با رشد سریع معماری های محتوامحور نظیر شبکه های داده های نام گذاری شده (NDN)، مدیریت هوشمند حافظه نهان به یک مؤلفه حیاتی در بهینه سازی کارایی شبکه و ارتقای کیفیت تجربه کاربر تبدیل شده است. در این میان، پارامتر &beta, به عنوان عامل تنظیم حساسیت کش نسبت به توزیع محبوبیت محتوا، نقشی بنیادین ایفا می کند. انتخاب غیربهینه این پارامتر ممکن است منجر به افت نرخ اصابت کش، افزایش آلودگی داده و ناکارآمدی منابع شود. در این پژوهش، چارچوبی نوین مبتنی بر الگوریتم ADMM (روش ضرایب لاگرانژ افزایشی جهت دار) برای تنظیم توزیع شده و تطبیقی پارامتر &beta, ارائه شده است. مدل پیشنهادی با ساختاری غیرمتمرکز، قابلیت اجرا در سطح گره های شبکه را داراست و از طریق به روزرسانی های هماهنگ متغیرهای اولیه و دوگانه، به همگرایی سریع و تنظیم دقیق &beta, منتهی می شود. افزون بر آن، نسخه پیشرفته تری تحت عنوان ADMM-Enhanced توسعه یافته است که با بهره گیری از تنظیم خودکار پارامترهای &lambda, و &rho,، پایداری، دقت و تطبیق پذیری بیشتری نسبت به شرایط دینامیک شبکه حاصل می کند. برای ارزیابی کارایی این روش، چهار توپولوژی شبکه (ساده، سلسله مراتبی، پیشرفته و مش) در قالب سه سناریوی عملیاتی شامل وضعیت پایدار، حمله آلودگی کش (CPA)، و تغییرات بار ترافیکی طراحی و شبیه سازی شد. نتایج تجربی حاصل از مقایسه با الگوریتم های مرجع از جمله LRU، LFU-DA، PFP-DA و PFP-&beta,-DA، نشان دادند که الگوریتم ADMM-Enhanced در سناریوی پایدار نرخ اصابت کش را تا 30٪ افزایش داده و آلودگی را به صفر رسانده است، و در مواجهه با حمله شدید (30٪ مهاجم) نیز با حفظ CHR برابر 18٪ و CPR برابر 18٪، عملکردی پایدار، تطبیق پذیر و مقاوم از خود نشان داده است. همچنین در توپولوژی های پیچیده مانند مش، الگوریتم پیشنهادی توانست در برابر تهدیدات توزیع شده، ازدحام و قطع لینک، بهره وری و کیفیت کش را حفظ کرده و سازگاری بالایی با محیط های پویا از خود نشان دهد

با گسترش شبکه های کامپیوتری و رشد روزافزون کاربردهای مبتنی بر اینترنت اشیاء (IoT)، شبکه های حسگر بی سیم (WSN)، و شبکه های پویا مانند MANET، مساله بهینه سازی مسیریابی به یکی از چالش های بنیادین در علوم رایانه و مهندسی شبکه تبدیل شده است. الگوریتم های سنتی همچون دایکسترا و بلمن-فورد اگرچه در محیط های پایدار کارایی نسبی دارند، اما به دلیل محدودیت در سازگاری با تغییرات دینامیک و چندهدفه بودن مسائل جدید، پاسخگوی نیازهای محیط های مدرن نیستند. در این راستا، هدف اصلی این مقاله، بررسی جامع نقش و کارایی الگوریتم فاخته (Cuckoo Optimization Algorithm - COA) به عنوان یک الگوریتم فراابتکاری نوین در بهینه سازی مسیریابی شبکه های کامپیوتری است. الگوریتم فاخته با الهام از رفتار تولیدمثل انگلی پرنده فاخته و سازوکار پرش های Lévy، به عنوان رویکردی ساده اما توانمند به ویژه برای حل مسائل غیرخطی، چندهدفه و پویا معرفی شده است. در این مقاله، ضمن تبیین ساختار، مراحل اجرایی و مزایا و معایب الگوریتم فاخته نسبت به روش های دیگر (مانند PSO، GA و ACO)، به مرور مطالعات میدانی و شبیه سازی های انجام شده در حوزه های WSN، MANET، SDN و IoT پرداخته شده است. نتایج پژوهش های گذشته نشان می دهد استفاده از COA سبب کاهش محسوس مصرف انرژی، بهبود نرخ تحویل بسته و افزایش طول عمر شبکه نسبت به الگوریتم های جایگزین شده است. همچنین، کاربردهای عملی COA در محیط های پویا و دارای تغییرات سریع توپولوژی، قابلیت ها و برتری های بیشتری نسبت به رقبای خود آشکار ساخته است. در ادامه، مقاله با تمرکز بر نتایج مقایسه ای میان COA و دیگر الگوریتم های فراابتکاری، نشان می دهد که الگوریتم فاخته به سبب سادگی ساختار، سرعت همگرایی بالا و توان جستجوی جامع تر، برای کاربردهای شبکه ای خصوصاً در سناریوهای داده محور و نوظهور، انتخاب مناسبی است. با این حال، چالش هایی نظیر نیاز به تنظیم بهینه پارامترها، تطبیق محدود با مسائل گسسته و عدم وجود استانداردسازی جامع نیز شناسایی شده است. بر همین اساس، پیشنهادهای پژوهشی آینده، بهره گیری از ترکیب COA با سایر الگوریتم ها، توسعه نسخه های یادگیری محور و به کارگیری آن در محیط های واقعی و بزرگ مقیاس را مورد تاکید قرار می دهد.

This study focuses on the investigation of intelligent form-finding and vibration analysis of a triangular polyhedral tensegrity that is enclosed within a sphere and subjected to external loads. The nonlinear dynamic equations of the system are derived using the Lagrangian approach and the finite element method. The proposed form-finding approach, which is based on a basic genetic Algorithm, can determine regular or irregular tensegrity shapes without dimensional constraints. Stable tensegrity structures are generated from random configurations and based on defined constraints (nodes located on the sphere, parallelism, and area of upper and lower surfaces), and shape finding is performed using the fitness function of the genetic Algorithm and multi-objective optimization goals. The genetic Algorithm's efficacy in determining the shape of structures with unpredictable configurations is evaluated in two distinct scenarios: one involving a known connection matrix and the other involving fixed or random member positions (struts and cables). The shapes obtained from the Algorithm suggested in this study are validated using the force density approach, and their vibration characteristics are examined. The findings of the comparative study demonstrate the efficacy of the proposed methodology in determining the vibrational behavior of tensegrity structures through the utilization of intelligent shape seeking techniques.

افزایش جمعیت و تقاضای روزافزون مواد غذایی و بهره وری اقتصادی پایین محصولات کشاورزی و هدررفت منابع آبی و خاکی، تعیین و اجرای الگوی کشت بهینه کشور را ضروری نموده است. در این تحقیق، با توجه به محدودیت ها و مشکلات روش های کلاسیک و همچنین به منظور کاهش زمان پردازش و بهبود کیفیت راه حل ها، از الگوریتم ازدحام ذرات چند هدفه آشوبناک در تعیین الگوی کشت بهینه دشت سیستان در شرایط بهینه و کم آبیاری استفاده گردید. نتایج کاربرد الگوریتم آشوبناک برای کشت های غالب منطقه نشان داد که الگوی کشت فعلی منطقه بهینه نبوده و با اجرای الگوی پیشنهادی مدل، سود حاصل به ازای واحد سطح زیر کشت، افزایش خواهد یافت. نتایج کاربرد کم آبیاری طی دوره های مختلف رشد محصولات گندم، جو، یونجه، سورگوم، هندوانه و انگور نیز نشان داد که اعمال کم آبیاری ها در این دشت استراتژی مناسبی نبوده و تنها استراتژی آبیاری کامل توصیه می گردد، مدل مقدار بهینه حجم آب برای سطح یک هکتار را 42750 متر مکعب برآورد نموده و با وارد کردن گیاهان گندم، یونجه، سورگوم، هندوانه و انگور با استراتژی آبیاری کامل در الگوی بهینه کشت، در نهایت بازده برنامه ای 4, 153, 448 تومان بدست آمد، با کاهش 25 درصدی آب مصرفی شبکه، مقدار بازده برنامه ای 5/14 درصد و با کاهش 50 درصدی آب مصرفی، مقدار بازده برنامه ای 5/41 درصد کاهش یافت. نتایج ارزیابی حساسیت مدل نیز نشان داد که در قیمت های پایین، کشاورزان واکنش کمتر و در قیمت های بالاتر، عکس العمل بیشتری به تغییر قیمت نشان داده و با افزایش قیمت آب، سود ناخالص (بازده برنامه ایی) کمتر و مدل بیشتر به سمت افزایش زیر کشت محصولاتی تمایل دارد که با مصرف آب کمتر عملکرد بیشتری دارند. نتیجه گیری کلی این تحقیق آن است که بی کشش بودن تقاضای آب در دامنه های قیمتی 725-0، 950-750، 1050-1000 و همچنین 1200-1075 ریال در برنامه-ریزی های مربوط به قیمت گذاری منابع آب کشاورزی منطقه بایستی مورد توجه قرار گیرد.

یکی از موضوعات اساسی و پایه در مطالعات مهندسی هیدرولوژی و رودخانه، روندیابی سیلاب است. روندیابی سیلاب به روش هیدرولوژیکی در رودخانه­های چند شاخه و رودخانه­های فاقد آمار حوضه میانی مرسوم است. از این رو، مدل هیدرولوژیکی ماسکینگام یک روش مفید است که بدون نیاز به تعیین شیب­ها و مقاطع عرضی در تمام بازه­های رودخانه، عمق و دبی جریان سیلابی را در مقاطع مختلف رودخانه روندیابی می کند و از این رو، سبب صرفه جویی در هزینه و زمان می شود. در این مطالعه، مقادیر بهینه پارامترهای غیرخطی مدل جدید ماسکینگام نوع ششم بر اساس الگوریتم بهینه سازی مگس(MA)  محاسبه شده است. در این مدل غیرخطی ماسکینگام که دارای هشت پارامتر است، از ضریب بهبود γ استفاده شده است که با توجه به تعداد پیک های موجود در هیدروگراف خروجی، مقادیر بیشتر یا کمتر از یک دارد. برای ارزیابی عملکرد ترکیبی مدل جدید غیر خطی ماسکینگام همراه با الگوریتم نوین MA، از مطالعه موردی ویلسون و وایسمن  لوئیس استفاده شده که توسط بسیاری از محققان قبلی برای اعتبار سنجی مورد استفاده قرار گرفته است. نتایج الگوریتم MA برای دو رودخانه ویلسون و وایسمن لوئیس نشان دهنده کمینه سازی مجموع مربعات باقیمانده ها (SSQ) به عنوان تابع هدف می­باشد که برای رودخانه ویلسون برابر با 3.21 و رودخانه وایسمن برابر با68722 است. نتایج این تحقیق نشان داد که مدل پیشنهادی دارای دقت زیادی در برآورد مقادیر تخلیه خروجی است.

سیستم مدیریت انرژی هوشمند به عنوان ابزاری قدرتمند برای مدیریت انرژی در سمت تقاضا و واحد های تولید بکار برده می شود. مدیریت بهینه انرژی در ریزشبکه ها معمولا به عنوان یک مساله بهینه سازی غیرخطی فرمول بندی می شود. بعلت ماهیت غیرخطی و گسسته مساله، حل آن به شیوه متمرکز نیازمند حجم بالای محاسبات در کنترل کننده مرکزی ریزشبکه دارد. در این مقاله، استراتژی مدیریت انرژی توزیع شده در ریزشبکه با دو روش ADMM و PCM پیشنهاد شده است بطوریکه کنترل کننده مرکزی و کنترل کننده های محلی بطور مشترک، برنامه واحدی را بهینه می کنند. الگوریتم های توزیع شده پیشنهادی بر روی ریزشبکه نمونه، مورد بررسی قرار گرفته است و عملکرد الگوریتم ها از طریق مطالعه موردی، مقایسه شده است. نتایج نشان می دهد که روش های توزیع شده پیشنهادی، هزینه بهره برداری را کاهش می دهد. نتایج شبیه سازی کارآیی بهتر و همگرایی سریع تر روش های توزیع شده نسبت به روش متمرکز را نشان داده است. همچنین روش ADMM با تعداد تکرار کمتر و با هزینه بهره برداری کمتری نسبت به روش PCPM مساله اصلی را بهینه نموده است.