In this paper, recommended spiral passive micromixer was designed and simulated. spiral design has the potential to create and strengthen the centrifugal force and the secondary flow. A series of simulations were carried out to evaluate the effects of channel width, channel depth, the gap between loops, and flowrate on the micromixer performance. These features impact the contact area of the two fluids and ultimately lead to an increment in the quality of the mixture. In this study, for the flow rate of 25 μl/min and molecular diffusion coefficient of 1×10-10 m2/s, mixing efficiency of more than 90% is achieved after 30 (approximately one-third of the total channel length). Finally, the optimized design fabricated using proposed 3D printing method.

کاربرد مفهوم معادل شبکه برای نمایش سیستم خارجی در تحلیل گذراهای سیستم قدرت به خوبی شناخته شده است. اما بهرحال، مورد چالش برانگیز در استفاده از یک معادل، تقریب زده شده با یک تابع گویا، تضمین پسیو بودن مدل مربوطه می باشد. در این رابطه، تکنیکهای ویژه ای برای تامین پسیوبودن مدل معادل از طریق یک روش post processing که تاثیراتش را روی مشخصات مدل اصلی مینیمم می کند، مورد نیاز است. در این مقاله، پسیوبودن ابتدا بوسیله تبیین مساله در ترمهایی از یک مساله اپتیمم سازی Convex که حل بهینه تام را تضمین می کند، اعمال می گردد. مساله اپتیمم سازی Convex بطور موثری بوسیله روشهای عددی interior-point که اخیرا توسعه داده شده، حل می گردد. این اعمال پسیو بودن نیز تام بوده، بدین معنی که اعمال پسیو بودن در یک ناحیه منجر به تخطی از پسیو بودن در نواحی دیگر نمی گردد.

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.