای از ویژگی ها به طوری که کم ترین طول و بیش ترین تأثیر را در پیش بینی خروجی داشته باشد؛ دوم، به منظور پیدا کردن کوچکترین زیرمجموعه از ویژگی ها با حداکثر اطلاعات در مورد مجموعه داده. در حالت اول، سعی می شود زیرمجموعه ای از ویژگی ها انتخاب شود که دقت دسته بند را افزایش دهد. به همین دلیل ما ترجیح می دهیم زیرمجموعه ای از ویژگی ها را انتخاب کنیم که به طور عمومی خوب هستند، هرچند ممکن است برای یک دسته بند خاص خوب نباشند. در حالت دوم، به طور خاص بر افزایش دقت دسته بند تکیه نمی کنیم و افزایش درجه ی وابستگی مورد توجه می باشد. همچنین برخی ازمجموعه داده ها دارای چندین کاهش می نیمم می باشند که هر کدام از آن ها می تواند یک جواب بهینه باشد، ازاین رو می توان به مسأله ی انتخاب ویژگی، به عنوان یک مسأله ی چند مدی نگریست. در این پایان نامه، برای دست یابی به هر کدام از اهداف بالا، سه روش جدید انتخاب ویژگی ناهموار فازی بر اساس الگوریتم های جستجوی فرااکتشافی ارائه می شود. روش های ارائه شده علاوه بر دست یابی به کاهش های می نیمم با کیفیت بالا، این مزیت را بر روش های مشابه دارند که قادر به یافتن چندین کاهش می نیمم متمایز در مجموعه داده می باشند.

در اینترنت اشیا، ارتباط برقرار کردن بین اشیا به تنهایی کافی نیست، بلکه اشیا باید توانایی آموختن و درک محیط اطرافشان را نیز داشته باشند. یکی از مهم ترین ابزارهای کسب اطلاعات و درک محیط اطراف، فناوری شبکه های حسگر بی سیم است، که امروزه تحقیقات گسترده ای را به خود معطوف نموده است. این فناوری یکی از مهم ترین فناوری های اینترنت اشیاست که با وجود پیشرفت های صورت گرفته هنوز هم هزینه ی مصرفی بالایی دارد. بنابراین مهم ترین مساله در این تحقیق، بهبود روش های پیشنهادی در جهت افزایش کیفیت اطلاعات و افزایش دقت پیش بینی اطلاعات می باشد، تا در این راستا روش های پیشنهادی بتوانند تاثیر مثبتی بر کاهش هزینه ی شبکه های حسگر بی سیم نیز داشته باشند. بدین منظور، در این تحقیق پنج روش پیشنهادی همجوشی و یک روش داده کاوی اطلاعات، با کاهش نمونه های غیرضروری و توانایی پیش بینی اطلاعات یکسری از گره ها، کیفیت همجوشی و دقت پیش بینی اطلاعات را افزایش می دهند؛ هم چنین ارتباطات غیرضروری را برای ارسال داده های تکراری و نویزی به حداقل می رسانند و با غیرفعال نگه داشتن یکسری از گره های حسگر، در کاهش هزینه ی شبکه های حسگر نیز تاثیر مثبتی دارند. در این پنج روش پیشنهادی همجوشی اطلاعات، جهت حذف نمونه های نویزی و تکراری پیش پردازش اطلاعات انجام می شود. سپس با استفاده از روش های کاهش ابعاد داده ها، موثرترین ویژگی ها شناسایی می شوند. آنگاه توسط روش های دسته بندی به آموزش و پیش بینی داده های جدید پرداخته می شود. روش پیشنهادی داده کاوی نیز با خوشه بندی اطلاعات گره ها، اطلاعات دقیقی را از بین اطلاعات انبوه گره های حسگر کسب می کند؛ هم چنین با الگوریتم c&r tree، اطلاعات یکسری از گره ها را توسط سایر گره ها پیش بینی می نماید و نقش موثری را در بهبود دقت پیش بینی اطلاعات ایفا می کند. در بخش نتایج نیز براساس چهار پارامتر معرفی شده نتایجی به دست می آید، که این نتایج بر مبنای مجموعه داده های معتبر می باشد و حاکی از تاثیر گذار بودن این روش های پیشنهادی در بهبود کیفیت همجوشی اطلاعات و افزایش دقت پیش بینی اطلاعات دارد.

شبکه های بین خودرویی زیرمجموعه ای از شبکه های سیار موردی می باشند که در آن خودروها به عنوان گره های شبکه محسوب می شوند؛ این شبکه ها برای برقراری ارتباط بین خودروها و کنترل ترافیک در جاده ها ایجاد شده اند. شبکه های بین خودرویی دارای ویژگی های مشابهی با شبکه های سیار موردی است و تفاوت اصلی آن با شبکه های سیار موردی در تحرک سریع گره-ها است که باعث تغییر سریع توپولوژی در این شبکه می شود. تغییرات سریع توپولوژی شبکه، چالشی بزرگ در مسیریابی محسوب می شود؛ درحالیکه، پروتکل های مسیریابی باید قوی و قابل اعتماد باشد. یکی از پروتکل های مسیریابی شناخته شده در شبکه های بین خودرویی، پروتکل مسیریابی aodvاست. اعمال این پروتکل مسیریابی بر روی شبکه های بین خودرویی نیز دارای مشکلاتی است که با افزایش مقیاس شبکه و تعداد گره ها، تعداد پیام های کنترلی در شبکه افزایش می یابد. پروتکل مسیریابی aodv برای انتخاب مسیر از معیار کمترین تعداد گام در مسیر استفاده می کند که باعث کاهش کارایی شبکه و عدم انتخاب مسیرهای پایدارترمی شود. در این پایان نامه سه روش برای مسیریابی ارائه شده است که تا حدودی مشکلات ذکرشده را بهبود می دهد. روش های پیشنهادی اول و دوم برای حل مشکل انتخاب مسیر ارائه شده اند که از یک سیستم استنتاج فازی برای انتخاب مسیر استفاده می کند. روش پیشنهادی سوم یک روش مبتنی بر خوشه بندی است که برای کاهش تعداد پیام های کنترلی پیشنهاد شده است. معیارهای که برای ارزیابی عملکرد این روش ها استفاده شده، نرخ تحویل بسته، بار مسیریابی نرمال شده و میانگین تاخیر انتها به انتها می باشد. نتایج حاصل از دو روش اول نشان دهنده بهبود معیارهای ارزیابی نرخ تحویل بسته و میانگین تاخیر انتها به انتها نسبت به پروتکل های مسیریابی aodv و fcar است و نتایج بدست آمده از روش پیشنهادی سوم باعث بهبود بار مسیریابی نرمال شده و افزایش نرخ تحویل بسته در مقایسه با پروتکل مسیریابی aodv شده است.