فهرست مطالب

محاسبات نرم - سال ششم شماره 2 (پیاپی 12، پاییز و زمستان 1396)
  • سال ششم شماره 2 (پیاپی 12، پاییز و زمستان 1396)
  • تاریخ انتشار: 1396/09/15
  • تعداد عناوین: 6
|
  • سمانه حسین دوست، طاهره آدم زاده، بهمن زمانی*، افسانه فاطمی صفحات 2-17

    با توجه به وقوع روزافزون حوادث غیرمترقبه و نیاز به برنامه ریزی پیش از بحران به منظور کاهش خطرات و خسارات وارده، نیاز به مدل سازی محیط های واکنش اضطراری بیش از پیش احساس می شود. با استفاده از مدل سازی می توان برای عملیات پاسخ گویی به بحران، مانند تشکیل تیم، تخصیص وظایف به تیم ها و انجام وظایف توسط تیم ها، برنامه ریزی دقیق تری انجام داد. یکی از چالش های رایج در این مسیر، این است که مدل باید به شکلی قابل فهم برای مدیر بحران در آید تا وی بتواند از نتایج حاصل از مدل سازی بهره برداری نماید. برای اجرای مدل و مشاهده ی نتایج، لازم است مدل به برنامه تبدیل شود.  مدیر بحران با اجرای آن برنامه می تواند چگونگی اجرای عملیاتی از مدل مانند تشکیل تیم ، تخصیص وظایف و انجام وظایف، را مشاهده نماید. در این مقاله، کد قابل اجرای یک سیستم چندعاملی به طور خودکار از روی مدل های طراحی شده بر اساس روش مدل رانده تولید شده است. این کار با استفاده از زبان مدل سازی خاص منظوره ی ERE-ML و ابزار مربوط به آن انجام شده و امکانات جدیدی به این زبان افزوده شده است. به منظور ارزیابی خروجی کدهای تبدیل، مطالعه ی موردی زلزله بم انجام شده، و سناریوهای تعریف شده در سیستم تولیدشده به نمایش در آمده است.

    کلیدواژگان: مهندسی نرم افزار مدل رانده، تولید خودکار کد، سیستم های چندعاملی، محیط های واکنش اضطراری، ERE-ML
  • رضا قاسمی، حمیدرضا محمدی*، سید عباس طاهر صفحات 18-31

    با افزایش نفوذ انرژی های تجدیدپذیر در سیستم های قدرت، مسئله کنترل فرکانس اهمیت بیشتری یافته و روش های کنترل متداول قادر به حفظ پایداری سیستم قدرت نیستند. در شبکه های هوشمند، پاسخگویی بار به عنوان یک ابزار کنترل فرکانس، وابستگی شبکه به ذخیره چرخان و کنترل کننده های با هزینه بالا را کاهش می دهد. علاوه بر مزایای اقتصادی پاسخگویی بار، میرایی تغییرات فرکانس با سرعت بالا از جمله ویژگی های مهم آن است. در این مقاله کنترل فرکانس یک ریزشبکه جزیره ای با استفاده از کنترل هوشمند پاسخگویی بار مبتنی بر منطق فازی و الگوریتم بهینه سازی ازدحام ذرات ارائه شده است که قادر است بطور مداوم تعادل بین تولید و تقاضا را با وجود تغییرات طبیعی و نامعین در توان خروجی منابع انرژی بادی و خورشیدی، تامین نماید. در مقایسه با سایر کارهای انجام شده استفاده از کنترل کننده ی پیشنهادی باعث بهبود مشخصات پاسخ گذرا از جمله زمان نشست، میزان فراجهش و فروجهش شده و ضمن برطرف کردن محدودیت منابع ذخیره سازی انرژی، در کاهش آلودگی های زیست محیطی ناشی از عملکرد دیزل ژنراتور موثر بوده است. با استفاده از نتایج شبیه سازی در یک ریزشبکه ی جزیره ای، عملکرد مطلوب کنترل کننده هوشمند پاسخگویی بار در مقایسه با سایر روش های کنترلی متداول به خوبی نشان داده شده است.

    کلیدواژگان: کنترل فرکانس، ریزشبکه، پاسخگویی بار، منطق فازی، الگوریتم بهینه سازی ازدحام ذرات
  • رعنا آخوندی، راحیل حسینی* صفحات 32-47

    هدف از این مقاله، ارائه ی یک سیستم هوشمند جهت پیش بینی بیماری قلبی به دلیل پیشگیری از خطر ابتلا به بیماری قلبی می باشد. برای این منظور، یک سیستم خبره ی فازی برای پیش بینی بیماری قلبی پیشنهاد شده است. مدل پیشنهادی می تواند به عنوان ابزار کمکی در اختیار پزشکان قرار گیرد. به منظور تنظیم پارامترهای توابع عضویت سیستم خبره ی فازی، بهبود عملکرد و افزایش دقت این سیستم، الگوریتم ژنتیک و الگوریتم تکامل تفاضلی بر روی سیستم خبره ی فازی اعمال شده اند. مدل های ترکیبی فازی ژنتیک و فازی تکامل تفاضلی پیشنهادی با استفاده از روش های ارزیابی تحلیل منحنی ROC و اعتبار سنجی 10 بخشی مورد ارزیابی قرار گرفته اند. برای ارزیابی و اعتبارسنجی مدل های پیشنهادی، از مجموعه داده ای شامل 380 نمونه که از بیمارستان پارسیان تهیه شده است، استفاده گردید. براساس نتایج به دست آمده، سیستم خبره ی فازی دارای صحت عملکردی برابر با %85.52 می باشد که پس از اعمال مدل ترکیبی تکاملی فازی ژنتیکی به%97.93، و مدل ترکیبی فازی تفاضل تکاملی به 97.67% افزایش یافته است. نتایج بیانگر آن است که مدل پیشنهادی ترکیبی فازی تکاملی ژنتیکی صحت عملکرد سیستم خبره فازی را به طور چشمگیری بهبود بخشیده است. قابلیت تفسیر نتایج در سیستم خبره فازی و صحت عملکرد بالای مدلهای ترکیببی تکاملی، به منظور پیش بینی زودهنگام بیماری های قلبی و ارایه مراقبت های لازم به عنوان سیستم هوشمند تصمیم یار بسیار امید بخش است.

    کلیدواژگان: سیستم خبره ی فازی، الگوریتم ژنتیک، الگوریتم تکامل تفاضلی، تحلیل منحنی ROC، پیش بینی بیماری قلبی
  • زهرا روزبهانی، جلال رضایی نور*، منصوره یاری ایلی، راضیه قیاسی صفحات 48-59

    امروزه بالا رفتن حجم داده ها و تعداد ویژگی ها در مجموعه داده، باعث کاهش دقت الگوریتم یادگیری و پیچیدگی محاسباتی شده است. . روش های کاهش بعد، نوعی از روش انتخاب مشخصه هستند که به دو صورت پالایشی و پوششی انجام می شود. دقت روش های پوششی نسبت به روش های پالایشی بالاتر است اما در مقابل، روش های پالایشی سریع تر عمل می کنند و پیچیدگی های محاسباتی کمتری دارند. با در نظر گرفتن مزایا و معایب الگوریتم های پالایشی و پوششی، در این پژوهش یک روش ترکیبی جدید ارائه شده است. در این روش، ابتدا کل مشخصه های موجود در مجموعه داده در نظر گرفته می شوند سپس با ترکیب الگوریتم های پالایشی انتخاب مشخصه و ارزش گذاری نتایج آن به روش پوششی، زیرمجموعه ای بهینه از مشخصه ها انتخاب می شوند. با توجه به اینکه بسیاری از بیماری ها و مسائل زیست سیستمی نظیر سرطان، به کمک بررسی داده ی ریزآرایه قابل شناسایی و تشخیص هستند و با توجه به اینکه تعداد مشخصه ها در این مجموعه داده ها بسیار بالا است؛ روش ارائه شده در این پژوهش برروی داده ی ریزآرایه مربوط به سه نوع سرطان مورد ارزیابی قرار گرفته است.این روش، در مقایسه با روش های مشابه، به دقت بالایی در دسته بندی و شناسایی عوامل موثر در سرطان به خصوص سرطان خون دست یافته است.

    کلیدواژگان: انتخاب مشخصه، الگوریتم پالایشی- پوششی، شبکه عصبی پرسپترون چندلایه، کاهش بعد، ریزآرایه
  • سمیرا زنگویی*، حسنعلی نعمتی شمس آباد صفحات 60-71
    شناسایی نویسنده از مسائل مهم در دسته بندی متون و پردازش زبان های طبیعی است که برای نشان دادن خصوصیات نویسنده از میان متون مختلف می باشد. پیشرفت سریع ارتباطات اینترنتی ، ابزارهای اینترنتی با هویت ناشناس مانند ایمیل و وبلاگ را به روش های ارتباطی محبوبی برای مرتکبین اعمال غیرقانونی تبدیل کرده و مسائل امنیتی خاصی را بوجود آورده است. در این مقاله به بررسی پژوهش های انجام شده ی شناسایی نویسنده در محیط های مجازی پرداخته شده است. پس از بررسی این پژوهش ها مهمترین مولفه های تاثیرگذار در شناسایی نویسنده مشخص و دسته بندی شده اند. بررسی های این تحقیق ترکیب 7 مولفه را در به دست آوردن بالاترین دقت در شناسایی نویسنده به دست آورده است.
    کلیدواژگان: شناسایی نویسنده، مولفه های شناسایی نویسنده، ویژگی های سبک نوشتاری
  • اکرم خالقی تبار، راضیه فرازکیش* صفحات 72-85

    شبکه های بین خودرویی زیرمجموعه ای از شبکه های سیار موردی می باشند که در آن خودروها به عنوان گره های شبکه محسوب می شوند. این شبکه ها برای برقراری ارتباط بین خودروها و کنترل ترافیک در جاده ها ایجاد شده اند. ویژگی خاصی که شبکه بین خودرویی در مقایسه با شبکه سیار موردی دارد، تحرک سریع گره هاست که باعث تغییر سریع توپولوژی در این شبکه می شود. تغییرات سریع توپولوژی شبکه، چالشی بزرگ در مسیریابی محسوب می شود. یکی از پروتکل های مسیریابی شناخته شده در شبکه های بین خودرویی، پروتکل مسیریابیAODV (Ad hoc On Demand Vector) است. در این تحقیق با هدف بهبود مسیریابی در شبکه VANETs (Vehicular Ad hoc Networks)، الگوریتم های الهام گرفته از طبیعت از جمله الگوریتم بهینه سازی ملخ، ازدحام ذرات و ژنتیک روی پارامترهای پروتکل مسیریابی AODV اعمال شده و تاثیر آن بر معیارهای ارزیابی شبکه مورد بررسی قرار گرفته است. معیارهایی که برای ارزیابی عملکرد این الگوریتم ها استفاده شده، نرخ تحویل بسته، میانگین تاخیر انتها به انتها و بار مسیریابی نرمال شده می باشد. نتایج به دست آمده از شبیه سازی نشان می دهد که الگوریتم ملخ در پیدا کردن بهترین مقدار برای پارامترهایی که عملکرد پروتکل AODV را کنترل می کنند بهتر از الگوریتم ازدحام ذرات و ژنتیک عمل کرده است و پس از آن نیز عملکرد الگوریتم ازدحام ذرات بهتر از الگوریتم ژنتیک می باشد.

    کلیدواژگان: شبکه بین خودرویی، پروتکل مسیریابی AODV، الگوریتم های الهام گرفته از طبیعت، نرخ تحویل بسته، میانگین تاخیر انتها به انتها
|
  • Bahman Zamani* Pages 2-17

    Considering the increasing occurrences of unexpected events and the need for pre-crisis planning in order to reduce risks and losses, modeling instant response environments is needed more than ever. Modeling may lead to more careful planning for crisis-response operations, such as team formation, task assignment, and doing the task by teams. A common challenge in this way is that the model should be understandable for crisis managers, such that they could exploit from the consequences of modeling. To run the model and view the results, the model should be converted to a program. The crisis manager would run the program to see how the model operations, including team formation, task allocation, and task performance, are done. In this paper, the executable code of a multi agent system is automatically generated from a model which is designed based on model driven approach. A domain specific modeling language named ERE-ML and its related tool are used, and some new features are added to this language. To evaluate conversion code output, the case study of Bam earthquake is implemented, and the scenarios defined in the system are visualized.

    Keywords: Model Driven Software Engineering, Automatic code generation, Multi-Agent Systems, Emergency Response Environments, ERE-ML
  • Reza Ghasemi, Hamid Reza Mohammadi*, Seyed Abbas Taher Pages 18-31

    Due to the increasing penetration of renewable energies in the power system, the frequency control problem has attracted more attention, while the traditional control methods are not capable of regulating the frequency and securing the stability of the system. In smart grids, demand response as the frequency control tool reduces the dependence on spinning reserve and high cost controllers. In addition to the economic benefits of the demand response control, its high-speed in damping of frequency changes is significant. In this paper, based on intelligent control of demand response and using fuzzy logic and particle swarm optimization algorithm, frequency control of an islanded microgrid is proposed. This approach is capable of continuously balancing the generation and demand in case of natural undetermined variation in the output power of wind generation and photovoltaic systems. In comparison with the related work, the proposed controller improves the settling time, overshoot, and undershoot of the response. Moreover, it resolves the restriction of the energy storage systems and effectively reduces environmental pollution due to diesel operation. The simulation results in an islanded microgrid show the good performance of the proposed intelligent controller for demand response control in comparison with traditional controllers.

    Keywords: Frequency Control, Microgrid, Demand Response, Fuzzy Logic, Particle Swarm Optimization
  • Rana Akhoondi, Rahi H* Pages 32-47

    This study presents a novel intelligent Fuzzy Genetic Differential Evolutionary model for the optimization of a fuzzy expert system applied to heart disease prediction in order to reduce the risk of heart disease. To this end, a fuzzy expert system has been proposed for the prediction of heart disease. The proposed model can be used as a tool to assist physicians. In order to: (1) tune the parameters of the membership function of the fuzzy expert system, (2) improve its performance and (3) increase its accuracy, the Genetic Algorithm combined with the Differential Evolution Algorithm has been applied to the fuzzy expert system. The proposed hybrid models, Fuzzy-GA, Fuzzy-DE, and Fuzzy-GA-DE were evaluated using ROC curve analysis and 10- fold cross-validation methods. In order to evaluate and validate the performance of the model, we applied it to a dataset including 380 samples collected from Parsian Hospital in Karaj. According to the results, the accuracy of the fuzzy expert system was 85.52% that has increased to 97.93% after to apply the hybrid Fuzzy-GA model and has increased to 97.67% after to apply the hybrid Fuzzy-DE model. Moreover, these hybrid models have improved the accuracy of the fuzzy expert system significantly. The ability to interpret the results in the fuzzy expert system and the high accuracy of the hybrid evolutionary models is very promising for the early prediction of heart disease and the provision of necessary care.

    Keywords: Fuzzy Expert System, Evolutionary Computing, Genetic Algorithm, Differential Evolution, Heart Disease, ROC curve Analysis
  • Zahra Roozbahani, Jalal Rezaei noor*, M Yari, Razieh Ghiasi Pages 48-59

    Nowadays, increasing the volume of data and the number of attributes in the dataset has reduced the accuracy of the learning algorithm and the computational complexity. A dimensionality reduction method is a feature selection method, which is done through filtering and wrapping. The wrapper methods are more accurate than filter ones but perform faster and have a less computational burden. With respect to the advantages and disadvantages of the filter and wrapper algorithms, a new hybrid approach is proposed in this study. In the method, all features in the dataset are considered, then the optimal subset of features is selected by combining the feature selection filter algorithms and evaluating their results using the wrapper method. Considering the many diseases and biosystem issues, such as cancer, can be identified and diagnosed by microarray data analysis and considering that there are many features in such datasets, the method proposed in this paper has been evaluated on microarray data related to three types of cancers.  Compared with similar methods, the results show the proposed method benefits from high accuracy in classifying and identifying the affecting factors on cancer.

    Keywords: dimension reduction, feature selection, filter-wrapper, multi layer perception neural network, micro-array
  • Samira Zangoei* Pages 60-71
    Identifying author is an important issue in natural language processing and text classification. It shows the author's characteristic in various texts. The rapid development of the Internet causes Web-based tools such as email and blogs with an anonymous identity become a popular method of communication for the perpetrators. Moreover, it creates some specific security issues. In this paper, we study the researches studied for identification author in virtual environments so that the most important components in identifying author are determined and classified. This study obtained the composition of the seven components that led to the highest accuracy in identifying author.
    Keywords: Identify the author, the components of author identifies, style features
  • Akram Khaleghi Tabar, Razieh Farazkish* Pages 72-85

    are a subset of MANETs in which vehicles are considered as network clients. These networks have been created to communicate between vehicles and traffic control on the roads. have similar features to MANETs and their main special property is the high-speed node mobility which makes a quick change of the network. The rapid change of network topology is a major challenge in routing. One of the well-known routing protocols in VANETs is the AODV routing protocol. In this inquiry, nature-inspired algorithms such as GOA and GA are used to improve routing in VANETs to search the optimal configuration of the AODV routing protocol, and its impact on network evaluation criteria has been investigated. The rating measures applied in this research are the packet delivery ratio, end-to-end delays, and normalized routing load.

    Keywords: VANETs, AODV routing protocol, nature-inspired algorithms., packet delivery rate, end to end delay