منظور از کنترل همزمان، پایدارسازی چند سیستم، تحت یک کنترلگر پس خوردی است. به وی‍‍ژه در کنترل پرواز هواپیما تحت شرایط مختلف، که به وسیله یک مجموعه از سیستم های دینامیکی خطی بیان می شوند کاربرد دارد. کنترلگر همزمان، پیوستگی و اطمینان ایجاد می کند. در این رساله روشی نو برای کنترل همزمان یک مجموعه از سیستم های کنترل پذیر خطی ارائه می گردد. با استفاده از تبدیلات تشابهی و پیدا کردن یک سری نامعادلات می توان یک کنترلگر جهت پایدارسازی همزمان سیستم ها به دست آورد. علاوه بر اینف از الگوریتم های ژنتیکی به منظور حل مساله مینیمم سازی مقید به دست آمده از مجموعه معادلات و نامعادلات استفاده شده است. بهبود پاسخ زمانی با استفاده از یک فیلتر پایین گذر نیز مورد بررسی قرار گرفته است. دست آوردهای جدید در چند مثال به نمایش گذاشته شده است.

بطور کلی در مدل سازی استحکام نخ، بر اساس ارتباط بین خواص لیف و نخ، استحکام نخ نهایی با استفاده از مدل پیش بینی می شود. این پایان نامه به مدل سازی استحکام نخ و مسأله تولید نخ رینگ با استحکام مطلوب با کمترین هزینه بر اساس به کارگیری سیستم های هوشمند می پردازد. مسأله استحکام نخ و اهمیت آن در صنعت نساجی، همچنین پارامترهای موثر بر آن ارائه می گردد. برخی از روش های مدل سازی استحکام نخ از جمله سیستم های هوشمند مثل شبکه های عصبی و روش های مدل سازی دیگر مثل مدل سازی آماری (رگرسیون)، مکانیکی و ریاضی بیان می گردد. نتایج مطالعات نشان می دهد که شبکه های عصبی مصنوعی یکی از مناسب ترین ساختار ها برای مدل سازی هستند. لذا در این پروژه برای مدل سازی از شبکه های عصبی استفاده شده است. ابتدا داده های مربوط به نخ صد درصد پنبه ای با نمره سی انگلیسی جمع آوری می شود. برای این منظور، یک دسته آزمایشات در رنج های متفاوت انجام شد. پس از جمع آوری داده ها، ساختار شبکه تعیین و به مبحث مدل سازی پرداخته شده است. جهت آموزش شبکه، از روش آموزش پس انتشار خطا در جهت حداقل کردن خطا استفاده شده است. خطای کم خروجی های مدل (شبکه عصبی آموزش داده شده) برای داده های تست، نشانگر دقت بالای مدل می باشد. پس از بدست آوردن مدل مطلوب، یک راهکار جدید برای تعیین بهینه مقادیر موثر در تولید نخ به منظور رسیدن به استحکام مطلوب نخ با استفاده از الگوریتم ژنتیک ارائه می گردد. آزمایشات متعددی در رنج ها و با توابع هزینه تولید متفاوت انجام می شود و جواب مطلوب از لحاظ دستمزد، انرژی، و هزینه مواد با حفظ استحکام مطلوب تعیین می گردد.

مسیریابی از مسائل مهم و حیاتی در شبکههای مخابراتی است. هدف مسیریابی، یافتن بهترین مسیر بین فرستنده و گیرنده و سپس ارسال داده ها از طریق آن مسیر است. در این الگوریتمها، گره های میانی هنگام ارسال داده ها تنها مجازند بستهها را از روی یال های ورودی رونویسی کرده و روی یال های خروجی مناسب قرار دهند. به عبارت دیگر هیچگونه تغییر توسط این گره ها در داده ها مجاز نمیباشد. کدگذاری شبکه روش جدیدی برای ارسال دادهها است. در این روش گره های میانی نه تنها از بسته ها نسخه برداری می کنند بلکه مجازند روی این بسته ها تغییراتی نیز اعمال نمایند. هر گره مجاز است ترکیبی از بسته های ورودی را روی یال های خروجی خود قرار دهد. اولین پیاده سازی کدگذاری شبکه در شبکه های توری بی سیم ، cope نام دارد. روش هایی که از مکانیزم cope استفاده می کنند و می خواهند بهترین کد شبکه را پیدا کنند را opnc می نامیم. در این پایان نامه ابتدا در مورد پیچیدگی روش هایopnc بحث خواهد شد. سپس روش جدیدی برای کدگذاری فرصت طلبانه شبکه های بی سیم ارائه می شود که نه تنها برون دهی شبکه را نسبت به روش های بدون کدگذاری شبکه افزایش می دهد، بلکه پیچیدگی محاسبات کمتری نسبت بهopnc دارد. این روش از مکانیزم تقسیم و حل برای پیدا کردن کد شبکه شبه بهینه استفاده می کند. شبیه سازی ها نشان می دهد که این روش، کد شبکه ای نزدیک به کد شبکه روش opnc پیدا می کند.

شبکه های مش بی سیم نوع خاصی از شبکه های سیار موردی هستند که به عنوان یک تکنولوژی مهم برای نسل بعدی شبکه های بی سیم در سال های اخیر مورد توجه زیادی قرار گرفته-اند. یک چالش مهم در شبکه های مش بی سیم گذردهی پایین است و دلیل اصلی آن وجود تداخل میان کانال های فرکانسی است. تداخل باعث کاهش تعداد انتقالات همزمان و در نتیجه کاهش گذردهی می شود. یک روش مناسب برای بهبود گذردهی شبکه های مش استفاده از کانال های فرکانسی متعامد به طور همزمان است. در این شبکه ها هر گره به چندین واسط رادیویی مجهز شده و هر واسط می تواند از یک یا چند کانال فرکانسی به طور همزمان استفاده کند که این امر باعث کاهش تداخل و افزایش گذردهی می شود. وجود چندین کانال و واسط رادیویی، مساله چگونگی تخصیص کانال به هر لینک را بوجود می آورد. در واقع، تخصیص کانال یک نگاشت مناسب بین کانال های فرکانسی و واسط های رادیویی است به گونه ای که تداخل موجود در شبکه را مینیمم کند. این مساله یک مساله بهینه سازی np-hard است. در این پایان نامه پس از بررسی و دسته بندی روش های مختلف تخصیص کانال و الگوریتم های موجود در آن ها، دو الگوریتم از روش های اکتشافی به نام الگوریتم ژنتیک والگوریتم جست و جوی ممنوع معرفی شده اند. پس از ارزیابی این دو الگوریتم، الگوریتمی ترکیبی بر اساس مزایا و معایب الگوریتم ژنتیک و ممنوع طراحی شده است. مقایسه ها نشان دهنده عملکرد بهتر الگوریتم ترکیبی نسبت به دو الگوریتم مذکور است. همچنین الگوریتم ترکیبی در محیط شبیه ساز ns-2 پیاده سازی گردیده و با حالت استاندارد تک رادیویی مقایسه شده است. نتایج شبیه سازی نشان دهنده بهبود عملکرد الگوریتم ترکیبی از لحاظ افزایش گذردهی با تقریب نزدیک به سه برابر نسبت به حالت تک رادیویی می باشد.

مسیریابی تأمین کیفیت خدمات که شامل سیستم های علامت دهی نیز می باشد، یکی از مهم ترین عملکردهای اساسی شبکه های سرویس تجمعی محسوب می شود. در سال های اخیر امنیت در مسیریابی تأمین کیفیت خدمات شبکه های سیار پیشا بسیار مورد توجه قرار گرفته است. این پایان نامه مشتمل بر دو قسمت می باشد. در قسمت اول به بررسی آسیب پذیری ها و انواع حملات قابل وقوع در مسیریابی تأمین کیفیت خدمات پرداخته می شود و در قسمت دوم پایان نامه راهکاری برای مسیریابی امن تأمین کیفیت خدمات با در نظر گفتن ملاحظات تأمین کیفیت خدمات پیشنهاد شده است. مقصود از انجام قسمت دوم این پایان نامه ارائه یک راهکار جدید برای پروتکل مسیریابی چندمسیره ی بر اساس تقاضا (aomdv) برای تأمین کیفیت خدمات است که هر دو مبحث قابلیت اعتماد تأمین کیفیت خدمات و امنیت را با کم ترین افزونگی داده فراهم کند. در این راستا، از راهکار تصحیح خطای fec و پراکندگی داده اصلی بر روی مسیرهای چندگانه استفاده شده است. راهکار تصدیق هویت گام به گام یک ابزار امنیتی دیگر است که برای جلوگیری از مجموعه ای از حملات مهم و شناخته شده به کار گرفته شده است. در آخر شبیه سازی با معیارهای مختلف انجام گرفته و راهکار پیشنهادی با روش های قبلی مقایسه شده است. نتایج شبیه سازی نشان می دهد که نسبت تحویل دادن بسته و میانگین نرخ پذیرش درخواست، افزایش و تأخیر انتها به انتها نیز کاهش یافته است. در صورتیکه سربار نرمال شده بسته و سربار مسیریابی به نسبت روش های قبلی افزایش یافته و در نتیجه توان عملیاتی کاهش یافته است.

کیفیت سرویس جزء یکی از مهمترین مباحث در ترکیب وب سرویس ها می باشد. کیفیت سرویس در وب سرویس ها شامل یک سری ویژگی های غیر عملیاتی مانند هزینه اجرا، زمان اجرا، دردسترس پذیری، نرخ موفقیت در اجرا و امنیت می باشد. در سال های اخیر، تعداد وب سرویس ها به شدت افزایش یافته است، در نتیجه تعداد وب سرویس هایی که عملکرد یکسانی دارند نیز افزایش یافته است. تفاوت این وب سرویس های مشابه، تنها در کیفیت عملکردشان می باشد. همچنین مشتریان هر روزه درخواست انجام کار های پیچیده تری دارند به طوری که انجام آن کار توسط یک وب سرویس امکان پذیر و به صرفه نیست. بنابراین انتخاب یک طرح ترکیبی از میان طرح های ترکیبی مختلف که بتواند نیاز های کیفی مشتریان را برآورده کند تبدیل به یکی از مهمترین مباحث شده است. در این پایان نامه یک بهینه ساز ترکیب وب سرویس ها بر اساس کیفیت سرویس که با استفاده از الگوریتم ژنتیک کار می کند پیشنهاد شده است. روش پیشنهادی می تواند طرح مورد نظر را که نیاز های کیفی مشتری را برآورده می سازد، به صورت موثری پیدا کند. برای رهایی از دام بهینه های محلی راه های متعددی پیشنهاد شده است. توابع تولید اولیه ی کروموزوم ها، انتخاب و برازش به نحوی طراحی شده اند که الگوریتم بتواند به سرعت به سمت جواب بهینه همگرا شود. همچنین برای جلوگیری از به دام افتادن الگوریتم در دام بهینه های محلی روش موثری پیشنهاد شده است. کارایی این الگوریتم در محیط شبیه سازی ارزیابی شده است. نتایج حاکی از کارایی قابل قبول این روش دارد. این الگوریتم هم از لحاظ زمان بدست آوردن جواب بهینه و هم از لحاظ عدم به دام افتادن در دام بهینه های محلی از الگوریتم های مشابه بسیار بهتر می باشد.

شبکه های حسگر بی سیم از مجموعه ای از گره های مستقل با توان مصرفی و پردازشی محدود تشکیل شده اند، که در یک منطقه جغرافیایی برای مانیتورینگ و جمعآوری داده مربوط به پدیدههای فیزیکی مثل دما، رطوبت، حرکت و غیره از محیط اطراف، گسترش یافته اند. گره های شبکه از طریق فرستنده های رادیویی با یکدیگر در ارتباط هستند و اقدام به جمع آوری اطلاعات از محیط می نمایند. از مهمترین چالش های موجود در شبکه های حسگر بیسیم محدودیت مصرف انرژی و بالا بردن طول عمر شبکه است. از عوامل مهم تاثیرگذار بر طول عمر شبکه، مصرف انرژی غیریکنواخت در قسمت های مختلف شبکه می باشد. این مصرف انرژی غیریکنواخت نتیجه ی مستقیم داشتن چاهک استاتیک می باشد، به طوری که گره های نزدیکتر به چاهک، علاوه بر ارسال داده های خود دائماً در انتقال داده بقیه گره ها هم شرکت دارند و همین امر باعث تخلیه انرژی زودهنگام گره های نزدیک به چاهک خواهد شد. در این حالت، تمام شدن انرژی گره های نزدیک تر به چاهک، دلیل اصلی کاهش طول عمر شبکه می باشد. در این پایان نامه یک الگوی مبتنی بر تحرک برای داشتن چاهک متحرک در شبکه های حسگر بی سیم ارائه شده است. ما در بازه های زمانی مشخص، با استفاده از یک سیستم فازی در مورد اینکه گره چاهک به کدام مکان در محیط شبکه تغییر موقعیت دهد، تصمیم گیری می کنیم. کارایی روش پیشنهادی را در مقایسه با چندین روش موجود در نرم افزار شبیه ساز ns2 مورد بررسی قرار دادیم و بر اساس نتایج شبیه سازی، روش پیشنهادی باعث بالا رفتن طول عمر شبکه و توزیع یکنواخت تر بار میان گره ها خواهد شد.

شبکه های مش بی سیم، شامل مسیریاب های مش و کلاینت های مش هستند، که مسیریاب های مش با کمترین تحرک، ستون فقرات شبکه مش را شکل می دهند. مسیریاب ها و کلاینت ها در شبکه مش از طریق دروازه به اینترنت دسترسی پیدا می کنند. امروزه شبکه های مش بی سیم، سرویس های بی سیم را در گستره متنوعی از کاربردها، در سطح شخصی، محلی، محوطه های دانشگاهی و نواحی شهری ارائه می دهد. یکی از اصلی ترین چالش های موجود در طراحی شبکه مش بی سیم، تعیین موقعیت مکانی مسیریاب های مش در شبکه است. در واقع، تعیین مکان مسیریاب های مش در ساختن یک شبکه مش بی سیم، اولین مرحله در تضمین کارایی مطلوب در شبکه است. مسئله ی اساسی در جایگذاری مسیریاب های مش، یافتن تعداد مسیریاب های مورد نیاز مش است به گونه ای که معیارهای مورد نیاز این شبکه را برآورده کند. در این پایان-نامه یک روش ابتکاری که با استفاده از الگوریتم ژنتیک، برای یافتن تعداد مسیریاب ها و موقعیت بهینه آن ها پیشنهاد شده است. روش پیشنهادی می تواند معیارهای لازم این شبکه را به طور موثری تامین کند. نتایج حاکی از کارایی قابل قبول این روش دارد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی از لحاظ تعداد مسیریاب ها و میزان فضای پوششی متناسب با آن، از روش های مشابه، بهتر است.

شبکه های سیار پیشا متشکل از تعدادی گره های متحرک هستند که از طریق لینک های بی سیم با هم ارتباط دارند. این شبکه ها فاقد زیرساخت هستند و در آنها هر گره وظیفه مسیریابی را نیز بر عهده دارد. ویژگی های خاص این شبکه ها مانند توپولوژی پویا و عدم زیرساخت ارتباطی، مسیریابی در این شبکه ها را با چالش های اساسی مواجه ساخته است. پروتکل های مسیریابی گوناگونی برای شبکه های سیار پیشا ارائه شده است که هریک سعی داشته اند به نحوی با ویژگی های خاص این شبکه ها کنار بیایند. پروتکل مسیریابیaodv یکی از پروتکل های مسیریابی مطرح و مبنایی در شبکه های سیار پیشا است که در مقالات و پژوهش-های زیادی به آن پرداخته شده و بعنوان یک شاخص برای سنجش کارائی پروتکل های جدید از آن استفاده می شود. در پروتکل مسیریابی aodv برای انتخاب مسیر از معیار کوتاهترین مسیر استفاده می-شود که بهینه نیست، زیرا کوتاهترین مسیر لزوماً بهترین مسیر نیست. برای رفع این مسئله، با ایجاد تغییراتی در این پروتکل و با طراحی و پیاده سازی یک سیستم فازی با سه ورودی تعداد گام مسیر، میانگین بسته های کنترلی ارسالی توسط گره های میانی مسیر و کمترین انرژی باقیمانده در گره های میانی، پروتکل هوشمند f-aodv ایجاد شد. در گام بعدی با استفاده از الگوریتم ژنتیک تلاش شد تا سیستم فازی موجود در f-aodv آموزش داده شود و کارائی آن بیشینه گردد که این موضوع، پروتکل مسیریابی ga-faodv را بوجود آورد. استفاده از این روش های هوشمند سبب افزایش کارائی پروتکل های جدید نسبت به پروتکل مسیریابی aodv شده است. افزایش میزان توان عملیاتی شبکه ، کاهش تأخیر انتها به انتها ، کاهش نوسانات تأخیر و سربار مسیریابی از جمله نتایج آن است.

موضوع پایان نامه به خزش و رتبه بندی صفحات وب اختصاص داده شده است. خزش و رتبه بندی از بخش های مهم در موتور های جستجو می باشند که به ترتیب وظیفه ی بارگذاری صفحات با کیفیت و رتبه بندی نتایج بازگشتی به کاربر را بر عهده دارند. تا کنون الگوریتم های خزش متنوعی پیشنهاد شده اند، اما یا بازدهی مناسبی نداشته اند یا از پیچیدگی بالایی برخوردار هستند. لذا الگوریتم خزش کارایی به نام ieca(intelligent effective crawling algorithm) پیشنهاد می گردد که نسبت به الگوریتم های فعلی از کارایی بالاتر و پیچیدگی پایین تری برخوردار می باشد. در روش پیشنهادی اهمیت صفحات بر اساس چندین ویژگی نظیر درجات ورودی ، فاصله لگاریتمی و خاصیت ساختاری گراف وب (بالابودن درجه ورودی در صفحات با کیفیت) تعیین می گردد. نتایج آزمایشات بر روی چهار گراف مختلف وب (ایران، انگلستان، ایتالیا و گراف وب دانشگاه برکلی) حاکی از کاراتر بودن الگوریتم پیشنهادی نسبت به سایر الگوریتم های خزش می باشد. همچنین بخشی از پایان نامه به مبحث رتبه بندی اختصاص گرفته و مدلی مبتنی بر انتشار شامل دو الگوریتم به نام های hyperlink-based slash-score propagation(hss) و hyperlink-based slash-term propagation(hst) جهت تعیین رتبه ی صفحات پیشنهاد گردید. جهت ارزیابی مدل رتبه بندی پیشنهادی letor 3 مورد استفاده قرار گرفت. بر اساس آزمایشات دو الگوریتم پیشنهادی نسبت به سایر الگوریتم های رتبه بندی انتشاری از دقت بهتری برخوردار هستند.

شبکه ی حسگر بی سیم جهت پایش محدوده ای از پیش تعیین شده درون آب مستقر می شوند. بهره مندی از کانال آکوستیک مهم ترین علت تفاوت این نوع شبکه ها با نمونه ی زمینی آن می باشد. از این رو این شبکه ها با تاخیر انتشار بالا و پهنای باند پائین دست وپنجه نرم می کنند. از طرفی به علت ویژگی های خاص محیط زیر آب گره های حسگر مختص این محیط با نوع زمینی آن در مواردی همچون هزینه، انرژی، حافظه و غیره متفاوت هستند. تمامی این تفاوت ها منجر به آن می شود که در صورت بهره مندی از پروتکل های مسیریابی موجود برای شبکه های روی زمین در این محیط، سربار بالای تبادلات، کارایی پایین انرژی و مواردی از این قبیل را تجربه نماییم. از این رو داشتن پروتکل مختص این شبکه ها که طراحان آن ویژگی های محیطی را در طراحی آن مدنظر قرار داده باشند بشدت محسوس است. در این پژوهش، نمونه های مختلفی از پروتکل های مختص این محیط بررسی شده است. پروتکل dbr یک نمونه از این پروتکل هاست که علاوه بر آن که برخلاف اکثر پروتکل های مطرح در این نوع شبکه ها فرضِ محال یا گران قیمتِ داشتن موقعیت مکانی گره در هر سه بعد را ندارد، در معیارهایی همچون تاخیر انتها به انتها، نرخ تحویل بسته و انرژی مصرفی کل دارای کارایی مناسبی است. یک پارامتر مهم در این پروتکل زمان انتظار برای ارسال بسته می باشد. آزمایش ها حاکی از حساسیت بالای سیستم به مقدار این زمان انتظار می باشد. لذا این ایده در این پروژه مطرح شد که زمان انتظار بصورت پویا با توجه به ویژگی های فعلی شبکه تعیین گردد. بدین منظور یک سیستم فازی سوجنو مرتبه صفر برای تعیین زمان ارائه می گردد. عمق و انرژی باقیمانده گره ورودی های این سیستم می باشند. مقدار زمان انتظار با توجه به خروجی سیستم فازی بدست می آید. جهت ارزیابی ایده ارائه شده، شش سناریو با حداکثر سرعت گره های مختلف با شبیه ساز aqua-sim تحت محیط ns2 پیاده سازی شد و عملکرد پروتکل ارائه شده با پروتکل dbr مقایسه گردید. نتیجه های شبیه سازی حاکی از بهبود در معیارهایی همچون انرژی مصرفی کل شبکه، متوسط تاخیر انتها به انتها و نرخ تحویل بسته می باشد.

استفاده از یادگیری باناظر در ناوبری ربات های متحرک، دارای چالش های جدّی همچون ناسازگاری داده ها، مشکل جمع آوری داده های آموزشی وخطای زیاد در این داده ها می باشد. لیکن استفاده از یادگیری تقویتی، که یک روش یادگیری تعاملی قدرتمند می باشد، مورد توجه واقع شد. از طرفی یادگیری تقویتی زمانبر بوده و دارای نرخ شکست های بالا در مرحله آموزش می باشد. از این رو در این پایان نامه، یک ایده جدید برای استفاده موثّر از هر دو الگوریتم یادگیری فوق ارائه می شود. یک کنترلگر فازی سوگنو مرتبه صفر با تعدادی عمل کاندید برای هر قاعده جهت تولید فرمان های کنترل ربات در نظر گرفته شده است، بطوریکه ساختار این کنترلگر با ساختار کنترلگر یادگیری سارسایِ فازی که یک الگوریتم آموزش تقویتی پیوسته می باشد، سازگاری دارد. هدف از آموزش تعیین عمل مناسب برای هر قاعده است. در مرحله اول داده آموزشی با حرکت ربات توسط ناظر در محیط جمع آوری می شود. سپس با بهره گیری از روش جدید ارائه شده، پارامترهای ارزش هر عمل کاندید در قواعد فازی با کمک داده های آموزشی مقداردهی اولیه می شوند. در مرحله دوم از الگوریتم سارسایِ فازی برای تنظیم دقیق تر پارامترهای تالی کنترلگر بصورت برخط استفاده می شود. نتایج شبیه سازی در شبیه ساز kiks برای ربات خپرا حاکی از بهبود قابل توجه در زمان یادگیری و کیفیت حرکت ربات می باشد.

چالش اصلی در غالب موتورهای جستجو، رتبه بندی اسناد بازیابی شده برای ارائه بهترین پاسخ به پرس و جوی کاربران است. در این پایان نامه با فرموله کردن این مسئله با استفاده از مفاهیم یادگیری تقویتی، دو الگوریتم جدید رتبه بندی مبتنی بر اتصال با عناوین rl_rank و rurl ارائه شده است. یادگیری تقویتی یک تکنیک قویِ هوش مصنوعی است که حول جایزه گذر بین حالت ها و تابع ارزش، عمل می کند. در الگوریتم rl_rank، هر صفحه ی وب به عنوان یک حالت لحاظ شده که کاربر همانند یک موج سوار تصادفی بین آن ها حرکت می کند. حرکت بین صفحات با کلیک کردن بر روی یکی از پیوندهای خروجی صفحه جاری با احتمال مساوی می باشد. در این الگوریتم، به ازای گذر از هر حالت (صفحه) به حالت دیگر جایزه ای در نظر گرفته می شود و با استفاده از تعریف تابعِ ارزش هر صفحه به عنوان ارزش آن، صفحات رتبه بندی می شوند. در ضمن یک روش ترکیبی از ترکیب وزن دار rl_rank و bm25 نیز ارائه شده است. الگوریتم rurl طبق تعاریف rl_rank می باشد، با این تفاوت که این روش بر خلاف الگوریتم rl_rank وابسته به پرس وجو است. در این روش ابتدا زیر گرافی با توجه به پرس وجوی وارد شده، تشکیل می شود و سپس ایده گفته شده بر روی آن اعمال می شود. الگوریتم های ارائه شده بر روی مجموعه محک های معروف dotir و trec-2003 ارزیابی شدند و سپس نتایج بدست آمده بر اساس معیارهای مربوطه آنالیز شدند. نتایج آزمایش ها نشان دادند که الگوریتم های ارائه شده به ترتیب عملکرد بسیار بهتری نسبت به الگوریتم های معروف pagerank و hits بر روی هر دو مجموعه محک دارند. همچنین نتایج حکایت از پیشرفت قابل توجهی در الگوریتم های رتبه بندی با استفاده از مفاهیم یادگیری تقویتی دارد.

در این پژوهش، یک الگوریتم مقاوم و کارا در به نام hidais برای تشخیص نفوذ داده های دسترسی وب ارائه شده است. کاربردی که سیستم پیشنهادی برای آن طراحی شده است بسیار چالش برانگیز است زیرا سایز وب (منبع داده) بسیار بزرگ است و نویز در اطلاعات وب بسیار زیاد و مفاهیم در حال تغییرند. الگوریتم پیشنهادی سیستمی بدیع که از سیستم ایمنی طبیعی الهام گرفته است و بر اساس اصول این سیستم عمل می کند و قادر است رفتارهای نرمال و غیر نرمال کاربر را دنبال کند و به خاطر بسپارد. به طور کلی نتایج این پایان نامه حاکی از قابلیت مناسب سیستم های ایمنی مصنوعی در تشخیص نفوذ می باشد. بخش مهمی از قابلیت آن عملکرد خوب آن در محیط پویا همچون وب است. از دیگر مزیت های سیستم تشخیص نفوذ ارائه شده در کنار هم آوردن دو مفهوم سیستم ایمنی ذاتی و وفق پذیر است. با ترکیب دو روش تئوری خطر (ایمنی ذاتی) و شبکه ایمنی (ایمنی وفق پذیر) مانند سیستم ایمنی طبیعی که از هر دو ایمنی بهره گرفته است توانسته این مفهوم طبیعی را شفاف تر در سیستم تشخیص نفوذ جای دهد. همانطور که در سیستم ایمنی طبیعی، سیستم ایمنی ذاتی اولین لایه دفاعی بدن در مقابل مهاجمان خارجی است. در الگوریتم پیشنهادی هم تئوری خطر به عنوان اولین لایه دفاعی جای گذاری شده است و شبکه ایمنی به عنوان سیستم وفق پذیر در لایه بعدی قرار گرفته است. نکته مهم دیگر در طراحی الگوریتم، استخراج اطلاعات با یک بار عرضه داده های ورودی است. دقیقاً مانند سیستم ایمنی طبیعی که در یک دوره زیستی موجودات طبیعی، برای مبارزه با آنتی ژن ها وفق پیدا می کند. معنی یک بار عبور از داده ها در الگوریتم ارائه شده این است که حلقه تکرار روی داده های ورودی وجود ندارد و با یک بار برخورد با یک داده ورودی الگوریتم می تواند اطلاعات درون داده را خلاصه و در خود حفظ کند. بنابراین الگوریتم زمان اجرای مناسبی برای کاربردهای بلادرنگ دارد که اکثر قریب به اتفاق کاربردهای موجود که از اطلاعات خروجی الگوریتم ارائه شده استفاده می کنند، کاربردهای بلادرنگ هستند.نحوه نمایش جدید دیتا و تابع شباهت انتخاب شده موجب شده که الگوریتم دارای سرعت اجرای قابل قبولی باشد. در شبکه ایمنی (ایمنی وفق پذیر) سلول هایb شبکه یک نسخه ی خلاصه شده از آنتی ژن هایی هستند که به شبکه ارائه شده اند. همچنین آن ها توانایی تطبیق با آنتی ژن جدید در هر زمان را دارند. نتایج به دست آمده بیانگر توانایی سیستم مصنوعی در یادگیری و وفق پذیری را نشان می دهد و سیستم تشخیص نفوذ پیشنهادی قادر به شناخت حملات ناشناخته و جدید می باشد و رفتار غیر عادی را می تواند به صورت بلادرنگ شناسایی کند. این سیستم می تواند به عنوان کلاس بند عام برای طبقه بندی و گروه بندی استفاده شود.

شبکه های موردی متحرک که نوع خاصی از شبکه های بی سیم می باشند به عنوان نسل جدید شبکه های کامپیوتری برای برآوردن یک سری نیازهای خاص و با ویژگی هایی متفاوت از شبکه-های سیمی طراحی شدند. خصوصیات شبکه های موردی متحرک، همچون پویا بودن توپولوژی، فقدان زیرساخت ثابت و وجود محدودیت انرژی، مسئله مسیریابی را در این شبکه ها به چالش کشیده است. به علت طبیعت ناپایدار شبکه های موردی، مسأله کشف و نگهداری مسیر از اهمیت خاصی برخوردار است. الگوریتم های مسیریابی متعددی برای این شبکه ها ارائه گردیده است که هر کدام دارای ویژگی ها، معایب و مزایای خاصی می باشند. پروتکل مسیریابی dsr یکی از پروتکل-های مسیریابی مطرح و مبنایی در شبکه های موردی متحرک است که در مقالات و پژوهش های زیادی به آن پرداخته شده و بعنوان یک شاخص برای سنجش کارائی پروتکل های جدید از آن استفاده می شود. در پروتکل مسیریابی dsr برای انتخاب مسیر از معیار کوتاهترین مسیر استفاده می شود که بهینه نیست، زیرا کوتاهترین مسیر لزوماً بهترین مسیر نیست. در این پایان-نامه برای رفع این مسئله، با ایجاد تغییراتی در این پروتکل و با طراحی و پیاده سازی یک سیستم فازی با سه ورودی شامل: تعداد گام مسیر، میانگین تعداد همسایه های گره های میانی مسیر و میانگین انرژی باقیمانده در گره های میانی، پروتکل هوشمند f-dsr ایجاد شد. خروجی سیستم فازی ارزش مسیر می باشد. استفاده از این روش هوشمند سبب افزایش کارائی پروتکل جدید نسبت به پروتکل مسیریابی dsr شده است. افزایش میزان گذردهی شبکه و نرخ تحویل بسته، همچنین کاهش تأخیر انتها به انتها و کاهش میزان انرژی مصرفی شبکه از جمله نتایج آن است.

چکیده یک وظیفه مهم شرکت گاز گسترش شبکه گازرسانی و نصب انشعابات گاز می باشد. نصب انشعابات توسط پیمانکارانی که بدین منظور تعیین می شوند انجام می پذیرد. جهت ارتقای کیفیت و رضایت مشتریان، شرکت در نظر دارد که زمان انتظارنصب انشعابات را تا حد امکان ضمن در نظر گرفتن هزینه ها کاهش دهد. هدف از این پژوهش، ارائه سیستم پشتیبان تصمیم در تعیین تعداد پیمانکار نصب انشعابات پراکنده ی گاز به منظور کاهش زمان انتظار و هزینه نصب انشعابات می باشد. از آنجا که باید یک مصالحه بین هزینه و زمان در فرآیند مذکور صورت بگیرد: در قدم اول بنا به تأیید مدیران شرکت، به مدل سازی زمان انتظار و هزینه نصب انشعابات پرداخته می شود. بدین منظور با روش مصاحبه و تجزیه و تحلیل یافته های مصاحبه ها و بررسی اسناد و داده های فایل های اطلاعاتی، عوامل موثر بر زمان انتظار، شناسایی و انتخاب می گردد. در همین زمان پاک سازی و آماده سازی داده ها به منظور استخراج ویژگی ها صورت می گیرد. پس از تعیین پارامترهای موثر در زمان، بررسی ارتباط متغیر زمان با عوامل مذکور به روش تحلیل رگرسیون گام-به گام انجام می گیرد و بهترین ترکیب ویژگی ها برای مدل سازی انتخاب می گردد. سپس طراحی و تست مدل با ویژگی های انتخابی و با استفاده از روش شبکه های عصبی پرسپترون چند لایه صورت می گیرد. به این ترتیب با تغییر تعداد نرون ها در لایه ی مخفی و چندین بار آموزش و تست شبکه، در بهترین حالت، جذر میانگین مربعات خطای پیش بینی زمان انتظار کمتر از یک روز و بیشینه خطا کمتر از سه روز بدست می آید. طبق اظهار نظر کارشناسان، دقت پیش بینی مدل با توجه به عوامل تصادفی زیادی که در فرآیند نصب انشعابات وجود دارد بسیار خوب می باشد. در قدم دوم، با بررسی عملکرد شرکت گاز در خصوص واگذاری قراردادها و تعیین پیمانکاران، پارامترهای هزینه ای مربوط به نصب انشعابات و هزینه های مرتبط با افزایش تعداد پیمانکار تعیین می شود. در نهایت با استفاده از مدل پیش بینی کننده ی زمان نصب و مدل هزینه، یک سیستم پشتیبان تصمیم جهت کمک به تصمیم گیری در مورد اخذ پیمانکار ارائه می گردد.

در این پروژه تعیین هوشمندانه و اتوماتیک قوانین و پارامترهای مناسب یک سیستم فازی حذف نویز تصاویر با دو روش ترکیبی فازی-عصبی و فازی-ژنتیک مورد بررسی قرار گرفت و دو فیلتر نوین حذف نویز ارائه گردید. بکارگیری سیستم های فازی، فازی-عصبی و الگوریتم ژنتیک قبلاً برای حذف نویز تصویر مورد توجه پژوهشگران بوده است. لزوم و اهمیت انجام این تحقیق نیاز به روش های جدید حذف نویز با حفظ جزئیات تصویر اولیه بوده است. هنگام استفاده از مفهوم منطق فازی در مسائل مختلف تعیین بهینه قوانین و پارامترهای توابع عضویت مورد استفاده در سیستم استنتاج فازی مسئله اصلی است. در روش فازی-عصبی پیشنهادی از یک سیستم فازی-عصبی تطبیقی برای حذف نویز فلفل نمکی از تصاویر دیجیتال استفاده شده است. این سیستم فازی-عصبی به کمک یک تصویر آموزشی پارامترهای بهینه سیستم استنتاج را بدست می آورد. روش فازی-ژنتیک پیشنهادی نیز متکی بر انتقال سلول تصویری به یک محیط بدون نویز و تعیین قوانین و پارامترهای بهینه برای سیستم فازی مورد نظر با استفاده از الگورتیم ژنتیک می باشد. در متدلوژی بکار گرفته شده، ابتدا میانه های هشت همسایگی سلول های تصویری برای تعیین پارامترهای ورودی سیستم فازی محاسبه می گردند. برای تعیین اتوماتیک و هوشمندانه قوانین و پارامترهای توابع عضویت سیستم فازی مورد نظر، یک الگوریتم ژنتیک طراحی و بکار گرفته می شود. کرومزوم های الگورتیم ژنتیک مورد نظر قوانین فازی یاد شده و پارامترهای توابع عضویت سیستم فازی مورد نظر می باشند. فیلترهای پیشنهادی پیاده سازی گردیدند و بر روی تصاویر استاندارد مورد آزمایش قرار گرفتند. نتایج آزمایش ها حکایت از قابلیت این روش ها در حذف نویز تصاویر با حفظ جزئیات دارد. تحلیل های منطقی و نتایج آزمایشی همچنین نشان می دهند که مزیت اصلی این فیلترها توانایی آن ها در حذف نویز با چگالی بالا می باشد.

با گسترش روزافزون وب در سالهای اخیر و کاربرد های آن در همه زمینه ها از جمله تجارت الکترونیک، بازرگانی و اجتماعی و همچنین با بالا رفتن پتانسیل سود در وب، اکثر توسعه دهندگان صفحات به فکر بازدیدکننده بیشتر از سایت ها هستند. در این میان تشخیص محتوای با کیفیت از تلاش های فریب کارانه جهت به بازی گرفتن موتورهای جستجو به یکی از چالش های اصلی این موتورها تبدیل شده است. تاکنون الگوریتم های مختلفی برای مقابله با صفحات فریب آمیز ارائه شده اند که به دو دسته کلی الگوریتم های براساس محتوا و الگوریتم های براساس پیوند تقسیم می شوند. دسته اول با تجزیه و تحلیل محتوای اسناد توانایی تشخیص و مقابله با صفحات فریب آمیز را دارند. همچنین در دسته دوم با تجزیه و تحلیل پیوند و رفتار بین صفحات عمل مقابله و تشخیص انجام می شود. مشکل اصلی الگوریتم های مبتنی بر محتوا، نادیده گرفتن پیوندهای بین صفحات است. در مقابل در الگوریتم های براساس پیوند تشخیص الگوهای غیرطبیعی در میان گراف های بزرگ از چالش های این الگوریتم ها است. هدف اصلی این پایان نامه، ارائه یک روش رتبه بندی ترکیبی به منظور مقابله با صفحات فریب آمیز است. در این روش با ترکیب الگوریتم های مختلف رتبه بندی سعی می شود رتبه صفحات فریب آمیز پایین کشیده شود. با توجه به کارایی پایین روش های پایه ای موجود در مقابله با این پدیده روش پیشنهادی سعی می کند با دخیل کردن یادگیری ماشین در فرآیند رتبه بندی بهبود نسبی در کارایی روش مبنا بوجود می آید. در این روش سعی می شود هر چه بیشتر پویایی گراف وب با استفاده از روش های یادگیری مدل شود. فرآیند یادگیری جهت ترکیب رتبه های مختلف با استفاده از مشاهدات و دانش قبلی می باشد که در این حالت روش پیشنهادی دارای کارایی و دقت بیشتری نسبت به روش موجود می باشد.

یکی از چالش های یادگیری تقویتی، عدم وجود الگوریتم های قابل اجرا در فضای حالت و عمل پیوسته است که دارای استدلال ریاضی باشند. در این پایان نامه سعی داریم با ارائه یک روش جدید یادگیری تقویتی پیوسته مبتنی بر معماری نقاد-تنها برای مسائل کنترل این چالش ها را برطرف کنیم. روش ارائه شده از ترکیب روش "تکرار سیاست کمترین مربعات" با یک سیستم فازی سوگنوی مرتبه صفر حاصل شده و "تکرار سیاست کمترین مربعات فازی" نامیده می شود. هر قاعده سیستم فازی داری چند تالی کاندید می باشد. هدف از آموزش، یافتن مناسب ترین تالی برای هر قاعده فازی است. با توجه به ساختاری که برای سیستم فازی در نظر گرفته شده است، این روش در زمره روش های یادگیری تقویتی فازی نقاد-تنها قرار دارد. توابع پایه حالت-عمل با توجه به شدت آتش و عملهای کاندید قواعد تعریف می شوند. روش تازه سازی پارامترهای وزن مربوط به تالی قواعد با استفاده از این توابع پایه و بهره گیری از الگوریتم تکرار سیاست کمترین مربعات، ارائه می شود. نشان داده می شود که توابع پایه حالت–عمل تعریف شده شرایط قضیه روش تکرار سیاست کمترین مربعات را برآورده می نمایند. لذا روش ارائه شده هم دارای تحلیل ریاضی است که به این وسیله یک کران خطا برای آن تعریف می شود و هم کارایی مناسبی دارد. نتایج شبیه سازی، حاکی از سرعت یادگیری بالاتر و نیز کیفیت عملکرد بهترِ روش تکرار سیاست کمترین مربعات فازی نسبت به دو روش مرتبط یادگیری کیوی فازی و یادگیری سارسای فازی می باشد. همچنین مزیت دیگر روش ارائه شده نسبت روش های مذکور، عدم نیاز به تعیین نرخ یادگیری است.

در جهان پیچیده امروز برای انجام کارهای متفاوت گاهی توانایی یک فرد کافی نیست و مشارکت و همکاری افراد نیاز است. در دنیای کامپیوتر نیز سیستم های چند عامله متشکل از تعدادی عامل است که با یکدیگر در یک محیط در تعاملند. این سیستم ها ویژگی های خاصی دارند، از جلمه خود مختاری، عدم دسترسی به اطلاعات سراسری و به اشتراک گذاری دانش. در این سیستم ها تغییرات محیط وابسته به ترکیب عمل تولید شده از همه عامل ها می باشد. لذا، تولید عمل هر عامل نه تنها به وضعیت محیط بلکه به عملی که عامل های دیگر انتخاب می کنند وابسته است. بنابراین با توجه به پیچیدگی طراحی از روش های یادگیری برای تنظیم پارامتر های انتخاب عمل عامل ها استفاده شده است. روش-هایی که برای حل این گونه مسائل ارائه شده اند، اکثراً مبتنی بر اشتراک دانش عامل ها از طریق ایجاد توابع ارزش-عمل برای همه ی عمل های ممکن خود عامل و سایر عامل ها، در هر حالت است. با افزایش تعداد عامل ها ابعاد مسئله به صورت نمایی گسترش پیدا می کند. که باعث افزایش زمان یادگیری و افزایش حافظه مورد نیاز برای حل مسئله است. اکثر روش های ارائه شده با توجه به مطالعات انجام شده برای محیط ها با حالت و عمل گسسته تدوین شده اند؛ با توجه به اینکه مسائل دنیای واقعی مانند هدایت ربات ها ماهیت پیوسته دارند، نیاز به الگوریتم های پیوسته کارا داریم. در این پایان نامه دو ایده جدید برای حل مسئله همکاری در محیط های چند عامله با فضای حالت پیوسته ارائه شده است. مقادیر تابع ارزش حالت-عمل و ارزش حالت هر کدام تالی یک سیستم فازی سوگنو مرتبه صفر جداگانه هستند در مراحل آموزش مقادیر تالی قواعد تنظیم می شوند. تعداد ورودی های سیستم های فازی برابر با ابعاد فضای حالت است. ایده اصلی از روش یادگیری سارسا فازی ارائه شده است. نتایج تجربی بر روی مسئله قرار گرفتن متقارن عامل ها حول یک میز چندضلعی که نمونه ساده ای از فرم-بندی است؛ حاکی از افزایش سرعت یادگیری و بهبود کارایی سیستم است.

سامانه کنترل از طریق شبکه، یک سامانه کنترلی شامل گره های حسگر، فعال گر، کنترل-گر و دستگاه است که در آن ارتباط بین گره های سامانه، از طریق شبکه های مخابراتی دیجیتال باندمحدودصورت می گیرد. به علت وجود شبکه مخابراتی برای ارتباط بین گره های سامانه کنترل از طریق شبکه، تحلیل و طراحی این سامانه ها دارای مشکلات و پیچیدگی خاصی هست. سامانه های کنترل از طریق شبکه به دلیل گستردگی شبکه های مخابراتی نظیر اینترنت در سراسر جهان، مزایایی از قبیل کاهش هزینه نصب و نگهداری و سهولت در گسترش پذیری سامانه را به همراه داشته است. وجود شبکه مخابراتی و ویژگی های تصادفی آن، باعث به وجود آمدن چالش هایی مانندتأخیر زمانی تصادفی، ازدست رفتن بسته های داده و مشکلات امنیت داده ها می شود. این چالش ها بر عملکرد کنترلی سامانه تأثیرگذار است و حتی می تواند باعث ناپایداری سامانه شود. در این پایان نامه برای بهبود عملکرد سامانه کنترل از طریق شبکه به مهم ترین چالش این سامانه ها، یعنی تأخیر تصادفی بسته های داده پرداخته شده است. در پژوهش های انجام شده تا کنون، به شناسایی مدل دستگاه و تأثیر آن بر عملکرد سامانه توجه نشده است. مدل سازی دقیق دستگاه به ویژه در حالت غیرخطی می تواند عملکرد کنترلی سامانهرا به مقدار قابل توجهی بهبود بخشد. در این پایان نامه با استفاده شبکه های عصبی پرسپترون (پردازش هوشمند سیگنال) به مدل سازی دستگاه و بهبود عملکرد سامانه پرداخته شده است و کنترل گری با عنوان کنترل گر عصبی- اسمیت تطبیقی برخط، برای بهبود عملکرد سامانه های کنترل از طریق شبکه طراحی شده است. همچنین برای کنترل دستگاه های صنعتی که دارای تأخیر زمانی هستند، به علت کاربرد فراوان کنترل گرهای تناسبی – انتگرالی در صنعت، کنترل گری با عنوان کنترل گر تناسبی – انتگرالی تطبیقی برخط به منظور بهبود عملکرد کنترلی سامانه کنترل از طریق شبکه ارائه شده است.

ناشنوایان برای ارتباط با دیگران از زبان اشاره استفاده می کنند. فهم این زبان برای دیگران امری مشکل است و معمولاً نیاز به مترجم دارند. هدف این تحقیق طراحی و ساخت مترجم زبان اشاره فارسی است. داده عمق کینکت به نور محیط وابسته نیست، بنابراین ویژگی های استخراج شده از آن در محیط های مختلف تغییر ناپذیر می باشد. برای به دست آوردن یک سیستم پایدار در این تحقیق تنها از داده های عمق برای استخراج ویژگی استفاده گردیده است. در این پژوهش با استفاده از کینکت بیست و شش علامت از الفبای زبان اشاره فارسی تشخیص داده شده است. ابتدا با استفاده از داده های کینکت اسکلت بدن به دست آمده است. سپس زاویه بازوی دست راست نسبت به خط افق محاسبه شده و بر اساس این زاویه الفبای زبان اشاره به سه گروه تقسیم گردیده اند. آن گاه برای هر گروه یک پنجره مناسب که بتواند دست را از پس زمینه جدا کند در نظر گرفته شده و دست از سایر قسمت های بدن و پس زمینه جدا گردیده است. سپس در قسمت جدا شده نزدیک ترین نقطه به دوربین را محاسبه کرده، و نقاطی که در فاصله دورتر از یک مقدار مشخص از آن نقطه قرار دارند، حذف گردیده اند. مقدار آستانه برای حذف عمق برای هر دسته به صورت متفاوت تعیین شده است تا بهترین جداسازی انجام گیرد. سپس برای حذف اغتشاش، بزرگ ترین قطعه متصل در تصویر پیدا شده و مابقی نقاط حذف گردیده اند. پس از جدا سازی دست از پس زمینه، فیلتر گابور در 6 جهت و 5 مقیاس بر روی تصویر دست اعمال شده است. بدین ترتیب 30 تصویر به دست می آید که انرژی و میانگین هر کدام محاسبه می گردد. پس از این مرحله الگوریتم کاهش بعد lda را بر روی این ویژگی ها اعمال می کنیم. برای دسته بندی از ماشین های بردار پشتیبان و دسته بند بیز استفاده شده است. برای آزمایش روش پیشنهادی پایگاه داده ای به کمک 20 نفر تهیه شده است. دقت به دست آمده برای هر گروه بیش از 91 درصد می باشد. برای مقایسه بهتر دقت روش پیشنهادی برای استخراج ویژگی، این روش بر روی پایگاه داده ای از زبان اشاره آمریکایی آزمایش گردیده است. دقت به دست آمده بر روی این پایگاه داده بیش از 82 درصد بوده است که از نتایجی که تاکنون بر روی این پایگاه داده گزارش شده، بهتر می باشد.

سیستم های توصیه، ابزارهای نرم افزاری¬ هستند که در پایگاه های اطلاعاتی، پیاده سازی شده و با پیشنهاد اقلام موجود در پایگاه، کاربران را در رسیدن به اطلاعات مورد علاقه ی خود یاری می کنند. رویکرد های سنتی از دسترسی های پیشین کاربران به اقلام که در فایل گزارش کارگزار پایگاه ثبت شده است، برای تنظیم توصیه ها استفاده می کردند. یکی از مشکلات این سیستم ها نیاز آن ها به بروزرسانی دانش اولیه ی خود است که بایستی به صورت دوره ای انجام شود؛ بنابراین سیستم های توصیه ی پویا که قادرند دانش خود را اصلاح نمایند، پدید آمدند. یکی از این نوع سیستم های پویا، سیستم های مبتنی بر اتوماتای سلولی یادگیر است که بر پایه ی تکنیک پاداش دهی به اعمال خود، به منظور یادگیری رفتار کاربران عمل می کند. در این پایان نامه، با ارائه ی یک معیار جدید برای جریمه و پاداش اعمال در سیستم های مبتنی بر اتوماتای سلولی یادگیر، عملکرد این سیستم ها را بهبود بخشیده و توصیه های دقیق تری را ایجاد می نماییم. استفاده از معیار شباهت محتوایی بین توصیه های تولید شده توسط سیستم و اقلامی که کاربر مرور می کند، به منظور پاداش دهی اعمال در اتوماتای سلولی، باعث می شود که سیستم به مرور زمان به نیاز محتوایی کاربر نزدیک شده و توصیه هایی مشابه با این نیاز به کاربر ارائه دهد. این استفاده ی ضمنی از معیار شباهت محتوایی در سیستم های مبتنی بر اتوماتای سلولی یادگیر، باعث تولید یک سیستم توصیه ی ترکیبی می شود که ضمن حفظ سادگی سیستم های فیلترگذاری مشارکتی، کارایی سیستم های ترکیبی را نیز داراست. سیستم پیشنهادی بر روی مجموعه داده ی حاصل از محتوای سایت و فایل گزارش کارگزار دانشگاه یزد پیاده سازی شده و مورد آزمایش قرار گرفته است. نتایج حاصل از آزمایش های انجام شده بر روی دقت و کیفیت توصیه های ارائه شده توسط سیستم پیشنهادی، نشان دهنده ی بهبود عملکرد سیستم های توصیه ی مبتنی بر اتوماتای سلولی یادگیر است.

امروزه رتبه بندی مبتنی بر یادگیری به مبحث تحقیقاتی مهمی در زمینه ی بازیابی اطلاعات تبدیل شده است. در حقیقت یک داستان یکسان برای روش های رتبه بندی اتفاق می افتد. در این داستان، هدف فراهم کردن مدل رتبه بندی بر طبق ارتباط بین اسناد و پرس وجو است که اسناد را به عنوان ورودی دریافت کند و لیست اسناد را بر حسب میزان مرتبط بودنشان به پرس وجوی کاربر مرتب کند. در این پایان نامه، سه الگوریتم رتبه بندی مبتنی بر بازخورد کاربر با استفاده از یادگیری تقویتی ارائه شده است. الگوریتم های پیشنهادی rrluff، rl3f و rlrauc نامیده شده اند. در الگوریتم های پیشنهادی، سیستم رتبه بندی به عنوان عامل سیستم یادگیری و انتخاب اسناد برای نمایش به کاربر به عنوان عملِ عامل در نظر گرفته شده اند؛ سیگنال تقویتی در این سیستم با توجه به کلیک کاربر بر روی اسناد محاسبه می شود. مقادیر ارزش-عمل در الگوریتم rlrauc، به ازای هر جفت کلمه-سند و در الگوریتم های rrluff و rl3f به ازای هر ویژگی محاسبه می شود. در روش rlrauc به هر جفت کلمه-سند پرس وجوی ارائه شده ی کاربر با توجه به مرتبط بودن سند، امتیازی تعلق می گیرد. همچنین در روش rrluff به هر ویژگی بر اساس تعداد اسناد مرتبط به پرس وجو در لیست رتبه بندی ایجادشده طبق آن ویژگی، امتیازی داده می شود. در روش rl3f به ویژگی ها با توجه به موقعیت سند در لیست مربوط به ویژگی و مرتبط بودن به پرس وجو، امتیازی اختصاص داده می شود. در هر چرخه ی یادگیری، اسناد بر حسب امتیازات تغییریافته برای ارائه پرس وجوی بعدی مرتب می شوند و از بین این اسناد با توجه به موقعیت سند در لیست رتبه بندی، اسنادی بر اساس یک توزیع تصادفی با توجه به امتیازات برای نمایش به کاربر انتخاب می شوند. روند یادگیری تا تکمیل آموزش ادامه می یابد. برای ارزیابی روش های پیشنهادی از مجموعه داده محک معروف letor3 استفاده شده است. نتایج ارزیابی نشان دهنده ی موثرتر بودن روش های پیشنهادی نسبت به روش های rluf و svmrank است که دو روش مرتبط هستند.

قابلیت اطمینان نرم افزار احتمال عمل بدون خطای سیستم برای مدت زمان خاصی از زمان و در یک محیط خاص است. نکته اساسی برای افزایش قابلیت اطمینان سیستم، فهم نقایص نرم افزار و توانایی ما برای تشخیص آن ها با فعالیت های متفاوت است. جهت بررسی و رفع مشکل کارایی پایین نرم افزار به لحاظ بهینه سازی نرم افزار و کمینه نمودن هزینه توسعه نرم افزار، الگوریتم رقابت استعماری در بهینه سازی قابلیت اطمینان مورد استفاده قرار می¬گیرد که برای بهینه سازی از یک پدیده اجتماعی الهام گرفته است. الگوریتم رقابت استعماری استفاده رو به گسترشی در حل مسائل مختلف بهینه سازی در سطوح مختلف پژوهشی دارد. نتایج به کارگیری الگوریتم رقابت استعماری در زمینه های متنوعی از جمله مهندسی برق، کامپیوتر، صنایع و مکانیک کاربرد داشته و کارایی آن را در حل مسائل بهینه سازی نشان داده است. به جهت فهم بهتر این الگوریتم، سعی می¬کنیم با مقایسه این الگوریتم با الگوریتم ژنتیک، مسئله را بهتر توضیح دهیم. الگوریتم ژنتیک نیز پیچیدگی قابلیت اطمینان سیستم نرم افزاری را به صورت موثر حل می¬نماید که موجب ارتقای سرعت محاسبات شده و کیفیت و کارایی را به صورت موثر بهبود می¬بخشد. در واقع هدف از این پایان نامه، کمینه سازی هزینه توسعه سیستم¬های نرم افزاری با در نظر گرفتن شاخص قابلیت اطمینان نرم افزار است که توسط الگوریتم رقابت استعماری انجام می¬گیرد و در ادامه نیز مقایسه ای با الگوریتم ژنتیک انجام می¬شود. لذا برای افزایش قابلیت اعتماد سیستم¬های کامپیوتری و از طرفی مینیمم¬سازی هزینه توسعه سیستم¬های کامپیوتری، ترکیب مناسبی از مولفه¬ها را چنان انتخاب می¬نماییم که علاوه بر کاهش هزینه توسعه، قابلیت اعتماد نیز بیشینه گردد. استفاده از روش بهینه¬سازی الگوریتم رقابت استعماری و انتخاب مولفه¬های مناسب جهت سیستم¬های کامپیوتری می¬تواند تولیدکنندگان را در تولید محصول بهتر و فروش بیشتر آنها یاری کند. در این پایان¬نامه بررسی¬های انجام شده نشان داد الگوریتم رقابت استعماری به مراتب نتایج بهتری در مقایسه با الگوریتم ژنتیک دارد.

امروزه با افزایش حجم داده ها امکان جمع آوری و دسته بندی سریع داده ها توسط انسان غیرممکن شده است و نیاز به دسته بندی و تحلیل دادها به صورت خودکار از جایگاه ویژه ای برخوردار است. دسته بندی داده ها عملیاتی است که ابتدا، طی یک فرایند ، نمونه های آموزشی به همراه برچسب آن ها به یک عامل یادگیر داده می شود تا ارتباط بین نمونه ها و برچسب ها را یاد بگیرد و سپس برچسب داده های آموزشی را پیش بینی کند. از طرفی، داده های چند برچسبی داده هایی هستند که هر نمونه در هرلحظه می تواند بیش از یک برچسب داشته باشد. به عبارت دیگر هر نمونه همراه با یک بردار از برچسب ها نمایش داده می شود. روش های دسته بندی چندبرچسبی برحسب ماهیت عملکردشان به دودسته کلی تقسیم می شوند: روش های تبدیل مسئله، که در ابتدا مسئله را به یک یا چند مسئله با ماهیت تک برچسبی تبدیل می کنند و سپس از روش-های کلاسیک دسته بندی استفاده می کنند، و روش های تطبیقی، که توسعه ای بر روش های کلاسیک دسته-بندی می باشند به طوری که مستقیماً می توانند داده ها چند برچسبی را دسته بندی نمایند. در این پژوهش ضمن معرفی روش ها و رویکرد های دسته بندی چندبرچسبی، یک روش تطبیقی مبتنی بر شبکه نروفازی را برای دسته بندی داده های چندبرچسبی ارائه می دهیم. آزمایش های صورت گرفته بروی سه تا از مهمترین مجموعه داده های چندبرچسبی، حاکی از کارایی بالاتر روش پیشنهادی در دسته بندی داده ها و زمان آموزش کمتر نسبت به سایر روش های مبتنی بر شبکه عصبی می باشد.

با توجه به رشد روز¬افزون بازار فروش نرم¬افزار و نیاز¬های اساسی جامعه به محصولات نرم¬افزاری، فرایند آزمون نرم¬افزار هم از لحاظ کیفی و هم از لحاظ قابلیت اطمینان حائز اهمیت است. این آزمون به بررسی کیفیت یک محصول در جهت یافتن خطاها اقدام می¬کند. آزمون فقط می¬تواند وجود خطاها را نشان دهد ولی نمی¬تواند عدم وجود خطا را تضمین نماید. آزمون نرم¬افزار در ارتباط با دو موضوع مطرح می شود: 1) آیا نرم¬افزار به درستی ایجاد شده است؟ 2) آیا نرم¬افزار تولید شده به صورت درست کار می¬کند و یا خیر؟ با تکیه بر این دو موضوع می¬توان عوامل شکست نرم¬افزارها را ارزیابی نمود. تحقیق این پایان¬نامه بر روی پیدا کردن داده آزمون مناسب برای یک نرم¬افزار است به گونه¬ای که این داده¬ها بتوانند دو مورد اشاره شده در بالا را تامین نمایند. مساله مذکور به یک مساله بهینه¬سازی تبدیل شده و آنگاه با استفاده از الگوریتم ژنتیک حل شده است. پیش از این مواردی مانند احتمال مسیر، مقادیر مرزی و درصد پوشش مسیر برای تابع برازش الگوریتم ژنتیک تعریف شده است. با توجه به بررسی های انجام شده، در تعریف تابع برازش (هدف) الگوریتم ژنتیک موارد جدیدی همچون غیر تکراری بودن گره آخر مسیرها، وزن دهی به یال¬ها در گراف جریان کنترل لحاظ شده است. نتیجه آزمایشات حاکی از پاسخ مناسب روش ارائه شده از لحاظ پوشش حداکثر مسیر همراه با پیمایش مسیرهای پیچیده نسبت به روش مشابه می¬باشد.

سیستم کنترل خودفرمان بینایی، به سیستمی اتلاق می شود که از اطلاعات بازخوردی دوربین برای کنترل ربات استفاده می کند، تا ربات، از نقاط شروع دلخواه به نقطه هدف برسد. راه های متنوعی از جمله کنترل با استفاده از مدل ربات، طراحی کنترلگر بصورت مستقیم و استفاده از ماتریس ژاکوبین در این زمینه مطرح شده است. اما، از آنجا که در بسیاری از مواقع (از جمله این پایان نامه)، مدلی از ربات دردسترس نیست و یا بدست آوردن آن کاری دشوار و زمانگیر خواهد بود، فرمان کنترل با استفاده از ماتریس ژاکوبین تولید می شود. قانون کنترل استفاده شده در این پایان نامه، از معکوس ماتریس ژاکوبین برای تولید فرمان استفاده می کند. پس، با استفاده از شبکه عصبی و آموزش برون‏خط آن با داده های آموزشی جمع آوری شده، معکوس ماتریس ژاکوبین تقریب زده می شود، تا مستقیماً در قانون کنترل موردنظر استفاده شود (استفاده از شبکه عصبی، بدلیل ماهیت غیرخطی ماتریس ژاکوبین می باشد). به ازای هر کدام از درجات آزادی بازوی ربات، یک شبکه عصبی با ساختار پیشرو درنظر گرفته می شود. حالت بازوی ربات (سیستم) و ویژگی های انتخاب شده، ورودی های این شبکه ها، و خروجی آن‏ها، بیان کننده میزان تغییرات ویژگی ها به تغییر در مقادیر متغیرهای مفصل ربات (المان های معکوس ماتریس ژاکوبین) می باشد. در پیاده سازی عملی این روش، ویژگی درنظر گرفته شده، فاصله مجری نهایی ربات در بعد x و y تا هدف در قاب تصویر و بر حسب پیکسل است که مقدار آن در محل مطلوب (هدف) صفر می باشد. با توجه به ویژگی انتخاب شده و نحوه قرارگیری بازوی ربات و دوربین، با مشخص شدن محل مفصل شانه بازوی ربات، حالت سیستم بصورت یکتا مشخص می شود. از جمله چالش هایی که در پیاده سازی این روش با آن روبرو هستیم، نحوه محاسبه معکوس ماتریس ژاکوبین و ارائه ساختار هوشمند برای تقریب زدن آن، تشخیص محل مفاصل با استفاده از تصاویر دوربین، و تغییرات نور محیط می باشد. بدیهی است که برای هر یک از چالش‏های مطرح شده، راهکار مناسبی ارائه شده است. نتایج آزمایشات حاکی از موفقیت روش پیشنهادی در رساندن مجری نهایی بازوی ربات به نقاط هدف مختلف در محیط کاری است.

در این پایان نامه یک سیستم خبره برای رفع عیب نخ استرچ ارائه می گردد بطوریکه جوابگوی نیاز صنایع استرچ فعال در کشور باشد. در این تحقیق ابتدا عیوب موجود در فرایند تولید نخ استرچ مشخص شده و پس از تشریح نحوه رفع عیب، عیوب طبقه بندی گردیده اند.

هدف از این تحقیق استفاده از پتانسیل های اطلاعاتی تصاویر هوایی برای کمک به تصمیم-گیری ها در مدیریت بحران زلزله است. در این راستا سعی شده نوع تخریب ساختمان ها از تصاویر هوایی استخراج شود. طبق تجارب گروه های امداد و نجات نوع تخریب می تواند معیاری برای تخمین شانس زنده ماندن افراد به دام افتاده در آوار، تجهیزات و نیروی متخصص مورد نیاز برای عملیات امداد و نجات باشد. همچنین با تشخیص آوار در مسیرها، وجود یا عدم وجود دسترسی به ساختمان ها را از دو سر مسیر واقع در آن به دست می آوریم. بدین منظور شش ویژگی آماری و ده ویژگی الگوی دودویی محلی یکنواخت مستقل از دوران، از داخل مرز ساختمان ها و بلاک-های مسیرها، با هدف توصیف بافت تخریب ناشی از زلزله استخراج می شود. برای دسته بندی از یک سیستم دسته بند مبتنی بر قواعد فازی استفاده می کنیم. از خروجی های کار می توان سودمندی ویژگی های الگوی دودویی محلی را در متمایز کردن دسته های انواع تخریب مشاهده کرد. همچنین بهترین روش دسته بندی فازی آزمایش شده که مبتنی بر رأی گیری از تمام قواعد است، دقت 76% درصد برای دسته بندی نوع تخریب و 81% درصد برای شناسایی آوار در مسیر داشت.

تصمیم گیری در بازار بورس چالش برانگیز است، زیرا این بازار دارای محیطی اتفاقی، غیرخطی و غیرقطعی است. بازارهای بورس از عواملی مانند اندیکاتورهای بازار، عوامل اقتصاد خرد و کلان و خبرها تأثیر می گیرند. خبرها یکی از عوامل تأثیرگذار بر بازار هستند که در سال های اخیر توجه پژوهشگران را به خود جلب کرده اند. در صورت تحلیل درست و موفقیت آمیز اخبار، می توان از پیش بینی حاصله برای معامله سهام استفاده کرده و به سود رسید. این پایان نامه سیستم پشتیبان تصمیمی برای پیش بینی قیمت سهام با استفاده از خبر در بازار بورس تهران ارائه می کند. با این هدف، با استفاده از متن کاوی به استخراج انواع ویژگی از خبرها می پردازیم. سپس به منظور دسته بندی خبرها در دو دسته مثبت و منفی، تعدادی از ویژگی ها انتخاب شده و به دسته بندهای ماشین بردار پشتیبان و شبکه عصبی ارائه می شوند. بر اساس مقایسه چندین نوع ویژگی و دو دسته بند نتیجه گرفته می شود که ویژگی ترکیب کلمات و دسته بند ماشین بردار پشتیبان برای فارسی عملکرد خوبی دارند. همچنین شبیه سازی معامله حاکی از آن است که پیش بینی قیمت با استفاده از خبر بالقوه سودآور است. علاوه بر این با ارائه روشی جدید برای خارج کردن ویژگی های قدیمی از دایره کلمات دسته بند، دقت دسته بند و سود شبیه سازی افزایش یافته و به ترتیب به 74.7% و 18.1% می رسد. مقدار سود مذکور برای بازه ای دوماهه است.

این پایان نامه یک روش جدید یادگیری تقویتی برای ایجاد آرایش منظم عامل ها ارائه می دهد. آرایش منظم عامل ها به معنی قرارگرفتن آن ها در یک شکل منظم همچون مربع، مثلث، و هشت ضلعی می باشد. مسئله مذکور یک مسئله چند‍ عامله می باشد که در اینجا از روش های یادگیری برای حل آن استفاده می شود. اکثر کارهای گذشته در مورد آرایش منظم از یادگیری تقویتی یا به صورت تک عامله و یا در محیطی گسسته استفاده شده است، لذا دارای ضعف هایی چون مشکل تنگنای ابعاد، سرعت کم یادگیری و راندمان پایین می باشند. تمرکز اصلی در این پایان نامه بر سیستم های چند عامله و محیط حالت-عمل پیوسته است. بنابراین یک روش یادگیری تقویتی فازی پیوسته ی چند عامله ارائه می شود. این روش گسترش به کارگیری یادگیری تقویتی فازی عملگر-نقاد در محیط چند عامله است. ساختار تولید خروجی در هر عامل بر اساس یک سیستم سوگنو مرتبه صفر است که برای هر تالی تعدادی عمل نامزد وجود دارد. هدف از یادگیری تعیین بهترین عمل نامزد از مجموعه عمل های نامزد شده برای هر قاعده در هر عامل است. همچنین یک روش انتخاب عمل پیوسته برای یادگیری تقویتی عملگر-نقاد فازی ارائه شده است که بر مبنای درون یابی خطی عمل می کند. با استفاده از این روش، انتخاب عمل تنها محدود به عمل های نامزد شده برای هر قاعده نخواهد بود و می توان در محدوده ی مورد نظر به صورت پیوسته عمل مناسب را انتخاب نمود. ویژگی روش جدید، سادگی آن و امکان استفاده ی آسان از آن به جای سایر روش های انتخاب عمل گسسته است. نتایج شبیه سازی حاکی از عملکرد مناسب ساختارهای ارائه شده برای مسئله ی ایجاد آرایش منظم می باشد. همچنین راندمان سیستم با استفاده از روش انتخاب عمل پیوسته نسبت به انتخاب عمل گسسته، به شکل قابل توجهی افزایش می یابد.

امروزه به دلیل حجم عظیم اطلاعات در وب و همچنین پویا بودن اطلاعات، مهم ترین چالش در بازیابی اطلاعات وب، خصوصاً موتورهای جستجو، رتبه بندی نتایج در پاسخ به پرس و جوی کاربر است. تاکنون الگوریتم های متنوعی که مبتنی بر محتوا و اتصال می باشند ارائه شده اند. علاوه بر روش های سنتی، روش های نوینی با عنوان روش های یادگیری جهت رتبه بندی مطرح شده است که به طور خلاصه عبارت است از ایجاد یک مدل خودکار رتبه بندی بر اساس داده های آموزشی به نحوی که این مدل قادر به مرتب سازی اسناد جدید بر اساس درجه مرتبط بودن آن ها با پرس وجوهای کاربران، میزان اهمیت اطلاعات اسناد و فاکتورهای دیگری از این قبیل باشد. در این پایان نامه ابتدا به معرفی رویکردهای اصلی روش های یادگیری جهت رتبه بندی پرداخته و در ادامه به بررسی تعدادی از الگوریتم های رتبه بندی به روش یادگیری مبتنی بر رویکرد جفتی می پردازیم. در نهایت روشی جدید جهت رتبه بندی صفحات وب مبتنی بر روش یادگیری جفتی ارائه می گردد. این روش، ترکیبی از روش های رتبه بندی svm و rankboost می باشد و برای رتبه بندی از روش svmprimal به عنوان یادگیرنده ضعیف در الگوریتم رتبه بندی rankboost استفاده می کند. این روش بر روی مجموعه داده trec2004 پیاده سازی شده است و نتایج ارزیابی های صورت گرفته، بهبود 10% نسبت به الگوریتم rankboost و بهبود 38% نسبت به الگوریتم svmprimal بر اساس معیار دقت را نشان می دهد.

امروزه اهمیت و توانایی داده کاوی در کشف دانش داده ها بر کسی پوشیده نیست. سازمان ها و شرکت های موفق در دنیای رقابتی امروز که دستیابی به داده های جدید را به عنوان یک مزیت رقابتی پذیرفته اند، به سرعت به این عرصه ورود پیداکرده و با استفاده از نتایج حاصل از این دانش، مسیر حرکت آینده کسب وکار خود را شفاف تر می سازند. سازمان هایی که با مشتریان خود به صورت اعتباری و فروش اقساطی در تعامل هستند، مواجهه با پدیده بدحسابی و دزدی را یکی از عوامل محدودکننده و درعین حال هزینه ساز برای خود می دانند که از یک سو می بایست هزینه های زیادی را برای وصول این بدهی ها تقبل نموده و از سوی دیگر محدودیت های ناشی از این کمبود نقدینگی، پیمودن مسیر آینده را دشوار ساخته است. یکی از شرکت هایی که با این مسئله درگیر است شرکت گاز می باشد. چالشی که در مورد شرکت گاز در این پایان نامه مورد بررسی قرار می گیرد، بررسی دستکاری و یا خرابی کنتورهای گاز با توجه به داده های جمع آوری شده می باشد.

امروزه سازمان هایی مانند شرکت گاز که با مشتریان خود بصورت اعتباری و فروش اقساطی در تعامل هستند، مواجهه با پدیده بدحسابی و تقلب (دستکاری کنتور) را یکی از عوامل محدودکننده و در عین حال هزینه ساز برای خود می دانند که هزینه های زیادی را برای وصول این بدهی ها می‎بایست تحمل نمایند. در این شرکت ابتدا خدمات ارائه می شود و سپس هزینه آن دریافت می شود که سبب بروز مشکلات زیادی برای این شرکت گشته است. تمرکز ما در این پایان نامه بر روی تشخیص خرابی یا دستکاری کنتور گاز می باشد. امروزه سعی می شود برای این مشکل راه حل مناسبی پیدا شود، در این راستا در این پروژه می کوشیم تا با پیش بینی میزان مصرف گاز برای هر مشترک، کنتورهایی که دارای خرابی هستند را تشخیص دهیم.

معماری سرویس گرا به عنوان رهیافتی در مهندسی نرم افزار است که بر پایه ویژگی های ارتباط آسان، ساده سازی، راهکارهای پیچیده و افزایش قابلیت استفاده مجدد، استوار است. سازنده کد به عنوان یک راهکار و ابزار ساخت نرم افزار با سرعت بسیار زیاد در کنار توسعه دهندگان نرم افزار استفاده می شود. با توجه به کاربرد و گسترش استفاده از این معماری تولید سازنده کدی که بتواند در بستر معماری سرویس گرا کار کند از اهمیت زیادی برخوردار خواهد بود. در این رساله سازنده کدی ارائه شده است که کدهای مربوط به معماری سرویس گرا را تولید می کند. این سازنده کد علاوه بر داشتن سازنده کدهای مشابه و به همراه داشتن ویژگی های متمایز و برجسته هرکدام، دارای ویژگی های کاربردی نوینی می باشد.

چکیده ندارد.