امروزه آنتن‎های آرایه‎ای هوشمند کاربردهای زیادی در رادار، سونار و مخابرات بی‎سیم دارند. در این آرایه‎ها می توان با شکل‎دهی پرتو باعث حذف سیگنال‎های تداخل و عبور بدون اعوجاج سیگنال‎های مطلوب از جهت‎های دلخواه می‎شد. آرایه‎های همدیس (conformal) زیرگروهی از آرایه‎های هوشمند هستند که به دلیل قابلیت انعطاف پذیری آنها در جایگذاری روی سطوح با شکل دلخواه، از اهمیت ویژه‎ای برخورداراند. در این آرایه‎ها به دلیل وجود خمیدگی در سطح تکیه‎گاه، جهت بردار نرمال سطح برای هر آنتن با سایر آنتن‎ها متفاوت است و به همین دلیل الگوی تشعشعی آنها در نقاط مختلف متفاوت خواهد بود و بر خلاف آرایه‎های صفحه‎ای برای به دست آوردن الگوی تشعشعی آرایه نمی‎توان الگوی تشعشعی المان را فاکتور گرفت که این موضوع باعث می شود که نتوان این الگوریتم ها را به طور مستقیم به آرایه ها ی همدیس اعمال نمود. تعداد جهت‎های منابع قابل تخمین توسط الگوریتم‎های معمول توسط آرایه‎ی یکنواخت با n سنسور برابر با است ولی می توان این درجه آزادی را با به کار گرفتن آرایه های تودرتو تا حد افزایش داد. هدف این پایان نامه ارائه‎‎ی روشی مناسب برای افزایش درجه آزادی در آنتن‎های همدیس با استفاده از آرایه ای از آنتن‎های تودرتو می‎باشد. بدین منظور ابتدا به بررسی مفصل مدل آرایه‎های همدیس و تفاوت الگوی تشعشعی آنها با آرایه‎های مسطح پرداخته می‎شود. در ادامه آرایه‎های تودرتو به منظور افزایش درجه آزادی بررسی شده‎اند و چگونگی دستیابی به درجه آزادی بیشتر توصیف شده است. همچنین برای استفاده از ایده‎ی آرایه‎های تودرتو بر روی آرایه‎های همدیس روش درونیابی اجرا شده است و نتایج مطلوب حاصل گردیده است. به دلیل وجود خطای موجود بین مدل تئوری آرایه های هوشمند و مدل پیاده سازی شده در عمل خطاهایی در الگوی پرتو به وجود می آید. برای برطرف کردن این خطاها از آرایه‎های مقاوم استفاده می‎شود که در کنار موضوع اصلی پایان نامه به بررسی و ارائه‎ی روشی برای مقاوم کردن پاسخ آرایه‎ی تودرتو پرداخته‎ایم. نتایج به دست آمده معتبر بودن این روش را نشان می‎دهند.

در سال‏های اخیر تلاش¬های زیادی در زمینه¬ی استفاده از الگوریتم¬های ابتکاری در حل مسائل طبقه¬بندی و خوشه¬بندی صورت گرفته است. در این پایان¬نامه برای نخستین بار از الگوریتم جستجوی گرانشی که یکی از جدیدترین الگوریتم‏های ابتکاری مبتنی بر جمعیت است، در حل مسأله تولید نماینده برای طبقه‏بند k-نزدیک¬ترین همسایه استفاده شده است. به منظور بهبود عملکرد، راهکارهایی چون استفاده از «قانون رأی¬گیری اکثریت» و اصلاح جمعیت اولیه¬ی الگوریتم ارائه شده است. همچنین دو روش ترکیبی که مسائل تولید و انتخاب نماینده را با هم ترکیب می¬کنند، پیشنهاد شده¬اند. روش¬های پیشنهادی روی پانزده مجموعه داده ارزیابی شده و نتایج آنها با 9 روش روزآمد مقایسه شده است. نتایج بدست آمده نشان می‏دهند که روش¬های پیشنهادی دقت طبقه‏بندی بالاتری نسبت به روش¬های مورد مقایسه داشته و عملکرد مناسبی در زمینه تولید نماینده دارند. بالاترین میانگین دقت طبقه¬بندی بدست آمده در میان روش¬های پیشنهادی روی مجموعه آزمون، تقریباً 5/1% بیشتر از بهترین روش ¬مورد مقایسه است.