متداول ترین ابزار ورود اطلاعات به رایانه، صفحه کلید متعارف و متداول است. سرعت انتقال اطلاعات از طریق صفحه کلید، بسیار کند است و اگر نیاز به بازخوانی تعداد زیادی پرسشنامه در مدت زمان کم باشد، باید از روش های دیگر استفاده کرد. ابزار متعددی برای بازخوانی پرسشنامه های چندگزینه ای و انتقال اطلاعات آنها به رایانه وجود دارد. ازجمله متداول ترین آنها دستگاه های اسکن نوری (opscan) هستند که هزین? بالا داشته و نیاز به کاغذهای خاص و پرسشنامه های با طراحی مشخص دارند. علاوه بر دستگاه های اسکن نوری می توان از روش های پردازش تصاویر دیجیتال همانند بازخوانی نوری علامت (optical mark recognition) استفاده کرد، که قابلیت انعطاف بیشتر و هزینه کمتری دارند. در این پایان نامه یک روش بهبود یافته از بازخوانی نوری علامت به نام somr ارائه و پیاده سازی شده است. در این روش جدید، برای بدست آوردن سطح آستانه از درونیابی اسپلاین مکعبی استفاده شده است. در نهایت دقت، سرعت و هزینه آن با دستگاه های اسکن نوری مقایسه شده است.

ما برای اولین بار روش جدیدی برای تکثیرداده با استفاده از الگوریتم رنگ آمیزی گراف ارائه می نماییم که درآن یک گراف از داده های تکثیریافته مشابه از یک داده خاص داریم که می خواهیم آن ها را در k گروه از فایل های تکثیر یافته در بخش های مجزا قرار دهیم طوری که دو داده مشابه تکثیر یافته از یک داده در یک بخش قرار نگیرند. دلیل اصلی استفاده کردن از الگوریتم رنگ آمیزی گراف برای حل این مسئله ایجاد زیر گراف های متعادل شده می باشد و راهکار پیاده سازی آن به دلیل سخت بودن مسئله استفاده از الگوریتم ژنتیک می باشد

سرویس وب به عنوان یک برنامه ی کاربردی جامع، پیمانه ای و خودتوصیف تعریف می شود که شامل یک آدرس منحصر به فرد بوده و می تواند در هر جایی از محیط وب قرار گیرد. به دلایلی مانند هزینه، سهولت پیاده سازی و امکان استفاده ی مجدد از قابلیت های اشتراکی، برای ساخت سامانه های نرم افزاری از روش های مبتنی بر سرویس استفاده می شود. با وجود همه ی مزایایی که سرویس های وب مهیا می کنند، یک محدودیت اساسی در استفاده از آن ها وجود دارد و آن این است که یک سرویس وب، به تنهایی قادر به پاسخ گویی به یک درخواست پیچیده نیست. این محدودیت باعث شده است تا ایجاد سرویس های بزرگتر و کارآتر با استفاده از سرویس های وب موجود، به یکی از مهم ترین زمینه های تحقیق در فن آوری سرویس وب تبدیل شود. به این عمل، ترکیب سرویس های وب گفته می شود. مسئله ی مهم در ترکیب سرویس های وب، چگونگی انتخاب سرویس های مناسب برای شرکت در فرآیند ترکیب است. سرویسی که برای شرکت در ترکیب انتخاب می شود، نه تنها باید عملکرد مناسبی داشته باشد بلکه باید از نظر پارامترهای کیفیت نیز بهینه باشد. فرآیند ترکیب سرویس های وب به دلیل پیچیده بودن به صورت دستی به وسیله ی انسان قابل انجام نیست. فنون متعددی برای ترکیب سرویس های وب پیشنهاد شده اند که امکان ترکیب سرویس ها را در زمان اجرا فراهم می کنند. روش های ریاضی، روش های هوش مصنوعی و روش های مبتنی بر جریان کار از جمله ی این فنون به شمار می روند. به دلیل غیرچندجمله ای -سخت بودن مسئله، روش‏های پیشنهادی باید دارای کارآیی لازم باشند تا بتوانند در زمان قابل تحملی به جواب مناسب دست پیدا کنند.

یکی از مسائلی که در مورد استفاده از تلفن همراه مطرح است تعیین مکان ایستگاههای مورد نظر برای دادن سرویسدهی مناسب از نظر خط دهی به تلفن همراه است. شعاع خط دهی متفاوت این ایستگاهها، مکان آنها و شرایط جغرافیایی منطقه باعث میشود که مکانیابی این ایستگاهها یک مسئله بهینهسازی از نوع غیر چندجملهای سخت شود. برای این منظور از ترکیب الگوریتم ژنتیک و آتاماتای یادگیر استفاده شده است تا منطقه مورد نظر تحت پوشش قرار گیرد و همپوشانی ما بین ایستگاهها کاهش یابد. در الگوریتم پیشنهادی این پایان نامه دو نوع آتاماتا بیان شده است که یکی به عنوان والد عمل میکند و مسئول اضافه کردن ایستگاه به منطقه است و مابقی آتاماتاها نقش فرزند را دارند و به ایستگاهها اختصاص یافتهاند. در کارهای مرتبط انجام شده در این زمینه مسائلی از جمله افت فرکانس در محیط های مختلف، شرایط محیطی منطقه، محدودیت استفاده از فرکانس و هزینه های مربوطه در نظر گرفته نشده است. الگوریتم پیشنهادی با نمونه مشابه که به وسیله الگوریتم ژنتیک و آتاماتای یادگیر پیادهسازی شده است مقایسه شده است و نتایج حاصل نشان میدهد که ترکیب الگوریتم ژنتیک و آتاماتای یادگیر در حالت کلی بر اساس معیارهای مورد نظر بهتر از دو الگوریتم دیگر عمل میکند.

سرویس دهی امن و بهبود ضریب امنیتی جهت استفاده امن از کارت های چند منظوره و ذخیره اطلاعات در حافظه این نوع کارت ها یک نیاز اساسی در این زمینه می باشد. در این پایان نامه کارهای انجام یافته درراستای تقویت امنیت این کارتها بررسی می شوند. در راستای تقویت ضریب امنیتی این کارت ها، یک الگوریتم رمزنگاری برای تقویت ضریب امنیت سرویس دهی و ذخیره داده در کارت های rfid مطرح می شود. الگوریتم پیشنهادی در کارت های چند منظوره پس از شبیه سازی به صورت عملی در دانشگاه -تبریز جهت استفاده در سیستم اتوماسیون برای مدیریت استخر، تردد الکترونیکی، خوابگاه دانشجویی، تغذیه و کتابخانه مرکزی مورد استفاده قرارگرفته است. کلمات کلیدی: مهر تعداد، لیست کارت های نامعتبر، پنهان نویسی پیام، الگوریتم رمزنگاری، الگوریتم-های متقارن و نامتقارن.

واحدهای بهداشتی و درمانی از انواع مختلف سامانه های نرم افزاری جهت تسهیل در ارائه خدمات پزشکی و درمانی استفاده می کنند. از این سامانه ها می توان به سامانه جامع اطلاعات بیمارستانی، سامانه مدیریت حوادث و فوریت های پزشکی و سامانه انتقال لوله ای با قدرت باد نام برد. سامانه جامع اطلاعات بیمارستانی وظیفه نرم افزاری کردن فرآیند پذیرش تا ترخیص بیمار را برعهده دارد و یک مجموعه بهداشتی درمانی را به یک مرکز قدرتمند نرم افزاری تبدیل می کند همچنین سامانه مدیریت حوادث و فوریت های پزشکی فرآیند تسهیل و هوشمندسازی ارائه خدمات به بیماران و حادثه دیدگان در موارد فوریت های پزشکی را امکان پذیر می کند در همین راستا سامانه انتقال لوله ای با قدرت باد برای انتقال مقدار کمی مواد و اقلام مانند نمونه های آزمایشگاهی و دارویی از محلی به محل دیگر در خصوص ارسال سریع، دقیق و مطمئن مورد استفاده قرار می گیرد. از مهمترین چالش های پیش روی این سامانه ها یکپارچه کردن و برقراری امنیت لازم و کافی در راستای تبادل اطلاعات مابین آنها می باشد به صورتی که همه این سامانه ها بتوانند با مدیریت سامانه جامع اطلاعات بیمارستانی که در برگیرنده کلیه اطلاعات بیمار و بیمارستان می باشد با هم کار کنند و عمل تبادل اطلاعات را با امنیت و سرعت لازم انجام دهند. فن آوری ابزار تشخیص امواج رادیویی راهی برای پی گیری محصول در در صنعت بیشتر برای جلوگیری از سرقت، افزایش کارآیی، کنترل موجودی و کاهش هزینه های بازرسی و حمل به کار می رود و در علوم پزشکی برای شناسایی بیمار و برقراری ارتباط با اطلاعات ذخیره شده وی در سامانه جامع اطلاعات بیمارستانی در حد بسیار محدودی در برخی کشورهای پیشرفته استفاده شده است در این پایان نامه هدف بر این است که با استفاده از فن آوری ابزار تشخیص امواج رادیویی عمل یکپارچه سازی این سامانه ها را با در نظر گرفتن نحوه انتقال و تبادل اطلاعات با رویکرد ایجاد بستر امن به انجام رسانیم.

مسئله ی مکان یابی تسهیلات یکی از مسائل بهینه سازی کلاسیک است که کاربردهای بسیاری به ویژه در صنایع خدماتی دارد؛ برای مثال می توان به یافتن مکان بهینه ی واحدهای اورژانس، ایستگاه های آتش نشانی، ایستگاه های پلیس، بیمارستان ها، مدارس، آنتن های موبایل و همچنین مکان حسگرها در شبکه های حسگر بی سیم اشاره کرد. بانک ها به عنوان بخشی از بنگاه های اقتصادی که همه روزه با مردم در ارتباط هستند، حساسیت ویژه ای در انتخاب مکان مناسب، جهت بیشینه نمودن سهم خود از بازار و افزایش رضایت مندی مشتریان از طریق دسترسی سریع دارند. همچنین با در نظر گرفتن محیط رقابتی موجود در بین بانک های مختلف به منظور جذب مشتریان بالقوه، مکان یابی بهینه ی تأسیسات بانکی برای مدیران اهمیت ویژه ای یافته است. مسئله ی مکان یابی تسهیلات بانکی در دسته ی مسائل بیشینه پوشش مکان قرار می گیرد، که هدف در آن ها یافتن بیشینه پتانسیل های تجاری پوشش داده شده با در نظرگرفتن تعدادی محدودیت می باشد. مطالعات مختلف در این حوزه عملکرد بهتر الگوریتم های فرامکاشفه ای نسبت به روش های سنتی دقیق در مواجهه با مسائل پیچیده با معیارهای مختلف را نشان می دهند. از این رو به دلیل غیر چند جمله ای-سخت بودن مسئله ی موردنظر لزوم استفاده از الگوریتم های غیرقطعی و فرامکاشفه ای جهت دستیابی به پاسخ هایی مناسب و در زمانی منطقی مشخص می باشد. در این پایان نامه یک الگوریتم تکاملی با ویژگی های جدید به منظور اصلاح پراکندگی جغرافیایی تسهیلات بانکی ارائه گردیده است. الگوریتم پیشنهادی که به اختصار tpcea نام گذاری شده است؛ با یک روش کدگذاری جدید و استفاده از عملگرهای مختلف سعی در دستیابی به یک پیکربندی بهینه برای تسهیلات بانکی دارد. هدف، بیشینه سازی بهره وری بانک از طریق پوشش معیارهای مختلف و کمینه سازی هزینه های عملیاتی می باشد. نتایج حاصل بیانگر قدرت الگوریتم در دستیابی به پاسخ های بهینه، مقیاس پذیری مناسب نسبت به افزایش ابعاد مسئله، همگرایی قابل قبول و پایداری بالای آن در شرایط مختلف می باشد.

الگوریتم پیشنهادی با نام icaci باارائه یک فرمول به عنوان شرط فروپاشی نسبت به الگوریتم رقابت استعماری اولیه پاسخ‏های بهینه‏تری ارائه داد. دراین شرط اگرهزینه‏ی ضعیفترین امپراطوری از میانگین هزینه‏ی کل همه‏ی امپراطوری‏ها به علاوه‏ی درصدی ازمقدار انحراف معیار هزینه‏ی کا همه‏ی امپراطوری‏ها بیش‏تر باشد محکوم به فروپاشی آنی خواهد شد. برای ارزیابی این الگوریتم ازتوابع محک استفاده شد.با توجه به اجرای الگوریتم icaci روی 10 تابع محک معرفی شده در فصل پنجم پایان، نتایج حاصل نشان می‏دهند که جواب‏های بهینه‏ی به دست آمده از اجرای این الگوریتم با تعداد پارامترهای کم و زیاد، نسبت به پاسخ‏های بهینه‏ی حاصل از اجرای الگوریتم رقابت استعماری اولیه، 100 درصد بهبود داشته‏اند. این امر با توجه به نوع توابع محک مورد آزمایش و تنوع و پیچیدگی آن‏ها و همین‏طور بازه‏های کوچک و بزرگ انتخاب پارامترها قابل توجه است. پاسخ‏های بهینه‏ی الگوریتم icaci در مقایسه با الگوریتم‏های ژنتیک و تکامل تفاضلی نیز 100 درصد بهبود داشته‏اند. هم‏چنین این الگوریتم در مقایسه با الگوریتم بهینه‏سازی انبوه ذرات، جز در سه مورد مربوط به اجراهای تابع rosenbrock با تعداد پارامترهای 10 و 30، و اجرای تابع rastrigin با تعداد پارامتر 30، در سایر موارد پاسخ‏های بهتری ارایه نموده است. به طور کلی الگوریتم icaci در مقایسه با چهار الگوریتم رقابت استعماری اولیه، ژنتیک، بهینه‏سازی انبوه ذرات و تفاضل تکاملی در آزمایش 10 تابع محک معرفی شده، در اجراهای با 10 پارامتر، برای 9 تابع بهترین پاسخ و در اجراهای با 30 پارامتر برای 8 تابع بهترین پاسخ را به دست آورده است. در نمونه‏های دیگر نیز دومین جواب خوب را به دست آورده است. هم‏گرایی و پایداری این الگوریتم در نمودارهای ارائه شده‏ی حاصل از اجرای این الگوریتم نشان داده شده است.

زمانبندی نقش مهمی در حوزه های متفاوت مهندسی از جمله مدیریت پروژه، محاسبات گرید، زمانبندی پرستار، کنترل خط تولید، تولید و توسعه ی نرم افزار و مهندسی ساخت و غیره دارد. یکی از مهم ترین مسائل زمانبندی که در سال های اخیر مورد توجه بسیاری از محققین قرار گرفته مساله زمانبندی پروژه با منابع محدود (rcpsp) است. این مساله شامل مجموعه ای از فعالیت ها، منابع، محدودیت ها و معیار کارایی است. هدف یافتن راهی برای تخصیص منابع به فعالیت ها است به طوری که معیار کارایی بهینه شود. در این پایان نامه یک روش ترکیبی برای حل rcpsp تک حالته با هدف کمینه کردن زمان تکمیل پروژه پیشنهاد کرده ایم. روش پیشنهادی ما از ترکیب الگوریتم ژنتیک و الگوریتم انبوه بهینه سازی ذرات (pso) استفاده می کند. در روش پیشنهادی راه حل های جدید با استفاده از ترکیب الگوی اصلاح شده ی حرکت ذرات در pso و عملگرهای کنترل اکتشاف و استخراج در الگوریتم ژنتیک تولید می شوند. افراد مبتنی بر لیست فعالیت توسعه یافته کدگذاری شده و با استفاده از طرح تولید زمانبندی ترتیبی یا موازی کدگشایی می شوند. برای افزایش بهبود کیفیت راه حل ها یک رویه ی fbi به کار گرفته شده است. همچنین برای افزایش بهبود تنوع جمعیتی یک رویه با نام idrp پیشنهاد شده است. روش پیشنهادی بر روی مجموعه داده های استاندارد موجود که به صورت رایگان در اینترنت موجود است (psplib) اجرا شده و با برخی از روش های موجود در مطالعات مقایسه شده است. نتایج به دست آمده حاکی از آن است، که روش پیشنهادی ما برای حل rcpsp یک راهکار موثر و مناسب را ارائه می کند.

بهینه سازی اهمیت زیادی در بسیاری از شاخه های علوم همچون فیزیک، شیمی و مهندسی دارد. پژوهشگران در این شاخه ها علاقه دارند تا طرح های بهینه ای برای ایجاد فرآیندهای مختلف به کار برند و میزان تولید محصول را با داشتن شروطی مثل هزینه و آلودگی کم، به حداکثر برسانند. در این راستا در برازش غیر خطی مدل و منحنی نیز، به نوعی به بهینه سازی نیاز است. با توجه به اهمیت بحث بهینه سازی در جهان پیرامون، مسائل شناخته شده ای در زمینه ی بهینه سازی ترکیبی وجود دارد. بهینه سازی ترکیبی شاخه ای از بهینه سازی است که به آن دسته از مسائلی می پردازد که در حالت عمومی حلشان سخت به نظر می رسد و سعی می شود این گونه مسائل را با بررسی کارآمد فضای معمولاً بزرگی از پاسخ های امکان پذیر آن نمونه، به بهترین پاسخ مسئله رسید. این مسائل با فضای گسسته سروکار دارند. گسسته سازی مسائل به سه دسته طبقه بندی شده است: حل مسائل گسسته با ماهیت پیوسته الگوریتم، حل مسائل گسسته با نمایش بردارهای عدد صحیح در الگوریتم ها، حل مسائل گسسته با الگوریتم های باینری. با توجه به اهمیت حل مسائل ترکیبی، روز به روز روش هایی سریعتری در هر سه دسته جهت حل آن ها ارائه می گردد و از هم پیشی می گیرند. مسئله رنگ آمیزی گراف از جمله مسائلی است که در فضای گسسته قابل حل می باشند. با توجه به دلایل اهمیتی که برای این مسئله مطرح شد، همین انگیزه ای شد تا به حل مسئله رنگ-آمیزی گراف به وسیله ی الگوریتم فاخته بپردازیم. از طرفی به دلیل نوظهور بودن الگوریتم فاخته، گسسته سازی آن هنوز بررسی نشده است. لذا در این پژوهش هدف گسسته سازی الگوریتم فاخته و تست آن بر روی مسئله رنگ آمیزی گراف می باشد. که با مطالعات انجام شده موفق به ارائه 4 مدل از گسسته سازی الگوریتم فاخته شدیم و نتایج حاصل از این گسسته سازی را با الگوریتم های مطرح در این زمینه مقایسه نمودیم که نتایج مقایسه به خوبی دقت و سرعت گسسته سازی های انجام شده را اثبات می کند

برقراری امنیت داده های ذخیره شده مشتریان بر روی سرورهای راه دور رایانش ابری به یکی از چالش های اساسی روز در زمینه ارتباطات شبکه ای تبدیل گردیده است. تاکنون روش های مختلفی برای برقراری امنیت داده ها پیشنهاد شده اند که به عنوان نمونه می توان به روش های مختلف رمزنگاری اشاره کرد. در کنار امنیت داده ها امروزه استفاده از پارامترهای بیومتریک برای تائید و تصدیق هویت افراد، بسیار رواج یافته است. روشی که در سال های اخیر بیشتر از سایر روش ها مورد توجه قرار گرفته است، شناسایی افراد از روی خصوصیات موجود در عنبیه آن هاست. پیش بینی می شود که شناسایی افراد بر اساس پارامترهای موجود در عنبیه، در محدوده وسیعی از کاربردها از جمله احراز هویت افراد، گسترش یابد. در این پژوهش یک الگوریتم رمزنگاری با ویژگی بیومتریک عنبیه چشم تلفیق شده است تا روشی مناسب برای امنیت داده های مشتریان بر روی سرورهای ابر ارائه شود. در روش پیشنهادی به دلیل اینکه از ویژگی منحصر به فرد بیومتریک عنبیه چشم استفاده شده است می تواند محیطی امن، برای تبادل داده ها ایجاد نماید. همچنین در روش پیشنهادی با ترکیب روش های رمزنگاری و با استفاده از اصول امضای دیجیتالی، از یک روش رمزنگاری دو مرحله ای استفاده شده که کلید خصوصی رمزنگاری و رمزگشایی، در مبدأ و مقصد متفاوت بوده و به دلیل رعایت مسائل امنیتی، در متن پیام تبادلی کلید خصوصی هیچ نقشی ندارد. به این ترتیب می توان انتظار داشت که افراد غیرمجاز موفق به کشف کلید رمز نشوند. در روش پیشنهادی ممکن است طول پروسه دسترسی به داده های خصوصی اندکی افزایش یابد ولی در عوض امنیت داده ها بیش از پیش تضمین خواهد شد. با روش مطرح شده در این پژوهش می توان انتظار داشت گرایش افراد و شرکت ها به استفاده از بستر رایانش ابری برای ذخیره ی داده های شخصی و محرمانه افزایش پیدا کند.

الگوریتم رقابت استعماری در سال 2007 توسط فردی ایرانی موسوم به آتشپز ارائه شد، که این الگوریتم بهینه سازی جدید از فرآیند سیاسی-اجتماعی انسان ها در دنیای واقعی نشات گرفته است. الگوریتم ذکر شده اولین الگوریتمی است که برای توسعه آن از مبانی فرهنگی استفاده شده است. از آن جا که الگوریتم رقابت استعماری الگوریتم جدیدی است و نقاط ضعف فراوانی دارد، در این پایان نامه سعی شده است تا با یافتن تعدادی از ایرادها و ارائه پیشنهاداتی به منظور مرتفع نمودن آنها، کارآیی الگوریتم افزایش یابد. در الگوریتم رقابت استعماری تنها دو دسته کشورهای مستعمره و استعمارگر و روابط میان آنها در نظر گرفته شده است. در این تحقیق روابط کشورهای دیگر و تاثیر آنها در الگوریتم مورد بررسی قرار گرفته است. ایده چنین تغییراتی بر این مبنا است که در دنیا تنها این دو دسته کشور نیستند که باعث بهبود جهان می شوند، بلکه مباحث پیچیده تر و روابطی فراتر از این نیز وجود دارند که در الگوریتم رقابت استعماری به آنها توجهی نشده است. بعد از بررسی ها و تحقیقات مفصلی که در مورد الگوریتم رقابت استعماری انجام شد و با توجه به راه کارهایی که برای بهبود آنها مطرح شده است به تدریج مشاهده شد که رفتار الگوریتم از شبیه سازی فرهنگی به شبیه سازی رفتارهای انسانی تبدیل می شود. در واقع عمل گرهای تعریف شده بیش از آن که روابط کشورها را در ذهن ایجاد کنند، تداعی گر رفتارهای یک انسان بودند. لذا تغییرات انجام شده در الگوریتم رقابت استعماری را توسعه داده و شبیه سازی رفتار انسانی در حل مسائل بهینه سازی مورد مطالعه قرار گرفت. ایده ای که پشت این جستجو وجود داشت اعتقاد به این مسئله بود که هوش انسان قدرت بیشتری نسبت به هوش جمعی حیوانات، جهش های ژنتیکی تصادفی و غیره دارد. به منظور پیاده سازی رفتارهای هوشمند یک انسان سعی شد تا عمل گرهای جدیدی تعریف شوند که رفتار انسان را تقلید می نمایند. لازم به ذکر است که برای شباهت بیشتر فعالیت عمل گرها با محیط مسائل و اضافه کردن ابهامات موجود در مسائل بهینه سازی، کلیه عمل گرها با فرض وجود یک انسان در یک اتاق تاریک و بدون روشنایی تعریف شده اند تا فضای بسته مسئله بیشتر خودنمایی کند. در این راستا در این پایان نامه روش هایی به منظور بهبود کارآیی الگوریتم رقابت استعماری با اضافه کردن کشورهای مستقل، استقلال طلب و مشترک المنافع ارائه شد، که در توابع آزمایش شده در 100 درصد موارد نتایج بهتری به دست آمد که به صورت میانگین 15/54 درصد بهبود حاصل گردید. سپس با توسعه بیشتر ترفندهای قبلی به الگوریتمی دست یافتیم که با استفاده از شبیه سازی رفتارهای انسانی سعی در حل مسائل بهینه سازی دارد، که نسبت به الگوریتم هایی که مورد مقایسه قرار گرفت در 55 درصد از موارد به نتایج بهتری دست یافت. نتایج حاصل از الگوریتم پیشنهادی نشان داد که حدس عمل کرد مناسب عمل گرهای شبه انسانی می تواند درست باشد و تحقیقات بیشتری را برای اثبات خود می طلبد.

وب سرویس ها نرم افزارهایی هستند که از xml برای انتقال اطلاعات بین نرم افزارهای دیگر از طریق پروتکل های معمول اینترنتی استفاده می کنند، به عبارت دیگر وب سرویس ها مولفه های نرم افزاری قابل دسترس بر روی پروتکل های مختلف هستند و برای برقراری ارتباط بین نرم افزارها مورد استفاده قرار می گیرند. تضمین کیفیت سرویس یکی از مباحث غیرکارکردی وب سرویس ها است . در شبکه های کامپیوتری و سایر شبکه های مخابراتی و همچنین در بحث ترافیک شبکه، مفهوم تضمین کیفیت سرویس ((quality of service به روش های کنترل سرویس دهی منابع برمی گردد. منظور از کیفیت سرویس، قابلیت ارائه اولویتهای مختلف به کاربران، برنامههای کاربردی و جریانهای? ?داده می باشد. همچنین تضمین کارایی شبکه برای یک جریان خاص، تضمین حداقل پهنایباند، تضمین حداکثر تأخیر و حداکثر احتمال دور ریختهشدن بستهها و احتمال خطا نیز جزء کیفیت سرویس محسوب می شوند. وظیفه تضمین کیفیت سرویس در یک وب سرویس زمانی آغاز میشود که? ?وب سرویس با ترافیک مواجه شود و لازم است با تضمین کیفیت سرویس از مساله ازدحام در وب سرویس جلوگیری شود. در این پایان نامه از شبکه های عصبی برای کنترل ازدحام استفاده می شود. در این روش با دریافت هر درخواست و تنظیم پیکربندی پارامترهای وب سرور و بر اساس اطاعات آموزشی داده شده به سیستم، کارایی و قابلیت اطمینان وب سرور پیش گویی می شود. جهت ارزیابی روش پیشنهادی نرم افزار شبیه سازی matlab به کار گرفته شده است.

یکی از مسائل اصلی در وارسی سیستم های کامپیوتری، ساخت فضای حالت به صورت یک ساختار مبتنی بر حالت ها مانند ساختار کریپکی است. ابزارهای ارائه شده در بررسی مدل دارای مشکلات انفجار تعداد حالات در فضای حالت سیستم های بزرگ هستند. برای حل این مشکل، تاکنون روش های زیادی ارائه شده است، با این وجود، در سیستم های بزرگ ساخت کل فضای حالت ممکن نیست. برای رهایی از این مشکل، روش های نمادین مانند نمودار های تصمیم دودویی ارائه شده اند. نمودار های تصمیم دودویی توسط مک میلیان، هنریک ریف آندرسن و کلارک ارائه شده است و آنها معتقدند با استفاده از این نمودارها می توان سیستمی با 1019 حالت را شبیه سازی و فضای حالت آن را ایجاد کرد. در این پایان نامه از نمودارهای تصمیم دودویی برای وارسی سیستم های بزرگ نرم افزاری استفاده شده است. به این منظور با استفاده از روش هرس کردن یک نمودار تصمیم دودویی بهینه به دست می آید. به این ترتیب به جای ساخت کل نمودار در حافظه کامپیوتر، برحسب نیاز قسمتی از نمودار در حافظه کامپیوتر ایجاد می گردد. قابلیت روش ارائه شده با استفاده از مثال های متعدد مورد ارزیابی و بررسی قرارگرفت. نتایج نشان می دهند این روش می تواند برای مثال های واقعی با ابعاد بزرگ مورد استفاده قرار گیرد. استفاده از این روش حجم حافظه مورد نیاز و زمان انجام محاسبات را تا حد زیادی کاهش می دهد.

از جمله الگوریتم های فرامکاشفه ای ارائه شده الگوریتم تکاملی می باشد که امروزه کاربرد زیادی در علوم مختلف دارد. الگوریتم تازه ظهور یافته رقابت استعماری نیز از یک پدیده اجتماعی-انسانی الهام گرفته است. در این پایان نامه بهبودهای مختلفی برای الگوریتم تکاملی و رقابت استعماری مانند استفاده از سن گذاری، جنسیت، در نظر گرفتن روابط غیر خویشاوندی، استفاده از ایده الگوریتم قورباغه و انواع کشورها ارائه شده اند؛ بنابراین الگوریتم غیر خویشاوندی تکاملی از بهبود الگوریتم تکاملی و الگوریتم مبتنی بر اجتماع با مدل سازی ریاضی ایده زندگی گروهی انسان ها در جوامع مختلف ارائه شده اند. در نهایت با ترکیب این دو الگوریتم غیر خویشاوندی ارائه شده است. برای نشان دادن توانایی الگوریتم های جدید، توابع محک مختلفی استفاده شده اند و نتایج حاصل به خوبی بیان گر کارآیی بالای الگوریتم های جدید است. هم چنین از آن ها در وزن دهی شبکه عصبی دو نمونه موردی مسأله wine و رودخانه مارون استفاده شده است. در نزدیک به 90 درصد از موارد الگوریتم های ارائه شده توانسته اند نتایج بهتری را نسبت به سایر الگوریتم های مورد مقایسه ارائه کنند.

مکان یابی ایستگاه های آتش نشانی یک مسأله چند جمله ای غیرقطعی- سخت محسوب می شود تعیین مکان مناسب جهت تاسیس این ایستگاه ها یکی از مهمترین وظایف و اهداف مدیران شهری است که باید قبل از اجرا، در یک چارچـوب سیستماتیک آماده سازی گردد. در واقع هـدف اصلی از مکان یـابی، جلـوگیری از هـدر رفـتن هزینه ها از یک طرف و تضمین کارآیی بهینه ایستگاه ها در تقابل با سیستم شهری است. متاسفانه چون بسیاری از ایستگاه های آتش نشانی بر اساس تجربه کارشناسان و روش های سنتی ایجاد می شوند، پراکندگی نامناسب آن ها همواره مشکلاتی را در امر پاسخ گویی در زمان استاندارد 5 دقیقه و اطفای حریـق به موقـع پدید می آورد. بنابراین بایـد روش-هایی را به کار گرفت که تا با در نظر گرفتن تمامی عامـل ها بتوان مکان های بهینه این ایستگاه ها را تعیین نمود. تاکنون روش‏های مختلفی برای مکان یابی ایستگاه های آتش نشانی مورد مطالعه قرار گرفته است که از آن جمله می‏توان به روش‏های تخصیص خطی‏، ‏روش‏های منطق فازی‏، ‏روش‏ های شبکه های عصبی مصنوعی، روش های تصمیم گیری چند شاخصهtopsis ، استفاده از سیستم های اطلاعات جغرافیایی و غیره اشاره کرد و هر کدام از این روش ها تا حدودی توانسته اند مساله ی مکان یابی ایستگاه های آتش نشانی را بهبود دهند. در این پایان نامه با توجه به انجام آزمایشات مختلف نشان می دهد که الگوریتم دارای هم گرایی و پایداری مناسبی بوده و همچنین الگوریتم روی نقشه شهر تبریز با در نظر گرفتن 20 ایستگاه موجود و نیاز به 10 ایستگاه دیگر انجام یافته و محل ایستگاه های جدید به طور مناسب تعیین شده است.

حمل و نقل در سیستم های اقتصادی اعم از تولیدی و خدماتی از جایگاه مهمی برخوردار است و بخش قابل توجهی از تولید ناخالص ملی هر کشوری را به خود اختصاص می دهد. به همین علت بحث بهبود مسیر و حذف مسیرهای غیرضروری و ایجاد مسیرهای بهینه برای وسایل توسعه یافته است. مساله مسیریابی وسیله نقلیه از مسائل مهم مدیریت در زمینه توزیع و پشتیبانی است و در طیف گسترده ای از مباحث حمل و نقل عملی وجود دارد. مساله vrp با عناوین مختلفی از جمله کلرک و رایت جهت زمان بندی وسایل نقلیه، دانتزیک و رامسر جهت توزیع کامیون و کریستوفیدز و ایلون با عبارت توزیع و مساله تحویل اشاره شده است. مساله مسیریابی وسیله نقلیه یکی از مهم ترین مسائل بهینه سازی ترکیباتی از نوع غیر چند جمله ای-سخت می باشد که بسیار مورد توجه قرار گرفته است. این مساله شامل مسیریابی برای یک ناوگان وسیله نقلیه است که در آن هر کدام از وسایل، مجموعه ای از مشتری ها را مورد ملاقات قرار می دهد، به شرط آن که هر مشتری فقط و تنها فقط به وسیله یک وسیله نقلیه ملاقات شود. هدف در vrp بسته به نوع مساله می تواند کمینه سازی فاصله های پیموده شده، کمینه سازی هزینه برای مسیرهای یک ناوگان از وسایل نقلیه و یا غیره باشد. در مساله مسیریابی وسیله نقلیه با دریافت و تحویل هم زمان کالا (vrpspd) علاوه بر این که وسایل نقلیه به مشتری کالا تحویل می دهند، مقداری کالا را از مشتری دریافت می کنند. مطالعات مختلف در این حوزه عملکرد بهتر الگوریتم-های فراابتکاری نسبت به روش های سنتی دقیق در مواجهه با مسائل پیچیده با معیارهای مختلف را نشان می دهند. از این رو لزوم استفاده از الگوریتم های غیرقطعی و فراابتکاری جهت دستیابی به پاسخ هایی مناسب و در زمانی منطقی مشخص می باشد. در این پایان نامه یک الگوریتم تکاملی بر اساس الگوریتم رقابت استعماری با ویژگی های جدید ارائه گردیده است. الگوریتم پیشنهادی که به اختصار vrpspd+ica نام گذاری شده است، سعی در حل مسئله vrpspd دارد. هدف در این مسئله کمینه سازی کل مسافت طی شده به وسیله وسایل نقلیه، با توجه به محدودیت های مطرح شده در حالت کلاسیک مساله است. نتایج حاصل شده از آزمایشات انجام شده بر روی توابع محک مطرح شده در این مساله بیان گر قابل اطمینان بودن مسئله می باشد و همچنین از هم گرایی بالا و پایداری قابل قبولی برخوردار می باشد

وب کاوی به عملیات کاوش و جستجو در دنیای عظیم وب به منظور یافتن اطلاعات و داده های خاص اطلاق می گردد. وب کاوی شاخه ای از داده کاوی بوده و به داده کاوی در اصطلاح دانش کشف پایگاهداده گفته میشود. عملیات وب کاوی برای جستجوی دادههای مورد نظر باید به صورتی انجام گیرد که بهترین نتایج در کمترین زمان ممکن به کاربر ارائه گردد. با افزایش سریع اطلاعات در دنیای وب، نیاز به بهبود روش های سریع و مطمئن جهت انجام عملیات وب کاوی بیشتر احساس می شود. به دلیل کثرت اطلاعات موجود در دنیای وب کاربران همواره انتظار دارند که بهترین جواب هایی که مد نظر آن ها می باشد را در ابتدای نتایج یافت شده مشاهده نمایند. در بسیاری از موارد، صفحات وب یافت شده مغایر با خواسته ی کاربران می باشد به همین علت، ارائه ی روشی که نتایج ارائه شده به کاربر را بهبود دهد، انگیزه اصلی است که در این رساله مورد تحقیق قرار گرفته است.از مهمترین روش ها در این زمینه روش های خوشه بندی و رتبه بندی صفحات می باشد. الگوریتم های خوشه بندی، صفحات وب را طوری خوشه بندی می نمایند که صفحات مشابه از لحاظ محتوا و ساختار در خوشه های یکسانی قرار بگیرند سپس جستجو برای یافتن اطلاعات خاص در خوشه هایی صورت می گیرد که به خواسته ی کاربر نزدیک تر می باشد. الگوریتم های رتبه بندی نیز براساس میزان نزدیکی ساختار و یا محتوای صفحات وب، برای هر صفحه یک معیار عددی قابل اندازه گیری در نظر می گیرند و صفحات به ترتیب رتبه ی محاسبه شده به کاربر ارائه خواهند شد. از طرفی به دلیل این که محیط گسترده ی وب به وسیله ی ساختمان داده ی گراف نمایش داده می شود و عملا هنگام وب کاوی یک عمل جستجو در این نوع گراف ها صورت می پذیرد و به دلیل این که این نوع از گراف ها یعنی گراف های وب، گراف های بسیار بزرگی هستند، لذا عملیات وب کاوی دارای پیچیدگی زمانی بالایی خواهد بود تا جایی که عملیات کاوش اطلاعات در این نوع گراف ها به یک مساله ی چند جمله ای غیر قطعی-سخت تبدیل می گردد. تا کنون روش های مختلفی جهت خوشه بندی و رتبه بندی صفحات وب پیشنهاد شده است. همچنین روش هایی که از ترکیب این دو روش جهت وب کاوی استفاده می کنند نیز مورد بررسی قرار گرفته است که بیشتر مبتنی بر محتوا هستند. در روش پیشنهادی تمرکز اصلی بر روی ساختار بوده و علت آن، این است که ارتباطات موجود مابین صفحات وب حاوی اطاعات ارزشمندی هستنند که می توان از آن ها جهت بهبود عملیات وب کاوی بهره برد. در روش پیشنهادی ابتدا گراف وب بر اساس شباهت های ساختاری و طی دو مرحله خوشه بندی شده و سپس هر کدام از خوشه ها بر اساس میزان ارزشمندی امتیازدهی می گردد و سپس عمل رتبه بندی به تمامی صفحات موجود در خوشه ها اعمال شده و در نهایت امتیاز و یا رتبه ی نهایی یک صفحه ی وب حاصل ضرب این دو مقدار خواهد بود. در نهایت صفحات وب بر اساس میزان رتبه ی نهایی به کاربر ارائه خواهد شد. نتایج حاصل از مقایسه ی الگوریتم پیشنهادی (gcrm) با سایر روش ها، بیان گر عملکرد خوب این الگوریتم در یافتن صفحات با کیفیت و همچنین بهبود عملیات وب کاوی و رتبه بندی می باشد. ازآن جایی که میزان کیفیت، پارامتر و دغدغه اصلی در زمینه ی وب کاوی می باشد، لذا در الگوریتم gcrm تلاش اصلی بر روی افزایش کیفیت صفحات یافت شده می باشد که با توجه به نتایج به -دست آمده، روش پیشنهادی در این زمینه موفق عمل کرده و دلیل اصلی آن استفاده از اطلاعات مفید پیوند ها، هم در مرحله ی خوشه بندی و هم در مرحله ی رتبه بندی می باشد، چرا که صفحات وب به میزان کیفیت شان از الگوهای ساختاری مشابهی بهره می گیرند و هر صفحه ی وبی که اطلاعات مفیدی در یک زمینه داشته باشد، به طور معمول با سایر صفحات با کیفیت در ارتباط خواهد بود.

برچسب یک جزء مهمی از نقشه است که کاربر می‎تواند با کمک برچسب نقشه موضوعات مهم را شناسایی و اطلاعات مربوط به خود را از موضوعات به ‎دست آورد. از آن‎جایی که برچسب‎گذاری نقشه به صورت دستی یک کار وقت‎گیر است؛ بنابراین خودکارسازی برچسب‎گذاری نقشه همیشه یکی از موضوعات مهم مطالعه کارتوگرافی به کمک کامپیوتر در تمام زمان‎ها بوده است. به‎کارگیری روش‎های کارآمد برای برچسب‎گذاری خودکار نقشه و جلوگیری از تداخل برچسب با برچسب یا برچسب با نقطه، به‎ منظور شفافیت نقشه یک مشکل اساسی در بسیاری از کاربردهای کارتوگرافی و سیستم‎های اطلاعاتی جغرافیایی می‎باشد. قرار‎دادن برچسب متنی در موقعیت مربوط، یک مورد با اهمیت می‎باشد که یک شاخه وسیعی از تولید نقشه را به خود اختصاص داده است. عوارض نقشه‎ای که برچسب‎گذاری می‎شود، می‎توانند نقطه‎ای (مثل شهرها)، خطی (مثل رودها و خیابان‎ها) و یا سطحی (مثل دریاچه‎ها و کشورها) باشند. از آن‎جایی که برچسب‎گذاری نقشه به صورت خودکار یک مسئله چند‎جمله‎ای غیرقطعی-سخت می‎باشد، بنابراین نیازمند استفاده از الگوریتم های مکاشفه‎ای، فرامکاشفه‎ای و همچنین روش‎های پردازش موازی جهت دستیابی به جواب‎های نزدیک به بهینه و سریع می باشد. از مهمترین الگوریتم‎های فرامکاشفه‎ای که برای مسئله برچسب‎گذاری نقشه ارائه شده‎اند می‎توان به الگوریتم ژنتیک، شبیه‎ساز درجه حرارت و شبکه عصبی اشاره کرد که با توجه به آزمایشات انجام شده نشان داده شده است که راهکار الگوریتم ژنتیک دارای بالاترین کیفیت در نقشه با پیچیدگی یکسان می‎باشد. همچنین از روش‎های پردازش موازی در این زمینه می‎توان به الگوریتم موازی مدل crew pram اشاره کرد و ثابت شده ‎است که الگوریتم موازی ارائه شده برای برچسب‎گذاری در مدل pram دارای سرعت خطی بوده و از لحاظ زمان اجرا، کار انجام شده و تعداد پردازنده نسبت به الگوریتم‎های ترتیبی شناخته‎ شده برای این مسئله بهینه است. ما در این ‎پایان‎نامه یک الگوریتم تکاملی موسوم به mlga با ویژگی‎های جدید برای مسئله برچسب‏‎گذاری با هدف برچسب‎گذاری بیشینه عوارض نقطه‎ای ارائه داده‎ایم. راه‎کار پیشنهادی ما از فضای جستجوی پیوسته برای برچسب‎گذاری عوارض نقطه‎ای بهره گرفته است به طوری‎که برچسب‎ها می‎توانند در هر زاویه و در هر فاصله نسبت به نقطه‎ی مربوط جای‎گذاری شوند. در راه‎کار پیشنهادی ما همچنین برچسب‎ها می‎توانند با خطوطی با اندازه‎ی متغیر به نقطه‎ی مربوط وصل شوند که این‎کار باعث می‎شود در جاهایی از نقشه که تراکم نقاط زیاد است برچسب‎ها با خطوطی به جاهایی که تراکم نقاط کم است، منتقل شوند. ویژگی دیگر در راه‎کار پیشنهادی ما این است که به زیبایی جای‎گذاری برچسب‎ها اهمیت داده شده ‎است به طوری‎که ربع اول در محورهای مختصات بالاتربن الویت را برای جای‎گذاری برچسب‎ها دارد. همچنین برای تسریع در اجرای راه‎کار پیشنهادی (mlga) یک الگوریتم برچسب‎گذاری موازی نقشه (mlpga) ارائه شده است. راه‎کار پیشنهادی برای برچسب‎گذاری موازی نقشه از تقسیم‎بندی نقشه به تعداد پردازنده استفاده می‎کند به طوری‎که بعد از تقسیم‎بندی، هر پردازنده مجموعه نقاط مربوط به خود را با استفاده از mlga برچسب‎گذاری می‎کند و در آخر برچسب‎های متداخل روی مرز مجموعه‎های همسایه را در دو مرحله کمینه می‎کند. نتایج حاصل از آزمون‎های مختلف صورت گرفته روی راه‎کار پیشنهادی، حاکی از هم‎گرایی مناسب الگوریتم در روند تکاملی خود و دستیابی به پاسخ بهینه در تعداد تکرارهای به نسبت کم می‎باشد. همچنین به منظور ارزیابی پایداری راه‎کار پیشنهادی آزمون‎های مختلفی صورت گرفته که در تمامی موارد کوچک بودن انحراف معیار مقادیر تابع هدف، این ویژگی الگوریتم را نیز تأیید نموده است. نتایج بررسی شده پایان‎نامه نشان می‎دهد که الگوریتم پیشنهادی جواب‎های خوب و قابل قبولی نسبت به روش‎های پیشین دارد.

روش مکاشفه‎ای برای مسائل جستجو را می‎توان به عنوان اصولی جهت هدایت الگوریتم‎ها به سمت جواب بهینه در نظر گرفت. این روش‎ها تولید جواب‎های بهینه را تضمین نمی کنند اما هدف آن‎ها تولید سریع جواب‎های با کیفیت خوب است. روش‎های مکاشفه‎ای زمانی استفاده می شوند که روش‎های قطعی نتوانند در زمان قابل قبولی به جواب برسند. توانایی روش‎های فرامکاشفه‎ای در فرار از بهینه‎های محلی، مقاومت و سادگی پیاده‎سازی کمک کرده تا این روش‎ها به طور گسترده‎ای در سال‎های اخیر در تحقیقات مورد استفاده قرار گیرند. متاسفانه پیش‎بینی این‎که کدام روش برای حل یک مساله مشخص مناسب است، دشوار و گاهی غیر ممکن است. یک راه‎حل برای این مشکل استفاده از روشی هوشمند برای انتخاب روش مکاشفه‎ای می‎باشد و باید بتوان دانشی از مساله را به شکلی در الگوریتم وارد نمود، در غیر این صورت ممکن است هرگز به جواب نزدیک به بهینه نرسید. برای ایجاد روشی عمومی به جای جستجوی فضای مساله برای حل، باید به جستجوی روش مکاشفه‎ای مناسب مساله بود. برای نیل به این هدف می‎توان از یک پدیده‎ی اجتماعی-اقتصادی در دنیا استفاده کرد. در این پایان نامه روش های مبتنی بر جمعیت مختلف، به عنوان کشورهای مختلف در نظر گرفته شده و همان گونه که این کشورها ممکن است از راهبرد دیگری غیر از راهبرد اصلی تعریف شده ی خود استفاده کنند این روش ها نیز می توانند راهبردهای مختلف را مورد استفاده قرار دهند. در این صورت به طور هم زمان روش های مختلف انتخاب و راهبردهای مختلف را روی جمعیت اعمال می کند. روش پیشنهادی از حیث کیفیت جواب به دست آمده با چندین روش به روز دنیا مقایسه و رتبه ی قابل قبولی را کسب کرده است و از آنجایی که مهم ترین هدف این پایان نامه طراحی روشی برای انتخاب روشی مناسب مساله بوده است آزمایش هایی در جهت بررسی مکانیسم انتخاب و این که در هر مساله چه روشی انتخاب می شود صورت پذیرفته است.

زمانبندی پروژه یکی از مهم ترین مسائل در زمینه ی مدیریت پروژه محسوب می شود. این مسأله شامل مجموعه ای از فعالیت ها، منابع، محدودیت ها و معیارهایی برای ارزیابی کارآیی می باشد. در این مسأله باید ترتیب فعالیت ها و تخصیص منابع به آن ها به گونه ای دقیق با هم هماهنگ شوند که عملکرد سیستمی که با استفاده از یک یا چند معیار مشخص می شود، بهینه شود. امروزه با توجه به کوتاه شدن چرخه ی حیات یک محصول، جهانی شدن بازار و کاهش میزان سود، پروژه های صنعتی باید با در نظر گرفتن زمان اجرای مشخص و محدودیت های منابع تحقق یابند. مدل واقعی تر این مسأله نیز هنگامی مطرح می شود که چند حالت اجرای مختلف برای هر یک از فعالیت ها تعریف شده و هر فعالیت بتواند در یکی از آن حالت ها اجرا شود. در این صورت هر حالت مشخص کننده ی یک گزینه برای ترکیب سطوح مختلف نیازمندی های منبع با مدت زمان اجرای مربوطه می باشد. این مسأله که زمانبندی پروژه با منابع محدود چند حالته نام دارد، باید به دنبال ارائه روشی برای تعیین ترتیب و حالت اجرای فعالیت ها باشد به گونه ای که ضمن ارضای محدودیت های موجود، زمان حاصل از اجرای پروژه به حداقل ممکن برسد. برای حل مسأله ی زمانبندی پروژه با منابع محدود چند حالته الگوریتم های مختلفی ارائه شده است که هر یک با در نظر گرفتن شرایط مختلف، سعی در یافتن جواب بهینه برای مسأله دارند. البته با توجه به ماهیت np-hard بودن مسأله، الگوریتم قطعی برای حل این مسأله در زمان چند جمله ای وجود ندارد، ولی با استفاده از روش های اکتشافی و فرااکتشافی می توان به جواب های نزدیک به بهینه برای این مسأله دست یافت. در این پایان نامه، روشی هوشمند برای حل مسأله ی زمانبندی پروژه با منابع محدود چند حالته ارائه شده است. این روش که edga نام دارد، با ترکیب الگوریتم ژنتیک و الگوریتم تخمین توزیع و بکارگیری قابلیت های هر یک از این الگوریتم ها، سعی در تولید جواب های مناسب برای مسأله دارد. در نهایت در این پایان نامه، کارآیی الگوریتم ارائه شده با سایر الگوریتم ها مقایسه شده و نقش عملگرهای ژنتیکی برای حل این مسأله مورد بررسی قرار می گیرد. نتایج ارزیابی نشان دهنده ی کارآیی نسبتاً بالای الگوریتم نسبت به روش های ارائه شده ی موجود می باشد.

ئله چیدمان تسهیلات مربوط به طرح ریزی چیدمان بوده و یک آرایشی از محوطه و منابع سازمان در اختیار قرار می دهد. این آرایش تأثیر بسیاری بر فعالیت های داخل سازمان از جمله هزینه های تولیدی، فرآیندهای کاری، زمان موردنیاز دارد. با توجه به پیچیدگی غیر چندجمله ای-سخت مسائل چیدمان، ارائه راه حل از طریق سایر روش های ریاضی برای مسائل با اندازه های بزرگ امکان پذیر نمی باشد. لذا از طریق رویکردهای تکاملی که قادر به ارائه راه حل های بهینه یا نزدیک به بهینه برای این گونه از مسائل هستند، به حل مسئله در محیط های گوناگون از جمله کارخانه ها، بیمارستان ها و غیره پرداخته شده است. در این پایان نامه، یک الگوریتم تکاملی جهت یافتن راه حل مناسب برای مسئله چیدمان ایستگاه های کاری در سازمان ها، ارائه شده است. در این مطالعه، هدف از انجام چیدمان، بیشینه نمودن میزان مجاورت ایستگاه های مرتبط با یکدیگر است. انجام چیدمان در دو مرحله با استفاده از میزان روابط کاری بین افراد و ایستگاه ها و نیز فرآیند خوشه بندی صورت گرفته است. مرحله اول، شامل چینش افراد در ایستگاه ها و مرحله دوم، شامل چینش ایستگاه ها در ساختمان ها می باشد. خروجی حاصل، یک چیدمان مناسب از افراد و ایستگاه ها است؛ به طوریکه افراد استقرار یافته در ایستگاه ها و نیز ایستگاه های چینش شده در یک طبقه از ساختمان، بیش ترین میزان ارتباط کاری را با یکدیگر دارند. کارآیی الگوریتم با انجام یک مطالعه موردی و نیز انجام مقایسه ای بر روی چیدمان ارائه شده به وسیله یک الگوریتم دیگر مورد ارزیابی قرار گرفته است. نتایج حاصل از مقایسه نشان می دهد که 36 درصد در چیدمان ارائه شده به وسیله الگوریتم پیشنهادی بهبود حاصل شده است.

مسئله تجزیه چندضلعی یک مسئله کلاسیک در هندسه محاسباتی است، که همواره یکی از بحث های مورد علاقه پژوهش گران بوده است. اجزای تولید شده از تجزیه یک چندضلعی به اجزای تقریبا محدب نسبت به اجزای تولید شده به اجزای محدب قابلیت محاسباتی بالاتری دارند و از نظر تعداد قابل مدیریت ترند. این نوع تجزیه می تواند بر پایه تقسیم و حل انجام شود که در علومی مانند کشف برخورد، استخراج اسکلت و تولید مش کاربرد دارد. در سال 2013 یک روش جدید برای تجزیه چندضلعی ساده به اجزای تقریبا محدب به نام facd توسط گاش و همکارانش ارائه گردیده است به طوری که در این الگوریتم کیفیت اجزای تولید شده بهبود یافته است. در facd یک راهبرد جدید برای ارزیابی تمام برش های ممکن در پیش گرفته شده است که هدفش کاهش تقعر نسبی نسبت به تقعر مطلق می باشد. نتایج بدست آمده از facd نشان می دهد که در اشکالی که دارای اجزای کوچک و مهم هستند (مانند انگشتان دست و پا) facd اجزای کوچک و طبیعی تری تولید می کند بدون آنکه در اجزای بزرگتر بخش های اضافی تولید شود یا بخواهد پستی بلندی های لبه اجزای بزرگ را در تجزیه دخیل کند. facd برای انتخاب nc برش غیر قاطع که بتوانند هم زمان بر شکل اعمال شوند و شکل را به nc+1 بخش تقسیم کنند، از برنامه نویسی پویا بهره برده است که با استفاده از اعمال هم زمان چند برش به جای یک برش عمق تابع بازگشتی را کاهش داده است. facd با استفاده از روش های کارآمد برای اندازه-گیری تقعر شکل توانسته است اجزای بامعنی تری را تولید کند. یکی از معایب این الگوریتم پیچیدگی زمانی نسبتا بالای گام سوم آن می باشد. ما در این پژوهش مرتبه پیچیدگی زمانی گام سوم الگوریتم facd را کاهش داده ایم و همچنین یک مدل موازی از الگوریتم facd بهبود یافته برای کامپیوترهای حافظه اشتراکی crew ارائه کرده ایم. الگوریتم موازی ارائه شده در این پژوهش اولین الگوریتمی است که تا کنون در زمینه موازی سازی مسائل تجزیه به اشکال تقریبا محدب ارائه شده است.

به افراز یک چندضلعی به مجموعه ای از چندضلعی های کوچکتر، تجزیه چندضلعی گفته می شود. یک چندضلعی را می توان به روش های مختلفی تجزیه کرد. از میان این روش ها، تجزیه محدب، یکنواخت و ذوزنقه ای بیشترین کاربردها را در حوزه هندسه محاسباتی دارند. در برخی مواقع، لازم و یا مطلوب است تجزیه به گونه ای انجام شود که با حفظ قیدهای مسئله، تعداد چندضلعی های تولید شده کمینه باشد. تجزیه چندضلعی ها در حوزه های مختلفی مانند گرافیک برداری، تشخیص الگو، تشخیص متن، محاسبه جمع های مینکوفسکی و طرح ریزی حرکت ربات کاربرد دارد. در این پایان نامه به ارائه یک الگوریتم حریصانه جهت تجزیه یکنواخت چندضلعی های ساده و حفره دار پرداخته می شود. این الگوریتم بدون استفاده از نقاط کمکی، یک چندضلعی را به صورت یکنواخت تجزیه می کند. هدف اصلی از ارائه این الگوریتم، دستیابی به تجزیه ای «تقریبا کمینه» در یک زمان قابل قبول است. از آنجا که تجزیه کمینه یکنواخت یک چندضلعی حفره دار، در حالتی که استفاده از نقاط کمکی مجاز نیست، یک مسئله np-سخت است، استفاده از الگوریتم هایی که منجر به تجزیه تقریبا کمینه می شوند، یکی از راهکارهای عملی است. در طراحی الگوریتم پیشنهادی، دو مقوله مورد توجه قرار گرفته است. مقوله اول کمینگی تجزیه است. این الگوریتم تلاش می کند عمل تجزیه را به صورت کمینه انجام دهد. با وجود اینکه تضمینی در مورد بدست آمدن جواب کمینه وجود ندارد، اما نتایج پیاده سازی این الگوریتم و مقایسه عملی آن با برخی از الگوریتم های موجود، موثر بودن این راهکار را نشان می دهد. دومین مقوله که در طراحی این الگوریتم مورد توجه قرار گرفته است، زمان اجرای آن است. بخشی از زمان اجرای این الگوریتم با استفاده از پارامتری به نام «حداکثر عمق جستجو» کنترل می شود. هر چه مقدار این پارامتر کوچکتر باشد، احتمال یافتن تجزیه ای کمینه یا تقریبا کمینه کمتر می شود اما زمان اجرای الگوریتم نیز به همان نسبت کاهش می یابد. با انتساب مقادیر بزرگتر به این پارامتر، می توان جواب های بهتری تولید کرد اما زمان اجرای الگوریتم نیز افزایش می یابد. با تنظیم مقدار این پارامتر و با توجه به کاربرد مسئله، می توان از بین زمان اجرا و کمینه بودن تجزیه یکی را ترجیح داد و یا اینکه تعادلی بین آنها بوجود آورد.

با گسترش فن آوری در زمینه های مختلف، به سامانه هایی با قابلیت های بیشتر نیاز است. سامانه های بلادرنگ در زمینه های مختلفی کاربرد دارند و یکی از بزرگ ترین مسئولیت های این سامانه ها، زمان بندی وظایف با توجه به مهلت زمانی آنها است. مسائل زمان بندی شرایط پیچیده و گاهی ناسازگار دارند، در نتیجه سامانه می بایست حتماً جواب مورد نظر را سریع و تضمین شده بدهد. سامانه های کنترل صنعتی، پزشکی، کنترل موشک و غیره از این دسته اند. برای به دست آوردن این پاسخ ها باید به محدودیت هایی که در سامانه های بلادرنگ وجود دارد از جمله: مهلت زمانی، تعداد وظایف و تعداد پردازنده ها توجه شود. بنابراین از الگوریتم های زمان بندی و با توجه به محدودیت های مسئله برای رسیدن به جواب قابل قبول استفاده می شود. تخصیص مطلوب وظایف در سامانه های چند پردازنده با محدودیت های بلادرنگ، اغلب به عنوان یک مسئله چندجمله ای غیر قطعی-سخت محسوب می شود. برای حل چنین مسائلی از روش های هوشمند استفاده می شود که الگوریتم های تکاملی در این دسته قرار دارند. این الگوریتم ها البته تضمینی نمی دهند که جواب به دست آمده بهینه باشد بلکه می توانند جواب های نزدیک به جواب اصلی را برای مسائل چندجمله ای غیر قطعی-سخت به دست آورند. الگوریتم ژنتیک به وسیله بسیاری از محققان برای حل مسئله زمان بندی وظایف استفاده شده است. هم چنین مسئله زمان بندی وظایف روی سامانه های تک پردازنده و چند پردازنده و سامانه هایی با پردازنده های موازی، الگوریتم زمان بندی ایستا/پویا با استفاده از الگوریتم ژنتیک، الگوریتم زمان بندی برای وظایف بلادرنگ نرم غیر پیش گیرانه چند پردازنده ای با استفاده از الگوریتم ژنتیک چند هدفه و روش هایی مشابه برای این منظور ارائه شده است. در پایان نامه حاضر زمان بندی سامانه های بلادرنگ چند پردازنده ای با استفاده از الگوریتم تخمین توزیع بررسی شده و الگوریتمی کارا جهت حل این گونه مسائل ارائه می شود که می تواند برای هر پردازنده ترتیبی از وظایف مشخص نموده و هزینه کل را کمینه نماید. این روش نسبت به سایر روش ها از نظر سرعت رسیدن به پاسخ مطلوب، سریع تر بوده و دارای تعداد محاسبات برازندگی کمتری است.

شبکه حسگر بی سیم فن آوری نوظهوری با هدف اصلی نظارت و کنترل شرایط محیطی در محدوده ی مشخص است. دامنه ی کاربرد وسیع شبکه حسگر، آن را به بخش جدایی ناپذیری از زندگی آینده ی ما تبدیل کرده است. این شبکه که به طور معمول از تعداد زیادی گره ی ارزان قیمت تشکیل می شود تا زمانی زنده تلقی می گردد که پوشش مورد نظر و ارتباط بین گره ها و پردازشگر مرکزی تضمین شده باشد. به دلیل محدودیت انرژی باتری حسگرها و عدم امکان تعویض آنها، الگوهای کاهش مصرف انرژی شبکه در دو بعد سخت افزاری و طراحی الگوریتم و پروتکل ها در تمام لایه های شبکه در حال بررسی هستند. روش های مبتنی بر چرخه ی وظایف، الگوهای داده گرا و طرح های مبتنی بر قابلیت تحرک، همگی سعی بر افزایش طول عمر شبکه دارند. یکی از روش های کنترل توپولوژی، استفاده از پروتکل های خواب/بیدار به معنای فعالیت دوره ای حسگرهای ناظر است. طبیعت پویای شبکه، مسئله را پیچیده تر و به یک مسئله ی چندجمله ای غیرقطعی-سخت تبدیل می کند. تاکنون روش های ابتکاری متفاوتی برای حل این مسئله ارائه شده اند اما با توجه به کاربرد وسیع الگوریتم های تکاملی در یافتن جواب مناسب برای مسائل چندجمله ای غیرقطعی-سخت، استفاده از این الگوریتم ها مفیدتر به نظر می رسد. در این پایان نامه هدف، ارائه ی یک روش جدید بر مبنای الگوریتم رقابت استعماری گسسته در شبکه حسگر بی سیم پوشش نقطه ای به دلیل ماهیت خوشه بندی ضمنی الگوریتم و شباهت آن به مسئله می باشد. الگوریتم معرفی شده (icasc) با توجه به پارامترهای مصرف انرژی گره ها و باقیمانده ی توان آنها به گزینش حسگرهای ناظر می پردازد به گونه ای که طول عمر شبکه افزایش می یابد.

زمان ‏بندی پروژه با محدودیت منابع (rcpsp)، از جمله مسائل بسیار معروف و مطرح در زمینه تحقیق در عملیات و مدیریت پروژه می ‏باشد. امروزه مدیریت هم ‏زمان چندپروژه در سازمان ‏ها امری رایج است. به طور معمول، پروژه ها در نقاط جغرافیایی مختلف با دسترسی به منابع مشترک اجرا می ‏شوند؛ بنابراین مدیران با مسائلی از جمله تخصیص منابع مشترک بین پروژه‏ ها و تصمیم ‏گیری در مورد زمان شروع و پایان فعالیت ‏ها مواجه می‎باشند. نیاز به کاهش زمان پایان، اهمیت استفاده از رویکردهای بهینه زمان بندی را مشخص می سازد. بدیهی است که مدیریت هم ‏زمان چند پروژه، بسیار پیچیده تر از ماهیت مسئله در حالت تک پروژه ای است. برآورده شدن تمامی اهداف، توازن نرخ استفاده از منابع و از طرفی لزوم توجه به انتظارات حامیان و سرمایه ‏گذاران، موانع و مشکلات بسیاری را برای مدیریت پروژه به وجود می آورد. اولویت‎بندی فعالیت ‏ها، زمان ‏بندی و لزوم در نظر گرفتن بودجه تخصیص داده شده، نمونه ‏هایی از دغدغه‎های اصلی مدیران پروژه می باشند. زمان بندی چندپروژه ای از جمله مسائل چندجمله ای غیرقطعی-سخت است و در نتیجه استفاده از الگوریتم های تکاملی، رویکردی مناسب برای یافتن پاسخ آن به شمار می آید. هدف این پژوهش بررسی کارآیی الگوریتم تخمین توزیع موازی در یافتن جواب مناسب برای مسئله زمان بندی چندپروژه ای می باشد. علت این انتخاب، عملکرد خوب الگوریتم ذکر شده در یافتن جواب مناسب برای مسائل پیچیده و چندبعدی است. هم چنین موازی سازی نیز به عنوان رویکردی شناخته شده در کاهش زمان مسائل پیچیده، باعث افزایش کارآیی الگوریتم پیشنهادی می شود.

طرح بهینه سازه ها یکی از مسائل مهم بهینه سازی در زمینه مهندسی سازه می باشد که توجه محققین بسیاری را به خود جلب کرده است. طرح بهینه سازه نه تنها باید از لحاظ اقتصادی مقرون به صرفه باشد، بلکه باید الزامات آیین نامه ای را نیز برآورده کند. هدف این پایان نامه ارائه روش های بهینه سازی کارآمد مبتنی بر الگوریتم های فرامکاشفه ای برای مسائل مختلف بهینه سازی سازه ای می باشد. در این پایان نامه به کمک الگوریتم های تکاملی که به صورت کلی از آنها به عنوان الگوریتم های فرامکاشفه ای یاد شده است، الگوریتم های بهینه سازی جدیدی برای طراحی بهینه سازه ها پیشنهاد داده شده است. الگوریتم های پیشنهاد شده با ترکیب و بهبودالگوریتم های جغرافیای زیستی، الکترومغناطیس و ازدحام ذرات، برای مسائل مختلف بهینه سازی سازه ای توسعه داده شده اند. در این پایان نامه، بهینه سازی مقاطع سازه های خرپایی و قاب های خمشی با قیود استاتیکی و بهینه سازی شکل و مقاطع سازه های خرپایی تحت قیود فرکانس بررسی شده اند. به منظور نشان دادن عملکرد الگوریتم های پیشنهاد شده، مثال های مختلفی از طراحی بهینه سازه ها مورد مطالعه قرار گرفته اند. نتایج عددی مربوط به مسائل بهینه سازی،نشان دهنده عملکرد خوب الگوریتم های ارائه شده در مقایسه با سایر روش های ارائه شده در تحقیقات مختلف می باشند.

حلقه‎ها سهم بسیار زیادی در اجرای برنامه‎های محاسباتی دارند، بنابراین موازی‎سازی آنها در تسریع برنامه‎ها بسیار مهم است. موازی‎سازی حلقه‎ها در چهار مرحله انجام می‎گیرد: 1) تحلیل وابستگی داده‎ای و یکنواخت‎سازی فضای تکرار: وابستگی بین تکرار‎های حلقه و بردارهای وابستگی مشخص شده و به مجموعه‎ای از بردارهای وابستگی پایه تبدیل می‎شود. 2) کاشی‎بندی: فضای یکنواخت وابستگی تکرارهای حلقه به قطعاتی به نام کاشی با حداقل وابستگی افراز می‎شود. 3) تولید کد موازی: تعیین کاشی‎های مستقل که می‎توانند به صورت موازی و همزمان اجرا شوند. 4) زمان‎بندی حلقه: کد موازی حاصل در قالب گراف وظایف ، زمان‎بندی می‎شود. مساله، تعیین اندازه و شکل بهینه برای کاشی‎ها است به قسمی‎که وابستگی بین یک کاشی و کاشی‎های همسایه کمینه گردد و از حداکثر حافظه‎ی محلی پردازنده‎ها استفاده شود. مسئله کاشی‎بندی، یک مسئله چند جمله‎ای غیر قطعی– سخت است و لذا الگوریتم‎های غیر قطعی جواب مناسبی در مدت زمان کوتاه‎تر نسبت به الگوریتم‎های قطعی ارائه می‎دهند.

کشف قوانین انجمنی، یکی از روش های مهم و پرکاربرد داده کاوی جهت کشف دانش نهفته در داده ها است که با استفاده از آن می¬توان روابط و وابستگی¬های مفیدی که در مجموعه¬های بزرگی از اقلام داده¬ موجود می¬باشند را کشف نمود. این روابط و وابستگی ها در تصمیم گیری ها، نقش مهمی دارند. یافتن چنین روابطی، داخل مجموعه ی داده ها به دلیل ماهیت نمایی آن و حجم بالای داده¬ها بسیار زمان بر است. در این پایان نامه برای کشف قوانین انجمنی، ابتدا با ارائه ی یک روش خوشه بندی مبتنی بر الگوریتم رقابت استعماری، تراکنش ها به خوشه های مناسب تقسیم می شوند. سپس یک روش تکاملی بر پایه الگوریتم رقابت استعماری برای کشف قوانین انجمنی ارائه می گردد که این الگوریتم به طور جداگانه و مستقل بر روی هر یک از خوشه ها اجرا می شود. در نهایت، قوانین به دست آمده از همه خوشه ها در یک جا جمع آوری شده و قوانین نهایی تولید می گردند. نتایج حاصل از آزمایشات مختلف بر روی چند مجموعه داده شناخته شده، کارآیی راه کار پیشنهادی را در کشف قوانین با دقت مناسب و کاهش هزینه ها تایید می کند.

چکیده: با نگاهـی به روند آموزش چنین بر می¬آید که به ¬طور معمول دانش¬آموزان نیاز به در اختیار داشتن فرصت¬هایی برای مطالعه، تفکر خلاق، مشاهدات علمی و تجربه عملی دارند و تحقق این امر علاوه بر به کارگیــری ضوابط و معیارهای فنـی و علمــی برای طراحی و احداث این گونه فضاها، نیاز به رعایت استانداردهای مکان¬یابی در استقرار فضاهای مذکور دارد. محل استقرار فضاهای آموزشی از نظر معیارهای عمومی و اختصاصی، بهداشتی، ایمنی، امنیت، اجتماعی، فرهنگی، اقتصادی و غیــره بدون شک تاثیرات فراوانی بر کمیت و کیفیت آموزش و نیز کالبد شهر و روستا خواهد گذاشت. در میان کاربری¬ها، کاربــری-های آموزشی در پاسخ¬گویی به نیازهای جمعیت دانش¬آموزی با مشکلات و نارسائی¬های زیادی از جمله چگونگی همجواری مکان¬های آموزشی در ارتباط با سایر کاربری¬ها، شعاع دسترسی دانش¬آموزان به مدارس، تراکم بیش از حد استاندارد دانش¬آموزان در کلاس، کاهش سرانه در برخی مدارس و غیره مواجه¬اند. مکان¬یابی فضاهای آموزشی یک مسأله چند جمله¬ای غیر قطعی¬-¬¬¬¬ سخت محسوب می¬شود که در آن، زمان حل مسأله به صورت نمایی و با توجه به ابعاد مسأله افزایش یافته و برای حل آن نمی¬توان از روش¬های سنتی استفاده کرد. در این پایان¬نامه، یک الگوریتم تکاملی با ویژگی¬های جدید به منظور معرفی مکان مدارس نمونه موردی¬ شهر تبریز ارائه گردیده است. الگوریتم پیشنهادی که به اختصار lsea نام¬گذاری شده با کدگذاری صحیح و استفاده از عملگرهای مختلف سعی بر بهینه¬یابی مکان مدارس با هدف کلی کمینه¬سازی هزینه¬های عملیاتی داشته و قادر است با افزایش ابعاد مسأله به پاسخ¬های مناسب دست یافته و پایداری بالایی داشته باشد.

بسیاری از مسائل دنیای واقعی شامل مواردی هستند که به وسیله راه حل های بهینه سازی چند هدفه قابل حل می باشند، اما از سوی دیگر زیاد شدن این اهداف (بیش از 2 و 3 هدف) کار حل این مسائل را با مشکل بزرگی مواجه می کند. به طوری که با زیاد شدن تعداد اهداف، همگرایی بحرانی به جبهه پارتوی کارآمد مشکل شده است و تعداد زیاد اهداف، باعث زیاد شدن تعداد راه حل ها و در نتیجه زیاد شدن تعداد راه حل های غیر چیره خواهد شد، به شکلی که با افزایش تعداد اهداف ، تعداد راه حل های غیر چیره به سرعت به سمت بی نهایت میل می کند. این امر به دست آوردن راه حل های متنوع را دشوار می سازد. از سوی دیگر برای حل این مسائل، هزینه محاسباتی بالا و غیر قابل قبولی را باید صرف کرد. تمام این موارد باعث شده اند تا محققان به دنبال رفع این سختی ها از مسائل چند هدفه با تعداد هدف زیاد باشند. در این پایان نامه، با تلفیق دو الگوریتم از رویه های حل مسائل بهینه سازی چند هدفه با تعداد هدف زیاد متد جدیدی را برای غلبه بر این مشکل ارائه می دهیم. در ابتدا با استفاده از یکی از روش های مطرح شده در زمینه کاهش هدف، یک گام در آسان سازی مسئله به جلو برمی داریم. پس از آن با هدایت روند حل مسئله به سمت راه حل های ترجیح داده شده از طریق یکی از رویه های اثبات شده در دسته رویه های ترتیب اولویت موجود برای حل مسائل بهینه سازی چند هدفه با تعداد هدف زیاد مسیر حل را ادامه می دهیم و در نهایت با الگوریتم ژنتیک مرتب سازی غیر چیره های دو، مسئله ساده سازی شده را حل می نمائیم. کارایی این روش در انتهای پایان نامه با حل مسائل تست و نمایش همگرایی مسئله به سمت راه حل های مناسب و کارا نمایش داده شده است.

یکی از مباحث مهم که در چند دهه‏ اخیر کاربرد بسیار بالائی در عمل داشته و برای افزایش کارآئی و بهره‏وری سیستم‏های حمل و نقل مطرح شده است، بحث مسئله‏ مسیریابی وسایل نقلیه در معادن می‏باشد. در مسئله‏ مسیریابی وسایل نقلیه، تعدادی وسایل نقلیه‏ به مجموعه‏ای از مشتریان مراجعه نموده و خدمتی را ارائه می‏دهند که هر یک دارای تقاضای معینی می‏باشند. هدف یافتن مدلی برای تخصیص وسایل حمل و نقل به مشتری‏ها و بهینه‏سازی مسیرهایی است که مسافت طی شده، زمان کل سفر، تعداد وسایل حمل و نقل، جریمه‏های دیرکرد و تابع هزینه حمل و نقل حداقل گردد و در نهایت رضایت مشتریان به حداکثر برسد. در این پایان‏نامه، سیستم حمل و نقل معدن روباز مس سونگون به عنوان چارچوب کار انتخاب می‏شود. در این چارچوب، درخواست‏های جدید از یک محل برداشت و انتقال به یک محل تحویل به صورت بلادرنگ اتفاق می‏افتد. برای حل مسئله، الگوریتم ژنتیک به عنوان الگوریتم حل مسئله جهت طراحی و بهینه‏سازی مسیرها به کار می‏رود. از نرم‏افزار matlab برای پیاده‏سازی نیمه‏خودکار آن استفاده می‏شود و از نرم‏افزار شبیه‏سازی gpssh برای شبیه‏سازی کارآئی سیستم استفاده می‏شود.

واسط مغز-رایانه وسیله ای است که می تواند بدون کمک گرفتن از عضلات، بین مغز و دنیای خارج از آن ارتباط مستقیم برقرار کند. اساس کار یک مدل از این سامانه ها، تشخیص تصور حرکات مختلف فرد می باشد که می توان از آن برای کمک به بیمارانی که بخشی از توانایی های جسمی-حرکتی خود را از دست داده اند، استفاده کرد. واسط های مغز-رایانه از قسمت های مختلفی مانند ثبت سیگنال، پردازش سیگنال و واسط کاربری تشکیل شده اند و بخش پردازش سیگنال نیز به نوبه خود از چند قسمت مجزا از جمله حذف انواع نویزها، استخراج ویژگی، انتخاب ویژگی و طبقه بند تشکیل شده است. بعد از حذف انواع نویزها و اثرات جانبی موثر بر روی سیگنال ، ویژگی های مورد نظر از این امواج به دست می آیند و طبقه بند از روی این بردار ویژگی مشخص می کند که کاربر چه فعالیتی را مد نظر دارد. یکی از چالش های اساسی در واسط مغز-رایانه، حجم بالای اطلاعات ورودی و زمان نسبتا زیاد پردازش این اطلاعات است که باعث می شود واکنش وسیله به دستور صادر شده از طرف کاربر فوری نبوده و با تاخیری هرچند اندک همراه باشد. به همین دلیل لازم است تا جایی که امکان دارد زیرمجموعه کوچک و مناسبی از ویژگی ها را انتخاب کرد تا دقت و سرعت سامانه بهبود یافته و کارآیی نهایی افزایش پیدا کند. در این پایان نامه با معرفی یک الگوریتم تکاملی جدید به نام probpso که از ترکیب الگوریتم های تجمع ذرات و تخمین توزیع به دست آمده و استفاده از آن برای انتخاب ویژگی و همچنین استفاده از طبقه بندهای ترکیبی به جای یک طبقه بند منفرد، به مدلی رسیدیم که دقت آن نزدیک به بیست درصد بهتر از زمانی بود که از تمام ویژگی ها استفاده می کردیم. در مدل ارائه شده جدید که می توان آن را انتخاب ویژگی بر پایه کلاس نامید، از چهار طبقه بند مختلف که از هم مستقل هستند و می توانند به صورت موازی کار کنند برای تشخیص برچسب داده های چهار کلاسه استفاده کردیم و با اجرای این مدل پیشنهادی بر روی داده های مربوط به مسابقات واسط مغز-رایانه سال 2005 و مقایسه نتایج به دست آمده با الگوریتم های برتر، نشان دادیم روش پیشنهادی ما از قدرت خوبی برخوردار است و می تواند سیگنال ها را با دقت بهتری طبقه بندی کند.

با وجود تمام پیشرفت های اخیر در حوزه انتخاب سرویس های وب، نیاز به راه کاری با بهینگی و کارایی بیشتر هنوز احساس می شود. این پایان نامه، یک الگوریتم ژنتیک مبتنی بر اصل پارتو برای انتخاب یک سرویس وب از میان مجموعه ای از سرویس های وب نامزد برای هر وظیفه یک سرویس وب مرکب، ارائه می دهد. برخلاف راه کارهای موجود، تمام محدودیت های کیفیت سرویس سراسری، محدودیت های بین سرویسی و محدودیت های تراکنشی به طور هم زمان در نظر گرفته شده اند. در راه کار پیشنهادی، تمام سرویس های وب نامزد با یک سازوکار جدید امتیازبندی و سپس رتبه بندی می گردند. با تمرکز بر تنها بیست درصد سرویس های وب نامزد برتر هر وظیفه، فضای جستجو به شدت کاهش پیدا می کند. نتایج تجربی نشان می دهند که این راه کار منجر به کارایی و بهینگی به مراتب بیشتری نسبت به حالتی که تمام سرویس های وب نامزد برای حل مسئله در نظر گرفته شوند، می گردد.

معماری سرویس گرا (soa) یک فلسفه ی طراحی برای سیستم های توزیع شده است. هر عملیات در این معماری در قالب یک سرویس طراحی و پیاده سازی می شود. یکی از روش های متداول برای پیاده سازی soa، استفاده از وب سرویس ها است. در سیستم هایی که از اصول سرویس گرایی تبعیت می کنند، خودکارسازی عملیات اکتشاف وب سرویس ها با دقت و سرعتی قابل قبول، یک چالش محسوب می شود. از طرف دیگر، ناهمگنی در توصیف وب سرویس ها نیز می تواند مشکل ساز باشد. با استفاده از یک معماری منسجم برای اکتشاف وب سرویس ها، می توان با این چالش ها مقابله کرد. در این پایان نامه قصد داریم یک معماری برای انتشار و اکتشاف وب سرویس های معنایی ارائه نماییم که هدف آن خودکارسازی عملیات انتشار و اکتشاف سرویس ها و افزایش سرعت و بهبود دقت اکتشاف سرویس ها است. این معماری شامل مولفه های نرم افزار ی انتشار و اکتشاف معنایی و نحوه ی تعامل آن ها در یک بستر توزیع شده است. بستر توزیع شده ای که برای این معماری طراحی شده است ترکیبی از نظیرها و ابرنظیرها در یک شبکه ی هم پوشانی ترکیبی است. مدلی برای انتشار و استقرار انباره ی وب سرویس ها در شبکه ی p2p آورده شده است که با استفاده از خوشه بندی دوسطحی برمبنای context و functionality ترتیب داده شده است. علاوه بر این، الگوریتم هایی را برای مولفه های اصلی معماری طراحی کرده ایم. با الگوریتم انطباقی که بر مبنای این معماری پیشنهاد شده است می توانیم مشکل false positive را در انطباق حل می کنیم.

نیاز و وابستگی روز افزون شرکت ها و سازمان ها به رایانه و استفاده از آن باعث گردیده تا مدیران و کارآفرینان با استفاده از نرم افزارهای مختلف به دنبال کارآیی هر چه بهتر مجموعه‎ی خود باشند. امروزه نرم افزارها در بسیاری از کاربرد های بحرانی نیز نقش مهمی دارند به طوری که یک خطا در نرم افزار ممکن است باعث بروز خسارت های غیر قابل جبران گردد.در نتیجه نرم افزار باید تا حد امکان عاری از هرگونه خطا و خرابی باشد. یکی از مهمترین دغدغه های مهندسان نرم افزار ارائه ی نرم افزار کامل، بی نقص و مطابق با نیازمندی های مشتری ها است که در قسمت آزمون نرم افزار همه ی این موارد قبل از تحویل نهایی، بررسی می شود. بر اساس دلیل های ذکر شده، آزمون نرم افزار بخش مهم و زمان بری از فرآیند تولید نرم افزار را در بر می گیرد. از طرفی در برخی موارد، آزمون کامل نرم افزار امکان پذیر نمی باشد؛ زیرا با توجه به صبر مشتری ممکن است زمان کافی برای آزمودن کامل نرم افزار وجود نداشته باشد و دیرکرد تحویل نرم افزار موجب زیان های مالی بسیاری شود. به همین علت کمینه سازی زمان آزمون نرم افزار از جمله اهداف آزمون است. در این پایان نامه هدف ارائه ی الگوریتمی برای خوشه بندی نرم افزار و اولویت بندی این خوشه ها در جهت آزمون نرم افزار است. در الگوریتم پیشنهادی در راستای رسیدن به هدف کمینه سازی زمان آزمون، از خوشه بندی و اولویت بندی استفاده شده است. به این ترتیب که ابتدا با استفاده از الگوریتم رقابت استعماری، گراف وابستگی نرم افزار، خوشه بندی می شود. این خوشه بندی بر اساس افزایش اتصال درون خوشه و کاهش اتصال برون خوشه ای انجام می گیرد. سپس به وسیله ی معیارهایی در زمینه ی تشخیص مناطق مستعد خرابی، این خوشه ها اولویت بندی می شوند. حال اگر آزمون گر نرم افزار به جای آزمودن کل برنامه به صورت یکپارچه، این خوشه ها را به ترتیب اولویت بیازماید، این کار سبب کاهش زمان آزمون شده و در کمترین زمان ممکن، بیشترین تعداد خطا به دست می آید. راه کار ارائه شده بر روی مجموعه برنامه های زیمنس اعمال شده است. نتایج حاصل از این ارزیابی نشان می دهد که خوشه های با اولویت بالاتر حامل خطاها و خرابی های بیشتری هستند.

امروزه کنترل ازدحام جمعیت در یک محل و ترافیک کلان شهرها و دسترسی آسان شهروندان به خدمات مورد نیاز اهمیت فراوانی دارد بطوری ¬که تعیین محل اماکن عمومی یکی از عوامل مهم در کنترل کردن آنها است. برای بهبود دستیابی به اماکن مهم در محیط ¬های شهری متراکم نیاز است این اماکن به صورت علمی و با رعایت فواصل برنامه ریزی شده از هم قرار گیرند، تا سبب کاهش ترافیک شهری و دسترسی بموقع شهروندان به مکان های مورد نیاز شود. دفاتر خدمات الکترونیک قضایی یکی از اماکن مهم و مورد استفاده اقشار مختلف مردم در آینده¬ی نزدیک است که از طرف قوه قضاییه در شرف عملیاتی شدن می¬باشد. این امر موجب بهره برداری موثر از فضاهای شهری به منظور کاهش زمان وجود ترافیک در معابر شهری و گامی در جهت بهبود زندگی شهری می باشد. همچنین باعث کاهش رفت و آمد در دادسراها و دادگستری ها و ارائه¬ی سریع برخی از خدمات دستگاه قضایی و دسترسی آسان شهروندان به این خدمات خواهد شد که درحال حاضر ازدحام جمعیت در این مکان ها یکی از مشکلات اساسی می باشد و ایجاد این دفاتر گامی در جهت عدالت الکترونیک در قوه قضائیه خواهد بود. عوامل مهمی مانند تراکم جمعیت و جمعیت کیفری در تعیین محل مناسب دفاتر دخیل هستند که لازم است همه این عوامل برای مکان یابی آن ها مورد توجه قرار گیرند. مسأله¬ی مکان یابی دفاتر درکلان شهرها یک مسأله¬ی چند جمله ای غیر قطعی سخت محسوب می شود و استفاده از رویکردی تکاملی می تواند در این زمینه راهگشا باشد. در چند سال اخیر این روش برای حل بسیاری از مسائل پیچیده راه¬کارهایی با زمان قابل قبول ارائه داده است. روش های گوناگونی برای مکان یابی اماکن مختلف در بسیاری از دستگاه های دولتی انجام گرفته است ولی تاکنون در قوه قضاییه از روشهای علمی در مکان¬یابی اماکنی مانند دادگستری ها و دادسراها استفاده نشده است. سیاست کلی محل استقرار این مکان ها سیاستی بدون برنامه خاص و مدون بوده، بطوری که مهمترین اصل خالی بودن زمین، بدون مالک بودن آن و مواردی از این قبیل بوده است. مسأله¬ی اصلی این پایان نامه، پیدا کردن مکان مناسب برای دفاتر خدمات الکترونیک قضایی در شهر تهران با استفاده از الگوریتم ژنتیک است. این پایان¬نامه بر اساس آزمایشات مختلف نشان می دهد که الگوریتم ارائه شده دارای همگرایی و پایداری مناسبی بوده و شبیه¬سازی اجرای الگوریتم نیز در یک محیط گرافیکی ارائه شده است.

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

محاسبات داده ای در محیط های شبکه ای که انرژی و منابع زیادی را به خود اختصاص داده است انگیزه ی طراحی سرویس دهندههای شبکه به صورت توزیع شده را فراهم کرده است. محبوبیت رو به رشد سرویس دهنده های شبکه توزیع شده که مزرعه ی سرویس دهنده نیز نامگذاری شده اند تا حد زیادی مربوط به حل مشکل تاخیر در دریافت پاسخ در شبکه هایی با ازدحام بالا می باشد. علاوه بر آن هم از نظر میزان توسعه پذیری و هم از نظر اقتصادی نسبت به حالتی که از یک سرویس دهنده قدرتمند شبکه استفاده می شود، برتری دارد. با افزایش روزافزون هزینه ی مصرف انرژی و خنک سازی در سامانه هایی به وسعت مزرعه ی سرویس دهنده ، مدیریت انرژی در طراحی این مزارع به یک چالش مهم تبدیل شده است. سوال اصلی مطرح شده در این حیطه این است که چطور می شود با حداقل مصرف انرژی در سرویس دهنده ها، بهترین کارآیی ممکن را در یک توزیع از تقاضاهای ورودی داشت. البته بدیهی است که مدیریت مزرعه سرویس دهنده با در نظر گرفتن سیاست تخصیص وظایف پیچیده تر نیز می شود. سیاست تخصیص وظایف روی نحوه ی اختصاص وظایف یا درخواست هایی که به مزرعه می رسند تمرکز می کند تا زمانی که کاربران برای دریافت پاسخ مورد نظر خود منتظر می مانند را کمینه کند. در این راستا برای دستیابی به حداکثر کارایی مزارع سرویس دهنده ، نیاز به روشی برای ادغام دو مسئله تخصیص وظایف و مدیریت انرژی در مزرعه احساس می شود. اما اغلب روش های موجود برای کاهش پیچیدگی، یکی از دو چالش مطرح را نادیده گرفته اند و به حل دیگری پرداخته اند. از این رو هدف اصلی پایان نامه برای مدیریت مزرعه سرویس دهنده ، در نظر گرفتن دو مرحله ی تخصیص وظایف و مدیریت بهینه ی انرژی مصرفی در سرویس دهنده ها است. بنابراین در این پایان نامه یک الگوریتم با هدف تخصیص بهینه ی وظایف در مزرعه به نحوی که مصرف انرژی نیز بهینه باشد، ارائه گردیده است. راه کار پیشنهادی ارائه شده در این پایان نامه، با تعدادی از راه کار های موجود مقایسه شده است. نتایج حاصل از شبیه سازی، بیانگر قدرت الگوریتم در دستیابی به زمان انتظار کم تر، مقیاس پذیری مناسب مزرعه نسبت به افزایش یا کاهش تقاضای ورودی به سامانه می باشد.

در حال حاضر استاندارد خانواده 802.11 رایج ترین استاندارد برای شبکه های محلی بی سیم است. در بررسی تهدیدها و چالش های امنیتی شبکه های محلی بی سیم، به دلیل مکانیزم های امنیتی متفاوت به کار گرفته شده در این استانداردها، این شبکه ها را به دو دسته تقسیم می‏ نماییم، دسته اول، شبکه‏ های استاندارد 802.11 پیش از ظهور استاندارد 802.11i که پروتکل امنیتی wep را به کار می بردند و دسته دوم، شبکه های محلی بی سیم با استاندارد 802.11i و بعد از آن، فن آوری های شبکه با گواهی نامه wifi که از پروتکل‏های امنیتی wpa و wpa2 استفاده می کنند. wpa2 به عنوان امن‏ ترین و آخرین پروتکل شناخته شده است، اما با گذشت زمان و پیشرفت تکنولوژی این پروتکل نیز در مقابل برخی حملات شکسته شد. به دلیل اهمیت شبکه‏ های بی ‏سیم، ضرورت دارد با اعمال تغییرات روی پروتکل wpa2 و افزودن ماژول ‏ها و ابزارهای امنیتی گامی در جهت امنیت بیشتر این شبکه ‏ها برداشته شود. در این پایان ‏نامه برای داشتن یک شبکه بی ‏سیم امن، یک سیستم نرم ‏افزاری اختصاصی پیشنهاد شد، که این سیستم نرم ‏افزاری شامل پروتکل‏ های امنیتی و ماژول ‏هایی جهت جمع‏ آوری اطلاعات، تست، دفاع و مقابله و حتی در صورت نیاز حمله و بیرون راندن کاربرهای غیرمجاز، می ‏باشد. علاوه بر سیستم پیشنهادی راه‏کارهای امنیتی نیز توصیه می‏ شود که این راه‏کارها شامل استفاده از سرویس احراز هویت کربروس، utm ها، ips/ids ها، تهیه لیستی از کاربران غیرمجاز و حتی تعریف لیستی از کاربران مجاز برای استفاده از شبکه می‏ باشد. این سیستم نرم ‏افزاری به دلیل داشتن پروتکل و الگوی رمزنگاری مناسب، الگوهای زنجیره‏ سازی بلوک ‏های رمز و تابع تولید کد صحت پیام از امنیت بالایی برخوردار است. بعد از قرار گرفتن این سیستم نرم ‏افزاری در یک شبکه بی‏ سیم همراه با سرویس ‏های احراز هویت، محرمانگی و صحت در یک بستر سخت‏ افزاری مناسب، در یک آزمایشگاه مناسب با تجهیزات کافی مورد ارزیابی و حمله قرار گرفت، با توجه به نتایج به دست آمده از حمله‏ ها نشان داده شد که امنیت شبکه با این سیستم نرم ‏افزاری افزایش پیدا کرده است.

در عصر فناوری اطلاعات، امنیت از اهمیت ویژه‏ای برخوردار است. یکی از مسئله‏های مهم در علوم و مهندسی کامپیوتر، ارائه راه‏کارهایی برای بالا بردن امنیت در شبکه‏های بی‏سیم است که امروزه از محبوبیت ویژه‏ای برخوردارند. این شبکه‏ها نسبت به شبکه‏های سیمی امنیت پایین‏تری دارند و در دنیای ناامن اینترنت هر لحظه در معرض حمله‏های بدخواهانه اند، از این رو این مهم، یک ضرورت اجتناب‏ناپذیر است. از آنجا که اولین گام در ارائه خدمات امنیتی و ایجاد کانال‏های امن استفاده از روش‏های رمزنگاری امن می‏باشد، بزرگترین چالش پیش رو این است که برای بالا بردن امنیت لازم است از الگوریتم‏هایی با محاسبات پیچیده استفاده ‏شود که سرعت را پایین می‏آورند و در حوزه شبکه‏های بی‏سیم نمی‏توان امنیت را فدای سرعت و یا سرعت را فدای امنیت کرد. روش‏های رمزنگاری موجود تامین‏کننده تمام این نیازها به طور هم‏زمان در شبکه‏های بی‏سیم نیستند. با بررسی الگوریتم aes ارائه شده توسط ژوآن دیمن و وینسنت رینمن که در پروتکل امنیتی wpa2 (آخرین پروتکل امنیتی شبکه‏های بی‏سیم) استفاده شده و الگوریتم idea ارائه شده توسط جیمز مسی و شوجیا لی (الگوریتم‏ رمزنگاری پایه و مستحکم در برابر حمله‏های dpa) به نظر می‏رسد می‏توان یک الگوریتم رمزنگاری امن بر پایه این الگوریتم‏ها ارائه داد. در این پایان‏نامه یک الگوریتم رمزنگاری امن بر پایه میدان‏های گالوا و عملگرهای جبری پیمانه‏ای جهت بالا بردن امنیت در مقابله حمله‏های بدخواهانه که الگوریتم aes در مقابل آن آسیب‏پذیر است، ارائه می‏شود که علاوه بر بالا بردن امنیت، سرعت را کاهش نداده و بدلیل نداشتن جداول s-box الگوریتم‏های پیشین استفاده شده در پروتکل‏های شبکه‏های بی‏سیم، حافظه را نیز بهبود می‏بخشد.

یک بررسی کلی از روش های داده کاوی در این تحقیق انجام شده است. همچنین پیش بینی رویگردانی مشتریان با روش های داده کاوی مورد بررسی قرار گرفته است. روش pca برای کاهش ابعاد داده ها و الگوریتم تکاملی رقابت استعماری برای خوشه بندی داده نیز بررسی شده است.

حراجی های ترکیبی که در آن‎ها شرکت کنندگان می توانند پیشنهادات خود را روی مجموعه ای ترکیبی از کالاهای مورد حراج ابلاغ نمایند به دلیل کاربرد این دسته از حراجی ها در حوزه های مختلف توجه بسیاری را به خود جلب نموده‎ است. با این حال تعیین برنده در حراجی های ترکیبی هنگامی که تعداد شرکت کنندگان و یا کالاهای مورد حراج زیاد باشد بسیار سخت بوده و زمان زیادی برای این کار می طلبد. تعیین برنده در حراجی های ترکیبی که با عنوان مسأله تعیین برنده در حراجی های ترکیبی شناخته می گردد، یک مسأله چندجمله ای غیرقطعی سخت بوده که با افزایش ورودی های مسأله زمان مورد نیاز برای حل آن به صورت نمایی افزایش پیدا می کند. پایان نامه پیش رو با هدف معرفی یک راه کار تکاملی برای غلبه بر مسأله تعیین برنده در حراجی های ترکیبی تدوین یافته است. راه کار پیشنهادی یک الگوریتم تخمین توزیع ترکیبی می باشد که با بهینه نمودن فرآیند جستجوی جواب های بهینه و جلوگیری از تخریب بلوک های ساختاری سعی در حل مسأله تعیین برنده می نماید. این راه کار جواب مسأله تعیین برنده در حراجی های ترکیبی را با دقت نزدیک تری به جواب اصلی مسأله و طی مدت زمان کمتری نسبت به سایر راه کارهای مشابه ارائه گردیده به دست می آورد. با بررسی و مطالعه راه کارهای ارائه گردیده توسط سایر محقّقین، با توجه به نوع حل مسأله توسط آن ها، شش نمونه از کارآمدترین و جدیدترین آن ها مورد بررسی و مقایسه کامل قرار داده شدند. این شش نمونه بنا به دلایلی مانند سال انتشار، تعداد ارجاعات به آنها، اعتبار محقّقین و میزان ارتباط با موضوع پایان نامه انتخاب گردیده اند. نتایج ارزیابی ها و مقایسات گویای این مسأله است که هیچ کدام از راه کارهایی که در گذشته برای حل مسأله تعیین برنده در حراجی های ترکیبی ارائه گردیده اند دو ویژگی تقریب خوب و زمان قابل قبول را به طور همزمان ارضا نمی نمایند. در نهایت راه کار معرفی شده با بهترین راه کارهای ارائه شده توسط سایر محقّقین به منظور غلبه بر مسأله تعیین برنده در حراجی های ترکیبی مقایسه گردیده و نتایج ارزیابی ها برتری راه کار پیشنهادی را را در مقایسه با سایر راه کارها نشان می دهد.

بخش بندی تصویر یک فرآیند اساسی در بسیاری از کاربردهای پردازش تصویر و بینایی ماشین است که می تواند به عنوان اولین مرحله پردازش سطح پایین در پردازش تصاویر دیجیتالی در نظر گرفته شود. با توجه به اهمیت بخش بندی تصاویر دیجیتالی روش های متعددی برای این منظور پیشنهاد شده است که به دو دسته کلی روش های مبتنی بر ناحیه مانند خوشه بندی پیکسل های تصویر و روش های مبتنی بر تشخیص لبه تقسیم می گردد. بیشتر روش های خوشه بندی تصاویر، پیکسل ها را تنها بر اساس اطلاعات شدت روشنایی یا رنگ آنها دسته بندی می کنند و هیچ گونه اطلاعات همسایگی یا مکانی پیکسل ها را در روند خوشه بندی تصویر به کار نمی برند که این عامل سبب کاهش دقت و کیفیت بخش بندی می گردد. با در نظر گرفتن اهمیت به کارگیری اطلاعات مکانی پیکسل ها در جهت بهبود کیفیت بخش بندی تصویر، استفاده از اطلاعات پیکسل های همسایه در پنجره همسایگی بزرگ سبب بهبود کیفیت بخش بندی می گردد. با توجه به اینکه خوشه بندی جزء مسائل چندجمله ای غیرقطعی-سخت محسوب می شود، در این پژوهش ایده ترکیب الگوریتم خوشه بندی k-means و الگوریتم رقابت استعماری بهبود یافته جهت حل این مسئله پیشنهاد گردیده است. همچنین پیش از اعمال الگوریتم ترکیبی، تصویر جدیدی با استفاده از اطلاعات غیرمحلی پیکسل ها ایجاد شده و سپس الگوریتم ترکیبی برای خوشه بندی پیکسل های تصویر جدید به کار گرفته شده است. با مقایسه نتایج حاصل از اعمال روش مذکور بر روی تصاویر مختلف با سایر روش ها، به این نتیجه رسیدیم که دقت بخش بندی اکثر تصاویر با روش پیشنهادی، بیشتر از سایر الگوریتم های مطرح در این زمینه است.

در عصر حاضر با توجه به ویژگی ها و کاربرد های وسیع شبکه و به دلیل خصوصیات شبکه های موردی سیار، مانند عدم نیاز به زیر ساخت ارتباطی و مقرون به صرفه بودن، این شبکه روز به روز مجبوبیت بیشتری پیدا می¬کند. مسیریابی یکی از اصلی¬ترین چالش¬های شبکه موردی سیار می¬باشد. مسیریابی بهینه و درخور می تواند موجب افزایش طول عمر شبکه و گسترش شبکه شود. روش¬های مسیریابی مبتنی بر خوشه¬بندی یکی از کاراترین روش¬های مسیریابی در شبکه موردی سیار می¬باشد. الگوریتم رقابت استعماری یک الگوریتم بهینه سازی است که با مدل سازی ریاضی فرآیند تکامل اجتماعی سیاسی، الگوریتمی برای حل مسائل بهینه سازی ارائه می دهد. با توجه به کارایی بالای خوشه¬بندی در بین روش¬های مسیریابی و با توجه به کارایی بالای الگوریتم رقابت استعماری در خوشه¬بندی، به دلیل ماهیت خوشه بندی شده فضای این الگوریتم، در این پایان¬نامه یک الگوریتم تکاملی با ویژگی¬های جدید برای خوشه?بندی شبکه¬های موردی سیار ارائه شده است. الگوریتم پیشنهادی که به اختصار cica نام¬گذاری شده است با کدگذاری عددی و استفاده از عملگرهای خاص مختلف، سعی در ارائه مدل خوشه¬بندی بهینه برای شبکه های موردی سیار دارد. این الگوریتم با ارائه شرایط خاصی مانع از انجام خوشه¬بندی¬¬های مجدد اضافی می¬شود و باعث کاهش سربار ناشی از این عمل می¬شود. الگوریتم cica از لحاظ تعداد خوشه نسبت به الگوریتم lid و mobic موفق تر می باشد و از لحاظ مقدار تابع برازندگی نسبت به الگوریتم nbcra نتیجه بهتری ارائه می دهد.

‎‎‎‎‎‎‎‎‎‎‎‎‎‎ ‎‎حلقه ها منبع اصلی موازی سازی در بسیاری از کاربردها می باشند، بنابراین امروزه کشف موازی سازی بین دستورات در حلقه های تودرتو موضوع بسیار مهمی است.‎‎ وابستگی بین دستورات و تکرار حلقه ها باعث به وجود آمدن تعدادی چرخه در گراف وابستگی می شود که مانع از اجرای برنامه به صورت موازی می شوند.‎‎‎‎‎ از آنجا که مسئله ی تشخیص مجموعه ی کمینه از وابستگی های بحرانی ‎‎در یک چرخه ی وابستگی حلقه یک مسئله چند جمله ای غیر قطعی کامل می باشد‎‎ لزوم استفاده از الگوریتم های تکاملی‏، واضح و منطقی می باشد. هدف از این پایان نامه مقایسه و بررسی روش های ارائه شده به منظور حذف وابستگی ها یا کاهش این وابستگی ها در بین دستورات برنامه و تکرارهای حلقه‏، و ارائه روشی جدید برای حذف وابستگی های بحرانی ایجاد شده در چرخه ی گراف وابستگی به منظور کاهش تعداد چرخه های موجود در گراف وابستگی برای موازی سازی حلقه ها می باشد به گونه ای که بتوان سرعت اجرای برنامه ها را افزایش داد.‎‎‎‎‎‎ در راستای رسیدن به این اهداف و‎‎‎ حل مسئله ی موجود‏، راه کاری تکاملی ارائه شده است که بر روی چندین نمونه واقعی از حلقه ها و وابستگی های آنها پیاده شده است و از نظر قابلیت اطمینان‏، همگرایی و پایداری که سه شاخصه ی مهم برای ارزیابی الگوریتم های تکاملی می باشند‏، مورد بررسی قرار گرفته و نتایج قابل قبولی به دست آمده است. نتایج حاصل از مقایسه ی روش پیشنهادی با سایر روش ها حاکی از این موضوع است که روش پیشنهادی علاوه بر اغنا کردن شاخصه های مهم در موازی سازی حلقه ها‏، توانسته است سرعت اجرای حلقه ها را نسبت به سایر روش های موجود به طور میانگین نزدیک به 14 درصد بهبود بدهد.

مسئله مقایسه و انطباق ساختار سه بعدی پروتئین ها یکی از مهم ترین اهداف محاسبات زیست ساختاری است و ابزاری ارزشمند برای طبقه بندی پروتئین ها، پیش بینی ساختار پروتئین، مطالعات تکاملی و پی بردن به رابطه بین توالی و ساختار سه بعدی پروتئین ها می باشد. به دلیل چندجمله ای غیر قطعی-سخت بودن انطباق ساختار پروتئین، راهکارهای ارائه شده از روش های مکاشفه ای استفاده می کنند.در این پایان نامه یک الگوریتم جستجوی مبتنی بر الگوریتم ژنتیک و برنامه ریزی پویا معرفی گردید.

با ظهور و گسترش شبکه های اجتماعی، روابط بین افراد، سازمان ها و دیگر نهادهای اجتماعی شکل تازه ای به خود گرفته است. یکی از مسائل مطرح در شبکه های اجتماعی، مسئله ی نفوذ اجتماعی می باشد. پژوهش های انجام شده در مورد نفوذ اجتماعی و چگونگی انتشار اطلاعات در شبکه های اجتماعی، بیانگر این است که پذیرش یا رد یک الگوی جدید توسط یک فرد، به پذیرش یا رد دوستان آن فرد بستگی دارد. به این دلیل که افراد به دوستان خود بیشتر از تبلیغات سایر منابع اعتماد دارند. لذا چگونگی انتخاب افراد اولیه برای انتشار اطلاعات در شبکه، از اهمیت ویژه ای برخوردار است. این مسئله، یک مسئله ی چند جمله ای غیرقطعی-کامل است لذا برای تقریب جواب نیاز به استفاده از راه حل های مکاشفه ای است. بعضی از روش های مکاشفه ای مانند مرکزیت درجه، مرکزیت ارتباطی، مرکزیت نزدیکی و روش حریصانه، با وجود اینکه می توانند گره های تاثیرگذار را شناسایی کنند، در برابر شبکه هایی با ساختار جامعه از خود محدودیت نشان می دهند. ما در این پایان نامه سعی داریم، با در نظر گرفتن ساختار جامعه در شبکه های اجتماعی، روشی برای تشخیص افراد تاثیرگذار ارائه دهیم. بدین منظور روش پیشنهادی مسئله تشخیص k جامعه را به یک مسئله بهینه سازی مدل کرده و از الگوریتم رقابت استعماری برای تشخیص آن ها استفاده می کند. سپس با استفاده از مدل آبشاری مستقل، مجموعه k عضوی از افراد تاثیرگذار شناسایی می شود. راه کار پیشنهادی ارائه شده در این پایان نامه با تعدادی از راه کارهای موجود مقایسه شده است که با ادغام دو مرحله تشخیص جوامع و شناسایی مجموعه k عضوی از افراد تاثیرگذار، انتخاب گره های تاثیرگذار، متوازن با ساختار جوامع صورت گرفته است که علاوه بر کاهش محاسبات در مرحله ی انتشار اثر، اطلاعات در ناحیه وسیع تری توزیع می شود.