ارزیابی کارایی الگوریتم مسیریابی برای بهینه نمودن طول عمر شبکه های حسگر بی سیم
این مقاله به ارزیابی کارایی الگوریتم مسیر یابی برای بهینه نمودن طول عمر شبکه های حسگر بی سیم می پردازد
یک الگوریتم جدید مبتنی بر تئوری خاکستری و کیفیت خدمات برای رتبه بندی وب سرویسها
رتبه بندی وب سرویسها یکی از مباحث داغ تحقیقاتی در مهندسی وب است. رتبه بندیهای انجام شده در روشهای مختلف
هرکدام دارای مزایا و معایب مختص به خود است. اما آنچه مشخص است در الگوریتمهای ارائه شده توجه زیادی به انتظارات
کاربران نشده است و رتبه بندی تنها بر اساس پارامترهای کیفیتی خدمات انجام شده است. در این مقاله سعی شده است که
ابتدا تأثیر پارامترهای کیفیتی را در هر وب سرویس به واسطه ی توزیع پرسشنامه در بین خبرگان استفاده از وب سرویس و
همچنین کاربران عادی به دست آید سپس این توقعات را به منظور وزن پارامترهای کیفیتی در رتبه بندی خاکستری لحاظ
میکنیم و به این واسطه میتوان به این نتیجه رسید که رتبه بندی انجام شده بیشترین توجه را به انتظارات کاربران دارد
چراکه وب سرویسی را که انتخاب میکند منطبق با درخواستهای کاربران و اولویت بندی آنها برای پارامترهای کیفی
وب سرویس میباشد. به همین منظور نتایج به دست آمده نشان از این موضوع است که رتبه بندی خاکستری توانایی بالایی در
رتبه بندی وب سرویسها مطابق با نیاز کاربران را داشته است.
جایابی و تعیین مقدار بهینه ادوات فکتس در جهت افزایش قدرت بازار برق با استفاده از الگوریتم جستجوی هارمونی
این مقاله به بررسی و جایابی و تعیین مقدار بهینه ادوات فکتس در جهت افزایش قدرت بازار برق با استفاده از الگوریتم جستجوی هارمونی می پردازد
الگوریتم زمان بندی ماشین های مجازی بر اساس بهینه سازی ذرات در رایانش ابری
این مقاله به بررسی الگوریتم زمان بندی ماشین های مجازی بر اساس بهینه سازی ذرات در رایانش ابری می پردازد
یک الگوریتم مبتنی بر k نزدیک ترین همسایه برای دسته بندی چند برچسبی
در این پژوهش تلاش شده است تا الگوریتمی مبتنی بر k نزدیکترین همسایه برای دستهبندی چند برچسبی ارائه شود. ابتدا مروری خواهد شد بر یادگیری چند برچسبی ) Multi-Label Learning ( و اینکه چرا به این دسته از الگوریتمهای یادگیری
نیاز وجود دارد. همچنین مثالهایی از مسائلی که با استفاده از این نوع یادگیری و دستهبندی حل میشوند ذکر خواهد شد. در
ادامهی بحث الگوریتم اصلی این مقاله توضیح داده خواهد شد. این الگوریتم با نام اختصاری ML-kNN نامگذاری شده است و به
معنای k نزدیکترین همسایهی چند برچسبی ) Multi-Label k-Nearest Neighbor ( میباشد. سپس آزمایشات حاصل از
اجرای این الگوریتم و مقایسهی آن با سایر الگوریتمهای موجود در زمینهی دستهبندی دادههای چند برچسبی مورد بررسی قرار
میگیرد و در انتها نیز نتایج حاصل بیان خواهد شد.