چکیده

در دنیای امروز اهمیت استفاده از اینترنت و شبکه‌های کامپیوتری بر کسی پوشیده نیست. کاهش هزینه و صرفه جویی در وقت از مهمترین مزایای این تکنولوژی است. در این میان، انتقال داده‌ها بین مبدأ تا مقصد از یک مسیر بهینه اهمیت ویژه‌ای دارد. برای یافتن یک مسیر بهینه روش‌های متفاوتی تعریف شده است. ما در این پایان‌نامه برآنیم تا با استفاده از سه الگوریتم‌ تکاملی که از طبیعت الهام گرفته شده‌اند، مسیری بهینه را برای انتقال داده‌‌ها در یک شبکه کامپیوتری پیدا کنیم. در این مطالعه عملکرد الگوریتم‌های ژنتیک‌،‌‌‌ انبوه ذرات و کلونی مورچگان برای یافتن مسیر بهینه با هم مقایسه می‌شوند. در هر مرحله از اجرا، همواره الگوریتم بهینه‌سازی کلونی مورچگان کوتاهترین مسیر را کشف می‌‌کند ولی زمان اجرای آن چندین برابر دو الگوریتم دیگر است. الگوریتم ژنتیک در کمترین زمان به نسبت دو الگوریتم دیگر مسیری را معرفی می‌کند ولی از آنجاییکه در بهینه‌ی محلی گیر می‌کند مسیر بهینه را نشان نمی‌دهد. الگوریتم بهینه‌سازی ازدحام ذرات هم زمانی نسبتاً مناسب دارد اما مسیر بهینه را نمایش نمی‌دهد. در همین راستا الگوریتم جدیدی را ارائه داده‌ایم که در آن دو الگوریتم کلونی مورچگان و ژنتیک با هم ترکیب شده اند. زمان اجرای این الگوریتم به نسبت الگوریتم کلونی مورچگان بسیار بهتر است و نیز مسیری که بر می گرداند از مسیر به دست آمده در الگوریتم ژنتیک مناسب‌تر می‌باشد.

کلمات کلیدی:الگوریتم بهینه‌سازی ازدحام ذرات،الگوریتم بهینه‌سازی کلونی مورچگان، الگوریتم‌ ژنتیک‌، الگوریتم‌‌های تکاملی، شبکه‌های کامپیوتری، مسیریابی.

در تمامی پروژه­هایی که امروزه انجام می­شوند بحث مدیریت مسأله­ای بسیار تعیین کننده است. پروژه­های نرم­افزاری نیز از این قاعده مستثنی نیستند. از مهم‌ترین جنبه­های فعالیت توسعه نرم­افزاری بحث مدیریت زمان و هزینه است. با توجه به اینکه در مراحل ابتدایی توسعه نرم­افزار اطلاعات دقیقی نسبت به جنبه­های مختلف توسعه وجود ندارد؛ تخمینی دقیق­تر از هزینه­های پیش­رو می­تواند امری حیاتی در موفقیت یک نرم‌افزار باشد. در این پژوهش توانستم با بکارگیری مدل COCOMO II، که از شناخته­شده­ترین روش­های تخمینِ هزینه­های توسعه نرم­افزاری مبتني بر مدل­هاي الگوریتمی است، و ترکیب آن با منطق‌فازی، مدلی را ایجاد کرده که با توجه به برخی پارامترهای موجود در فازهای اولیه­ی توسعه، تخمین­های دقیق­تری نسبت به هزینه انجام می­دهد. پیاده‌سازی آن در نرم‌افزار MATLAB و با کمک داده‌های مصنوعی صورت گرفته شده است. بررسی صحت داده‌های ایجاد شده نیز در نرم‌افزار SPSS صورت گرفته است. همچنین اینکه از داده‌های 2 Dataset رسمی COCOMO II برای ارزیابی مدل پیشنهادی استفاده شده‌اند که نتایج حاصله با استفاده از تکنیک­های MMRE و PRED مورد بررسی واقع شده‌اند که خروجی‌های تولید شده نشان می‌دهند سیستم پیشنهادی در مقایسه با مدل اصلی COCOMO II که میانگین بهبودی معادل5.901% داشته است.

 کلمات کلیدی: مدل COCOMOII، تخمین هزینه، بهینه سازی، منطق‌فازی

چکيده

 در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، از مهمترين روشها براي بهبود در وضعيت مالي مي­توان به افزايش درآمد اشاره کرد. يکي از آسان­ترين راه­ها، سرمايه ­گذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آوردند. يکي از جذاب­ترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. اين مساله موجب شد که به­ بررسي الگوريتم و روشهاي هوش مصنوعي در مديريت بورس پرداخته شود. در اين تحقيق روشهاي مختلف مورد بررسي قرار گرفته و دلايل موفقيت و شکست اين روشها بررسي شده است. بر مبنای مطالعات انجام شده شاید بتوان گفت بهترين و پرکاربردترين روش شبکه­هاي عصبي است. اگر اين روش با روشهاي آماري ترکيب شود امکان دستيابي به نتايج بهتری فراهم خواهد شد و اگر اين زمينه ميسر شود موجب بهبود در وضع اقتصادي شرکتها و در نتيجه بهبود در وضع اقتصاد کشور خواهد شد.

در اين پروژه سعي شده است به کمک شبکه عصبي پرسپترون به پيش­بيني بازار سهام پرداخته شود. پس از بررسيهاي انجام شده آشکار شد بر روي داده­هاي بنيادي بورس اوراق بهادار کمتر کار شده است. بنابراين به بررسي و مقايسه داده­هاي بنيادي، تکنيکي و ترکيب بنيادي و تکنيکي پرداخته شده است. سپس نشان داده شده است که داده­هاي ترکيبي براي پيش­بيني مناسب­تر هستند. با هدف بهبود پيش­بيني، به داده­هاي مورد استفاده در بازار سهام الگوي سر و سرشانه افزوده شده است. با بررسي و مقايسه صورت گرفته بين داده­هاي معمولي بدون الگوي سر و سرشانه و داده­های با استفاده از اين الگو به کمک جعبه ابزار شبکه­ عصبي MATLAB نشان داده شده است که اين الگوموجب بهبود پيش­بيني خواهد شد.

 چکیده

امروزه محبوبیت سایت های شبکه های اجتماعی در بین افراد غیر قابل انکار است، سایت هایی که امکانات زیادی را برای ارتباطات بین افراد در اختیار کاربران قرار می دهند. یکی از مشکلات اساسی در آنالیز این نوع شبکه ها پیش بینی ارتباطات جدید بین افراد شبکه می باشد.

روش فازی به عنوان یکی از روش های مطرح در هوش مصنوعی، راه ساده ای را برای ساخت نتیجه ی صریح، مبهم، نویزدار و مفقود شده را مهیا می سازد. در نتیجه منطق فازی به ابزاری برای مدل کردن پیچیدگی های دنیای واقعی بدل شده است. این مدل ها معمولا از موارد مشابه خود بسیار دقیق تر بوده و نتایج دقیق تری به ما ارائه می دهند. به همین دلیل منطق فازی پتانسیل لازم برای ارئه ی لینک پیشنهادی دقیق تر را خواهد داشت و چارچوبی که در این تحقیق ارائه خواهیم داد بر اساس این منطق توسعه خواهد یافت.

با توجه به رویکرد های فوق ما در این تحقیق با ارائه ی چارچوبی پیشنهادی جهت ارائه ی الگوریتمی هوشمند بر اساس ترکیب منطق فازی با الگوریتم های CN، Jaccard ، PAکهالگوریتم هایی برای پیش بینی لینک در گراف اجتماعی هستند، سعی در بهبود نتایج حاصله نمودیم. بررسی نتایج حاصله نشان داد که الگوریتم پیشنهادی دقت بیشتری در پیش بینی لینک داشته اما به دلیل وجود مراحل فازی و دفازی سازی، سرعت کمتری را دارا می باشد.

 کلمات کلیدی:

پیش بینی لینک در شبکه های اجتماعی- منطق فازی- الگوریتم های پیش بینی لینک بر مبنای شباهت

چكيده

شبکه­های مش بی­سیم، شامل مسیریاب­ های مش و کلاینت­ های مش هستند، که مسیریاب­ های مش با کمترین تحرک، ستون فقرات شبکه مش را شکل می­دهند. مسیریاب­ها و کلاینت­ ها در شبکه مش از طریق دروازه به اینترنت دسترسی پیدا می­کنند. امروزه شبکه­ های مش بی­سیم، سرویس ­های بی­سیم را در گستره متنوعی از کاربردها، در سطح شخصی، محلی، محوطه­ های دانشگاهی و نواحی شهری ارائه می­دهد. یکی از اصلی­ترین چالش­های موجود در طراحی شبکه مش بی­سیم، تعیین موقعیت مکانی مسیریاب­ های مش در شبکه است. در واقع، تعیین مکان مسیریاب­ های مش در ساختن یک شبکه مشبی­سیم، اولین مرحله در تضمین کارایی مطلوب در شبکه است. مسئله­ی اساسی در جایگذاری مسیریاب­های مش، یافتن تعداد مسیریاب­ های مورد نیاز مش است به گونه­ای که معیارهای مورد نیاز این شبکه را برآورده کند. در این پایان­نامه یک روش ابتکاری که با استفاده از الگوریتم ژنتیک، برای یافتن تعداد مسیریاب­ ها و موقعیت بهینه آن­ ها پیشنهاد شده است. روش پیشنهادی می­تواند معیارهای لازم این شبکه را به طور موثری تامین کند. نتایج حاکی از کارایی قابل قبول این روش دارد. نتایج شبیه­ سازی نشان می­دهد که الگوریتم پیشنهادی از لحاظ تعداد مسیریاب­ها و میزان فضای پوششی متناسب با آن، از روش­های مشابه، بهتر است.

کلمات کلیدی: شبکه مش بی­سیم، تعیین موقعیت مکانی مسیریاب­ها، پوشش، اتصال، الگوریتم ژنتیک.

چکیده

با افزایش محبوبیت پایانه­های تلفن همراه، تجارت الکترونیک سیار به یک ابزار مناسب در زندگی روزمره ما تبدیل شده است. در یک سیستم تجارت الکترونیک سیار، چگونگی ایجاد موثر و ارزیابی فروشنده و خریدار یک موضوع مهم است. این­که آیا یک خریدار می­داند و به یک فروشنده اعتماد می­کند، اغلب، به شدت تحت تأثیر تصمیم­گیری خرید، به­خصوص در تجارت الکترونیک (C2C) مشتری به مشتری یا بازار دست دوم است.

در تجارت الکترونیک سیار ارائه شده در این تحقیق، اطلاعات محل، برای پاسخگویی به خواسته­های کاربران تلفن همراه در نظر گرفته شده است و تحت تأثیر دوستان واسط بین خریداران و فروشندگان، محاسبه می­شود. در همان زمان، تاریخ تعامل رکورد به عنوان یک مکانیزم تشویقی استفاده شده است. نتایج تحقیق نشان می­دهد که مدل تجارت الکترونیک سیار پیشنهادی، می­تواند به طور موثر به کاربران کمک کند تا در مورد مقادیر پیشنهادی فروشندگان مختلف تصمیم­گیری کنند. مدل ارائه شده شبکه اجتماعی بر روی سیستم تجارت الکترونیک سیار به طور موثر می­تواند به کاربران در تصمیم­گیری معامله کمک کند. علاوه بر این، مدل ارائه شده دارای ویژگی­های امنیتی بهتر از سیستم تجارت الکترونیک سیار طبیعی است.

کلمات کلیدی: تجارت الکترونیک، تجارت سیار، شبکه­های اجتماعی.

• 53 صفحه
• DOC (فایل ورد)

چکیده

ﺍﻣــﺮﻭﺯﻩ ﺍﺳــﺘﻔﺎﺩﻩ ﺍﺯﺷــﺒﮑﻪ­های ﺳﻨسور ﺑــﻲ­ﺳــﻴﻢ (Wireless Sensor Network) ﺑﻪ ﺷﮑﻞﮔﺴﺘﺮﺩﻩ­ﺍی ﺭﻭ ﺑﻪ ااست. ﺑﻪ ﻋﻠﺖ ﺍﺳﺘﻔﺎﺩﻩ ﻏﺎﻟﺐ ﺍﺯ ﺑﺎﻃﺮی ﺑﺮﺍی ﺗﺎﻣﻴﻦ ﺍﻧﺮﮊی ﻣﺼﺮﻓﻲ ﺍﻳﻦ ﺳﻨﺴﻮﺭﻫﺎ ﻭ ﻫﻤﭽﻨــﻴﻦ ﻋــﺪﻡ ﺩﺳﺘﺮﺳــﻲ ﺁﺳــﺎﻥ ﺑــﻪ ﺳﻨﺴــﻮﺭﻫﺎ ﺩﺭ ﺑﺴــﻴﺎﺭی ﺍﺯ ﺍﻳــﻦ ﮐﺎﺭﺑﺮﺩﻫﺎ، ﻣﻬﻨﺪﺳﺎﻥ ﻭ ﻣﺤﻘﻘﺎﻥ ﺑﻪ ﺳﻤﺖ ﻃﺮﺍﺣﻲ پروتکل­ﻫﺎی ﻣﺴـﻴﺮﻳﺎﺑﻲ ﺑﺎ خصوصیات انرژی مصرفی کم و افزایش طول عمر شبکه ترغیب شده­اند. ﺍﻳﻦ تحقیق، ﻳﮏ ﭘﺮﻭﺗﮑـﻞ ﻣﺴـﻴﺮﻳﺎﺑﻲ ﺗﻮﺯﻳـﻊ­ﺷـﺪﻩ ﺭﺍ ﺑـﺮ ﺍﺳﺎﺱ ﺭﻭﺵ الگوریتم کلونی ﻣﻮﺭﭼﻪ­ﻫﺎ ﺩﺭ ﺟﻬﺖ ﺑﻬﺒﻮﺩ ﭘﺎﺭﺍﻣﺘﺮﻫﺎی ﻣﺬﮐﻮﺭ ﺍﺭﺍﺋﻪ می­دﻫﺪ. الگوریتم کلونی مورچگان یک الگوریتم متاهیوریستیک می­باشد که توسط دوریگو و همکارانش برای حل برخی مشکلات ترکیبی بهینه سازی مانندمسئله فروشنده دوره گرد معرفی شد. الگوریتم کلونی مورچگان یکسری ویژگی­هایی از جمله محاسبه توزیعی ، خودسازماندهی و بازخورد مثبت دارد که برای جست­و­جوی مسیر در شبکه­های ارتباطی کاربرد دارد.

در نهایت پروژه خود را با زبان قدرتمند متلب پیاده­سازی کرده و شبیه­سازی­های خود را ارائه نمودیم. ﻧﺘﺎﻳﺞ ﺁﺯﻣﺎﻳﺸﺎﺕ ﮐﺎﻫﺶﻧﺰﺩﻳﮏ به %۴۰ ﻣﺼﺮﻑ ﺍﻧﺮﮊی ﻭ ﺍﻓﺰﺍﻳﺶ 3ﺑﺮﺍﺑﺮ ﻃﻮﻝ ﻋﻤﺮ ﺷﺒﮑﻪ را نسبت به حالت عادی نشان می­دهد.

کلمات­ کلیدی ­:­ شبکه­ های­ حسگر بیسیم،­الگوریتم کلونی مورچگان، مصرف انرژی ­