فشرده سازی تصاویر یکی از بخش­های غیر قابل اجتناب در تقریبا هر سامانه پردازش تصاویر منجمله در سامانه­ های بازشناسی چهره است. یکی از چالش­ های اصلی در سامانه ­های بازشناسی چهره کاهش نرخ بازشناسی به دلیل اعمال فشرده سازی با اتلاف روی تصاویر است. در این مقاله روشی جدید برای  بهبود نسبت فشرده سازی تصاویر چهره با تولید جدول­ های چندی سازی جدید در روش JPEG با استفاده از الگوریتم­ های فرامکاشفه­ ای ارائه شده است. ملاک انتخاب بهترین جدول­ های  چندی سازی، توجه به نرخ بازشناسی تصاویر فشرده شده است. جدول­ های جدید نه تنها نرخ بازشناسی را کاهش نمی­دهند بلکه بطور همزمان قابلیت افزایش نسبت فشرده سازی را نیز دارند.  آزمایش­ ها در بازه ­های مختلفی از نسبت فشرده سازی با تنظیم پارامتر کیفیت روی مجموعه­ های مختلف از پایگاه داده FERET صورت گرفته است. نتایج بررسی­ ها حاکی از حفظ و یا در بعضی موارد افزایش نرخ بازشناسی با وجود افزایش نسبت فشرده سازی روی تصاویر است.

پروژه های زمان بندی در کشاورزی شامل عملیات و فعالیت هایی است که با ترتیب معین و در یک بازه زمانی مشخص انجام می گیرند. چنانچه این عملیات و فعالیت ها به موقع انجام نشوند، به دلیل افت کمی و کیفی محصول، سبب افزایش هزینه های واحد کشاورزی و در نتیجه سبب ایجاد هزینه های به موقع نبودن خواهند شد. انجام به موقع عملیات و پروژه های مکانیزاسیون کشاورزی یکی از مهم ترین مسائلی است که در سال های اخیر مدنظر بوده است. برای حل مسأله زمان بندی پروژه با منابع محدود روش های مختلفی ارائه شده است که هریک سعی در یافتن جواب بهینه می باشند. با توجه به این که این مسائل از نوع NP-hard می باشند، در این پژوهش از الگوریتم رقابت استعماری به منظور زمان بندی پروژه های مکانیزاسیون کشاورزی دو محصول غالب کشت و صنعت مغان استفاده شده است. هدف اصلی این زمان بندی کمینه کردن زمان تکمیل پروژه و کاهش هزینه ها است به صورتی که در انجام به موقع عملیات کشاورزی اختلالی ایجاد نشود. اطلاعات مربوط به فعالیت ها، منابع مورد نیاز هر فعالیت و پیش نیازی فعالیت های هر محصول و پارامترهای الگوریتم پیشنهادی برای مساله زمان بندی پروژه با منابع محدود مدل سازی و پیاده سازی شده است و نتایج حاصل از اجرای الگوریتم نشان دهنده ی موفقیت آمیز بودن روش رقابت استعماری در زمان بندی و تخصیص بهینه منابع به هر یک از فعالیت ها است. الگوریتم رقابت استعماری ارائه شده در این مقاله با الگوریتم های شناخته شده از جمله الگوریتم ژنتیک، الگوریتم پرندگان و الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی مقایسه گردیده است. نتایج حاکی از صرفه جویی 25 روزه در زمان انجام پروژه ها و 16700 واحد پولی در هزینه ها در روش رقابت استعماری در محصول کلزا و صرفه جویی 42 روزه و 3233 واحد پولی در هزینه محصول گندم شده است.

آزمون نرم افزار یکی از مهم ترین روش های تحلیل میزان اطمینان کیفیت نرم افزار است. این فرایند بسیار زمان بر و پرهزینه است و تقریباً نیمی از هزینه تولید نرم افزار را به خود اختصاص داده است. از این رو به دنبال استفاده از روش های خودکار به منظور کاستن هزینه و زمان آزمون هستیم. مسأله عمده در فرایند تولید داده آزمون، تعیین داده های ورودی برنامه، به گونه ای است که معیار آزمون مشخص شده را برآورده سازد. در این تحقیق از روش ساختاری به منظور فرایند خودکارسازی تولید داده آزمون با تمرکز بر معیار پوشش همه مسیرهای متناهی استفاده شده است. در روش ساختاری، مسأله به یک مسأله جستجو تبدیل شده و از الگوریتم های فرامکاشفه ای برای حل آن استفاده می شود. روش پیشنهادی یک الگوریتم ترکیبی است که در آن الگوریتم یادگیری q به عنوان یک روش جستجوی محلی در درون ساختار الگوریتم جستجوی کواتی مورد استفاده قرار می&rlm, گیرد. به طور متوسط، الگوریتم پیشنهادی ما در مقایسه با سایر الگوریتم ها حدود 25 تا 30 درصد بهبود را در پوشش نشان می دهد که آن را به طور قابل توجهی نسبت به دیگر الگوریتم ها مؤثرتر می کند. نتایج آزمایش ها نشان می دهد که الگوریتم پیشنهادی به دلیل رویکرد بهینه در جست وجوی مسیرهای آزمون، در مقایسه با سایر الگوریتم ها، پوشش مسیر بالاتری حاصل کرده است.

مساله زمان بندی به عنوان یکی از مسایل پیچیده بهینه سازی شناخته می شود. یک نمونه از مسایل زمان بندی، برنامه ریزی درسی دانشگاهی است که هر نیم سال در دانشکده های یک دانشگاه انجام می شود. تنوع محدودیت ها در این مساله باعث می شود برنامه ریزی در دانشکده های مختلف به گونه های متفاوتی انجام شود. کارهای زیادی برای حل این مساله انجام شده است که اکثر آنها از روش های فرامکاشفه ای بهره برده اند. در این مقاله یک مساله زمان بندی واقعی مورد بررسی قرار می گیرد و یک روش مبتنی بر الگوریتم ممتیک بهبودیافته که از الگوریتم سردشدن شبیه سازی شده به عنوان رویه جستجوی محلی خود استفاده می کند، ارائه می شود. منظور از بهبود در الگوریتم ممتیک، استفاده از روش های مکاشفه ای در تولید جمعیت اولیه و همچنین تغییر عملگر تقاطع در این الگوریتم می باشد. همچنین یک عملگر به نام عملگر بهبود جهت بهبود راه حل های تولیدشده و کاهش تعداد نقض محدودیت ها طراحی شده است. به کارگیری روش سردشدن شبیه سازی شده به عنوان رویه جستجوی محلی در الگوریتم ممتیک باعث افزایش توانایی بهره برداری این الگوریتم خواهد شد. کارآمدی این روش در مقایسه با برخی روش های جدید، با توجه به نتایج به دست آمده بر روی داده های استاندارد نشان داده شده است. همچنین مقایسه نتایج حاصل از این روش با روش انجام شده به صورت دستی بر روی داده های واقعی نشان دهنده برتری این روش می باشد.

با رونق اکتشاف و توسعه منابع هیدروکربنی نامتعارف، تخمین دقیق فاکتورهای سنگ منشاء نظیر پتانسیل باقیمانده هیدروکربنی (S2) از طریق نگاره های چاه بیش از پیش اهمیت پیدا کرده است. مانند ویژگی های مواد آلی، تغییرات سنگ شناسی در داخل یک توالی منشاء احتمالی نیز بر پاسخ نگاره های چاه موثرند. این امکان وجود دارد که تکنیک های هوش مصنوعی این پاسخ های نگاره ای ناشی از سنگ شناسی را بعنوان نشانه ای از تغییر در میزان و ویژگی های مواد آلی تفسیر نمایند، که این مهم موجبات کاهش کارایی آنها را مهیا می کند. در مطالعه حاضر، روشی جدید تحت عنوان روش مبتنی بر سنگ شناسی ارائه شده است که اساس آن بر مدل سازی رابطه بین نگاره ها و پارامتر S2 برای هر کدام از انواع سنگ شناسی از طریق سیستم استنتاج عصبی–فازی تطبیقی استوار است. کارایی روش پیشنهادی با روش های ANFIS و هیبریدی که فرآیند آموزش آنها با استفاده از داده های واجد سنگ شناسی مختلف انجام شده است، مورد مقایسه قرار گرفت. نتایج نشان داد که روش مبتنی بر سنگ شناسی در زمینه حذف اثرات نامطلوب تغییرات سنگ شناسی بر روند آموزش مدل ANFIS موفق بوده که حاصل آن، تخمین بسیار دقیقتر مقادیر S2 می باشد. ازمیان روش های معمول، ترکیب الگوریتم بهینه سازی ذرات با روش ANFIS کارایی بالاتری را نشان داد. لیکن، روش هیبریدی مذکور به اندازه روش مبتنی بر سنگ شناسی کارآمد نمی باشد. کاربردی بودن روش پیشنهادی با اجرای آن بر سازند پابده در یکی از چاه های جنوب غرب ایران تایید شد. در نهایت، پیشنهاد می شود از روش مبتنی بر سنگ شناسی جهت تخمین دیگر فاکتورهای ژئوشیمیایی و همچنین پارامترهای پتروفیزیکی از طریق نگاره های چاه، بهره گرفته شود.

شکست یک سد خاکی می تواند موجب بروز بحرآن های شدید در ناحیه سیلاب زده پایین دست گردد. لذا تعیین دقیق ویژگی های شکافت و جریان در ارزیابی خطرهای حاصل از خرابی سد از اهمیت به سزایی برخوردار است. در این تحقیق از مدل های آزمایشگاهی با مصالح دآنه ای در اندازه و خصوصیت های مکانیکی مختلف برای مطالعه فرسایش و نقش آن در گسترش هندسی شکافت استفاده شده است. از رگرسیون چندمتغیره در توسعه رابطه جدید برای تعیین دبی اوج (Qp) بهره گیری شده که در آن پراسنجه های بدنه سد در کنار پراسنجه های هیدرولیکی به کار رفته اند. نتیجه ها نشان می دهد مشارکت این ویژگی ها توانسته کارآیی را در تعیین Qp حاصل از شکست سد خاکی ارتقا دهد. از آنجائی که نرخ تکامل عرض متوسط شکافت (Bave) و عمق آن (Hb) نقش اثرگذاری بر آب نمود خروجی دارد، علاوه بر ارائه رابطه های جدید برای این دو پراسنجه، با مشارکت منابع مختلف داده ای و استفاده از برنامه ریزی بیان ژن (GEP) در تعیین آن، محدوده تغییرات جدیدی برای نسبت های بی بعد Hb بر ارتفاع سد (Hd) و نیز Bave بر عرض بالایی (Bt) و پایینی آن (Bb) معرفی و خروجی آن به سدهای لغزشی نیز بسط داده شده است. بر مبنای شاخص های عملکردی و آماری در رابطه ها، مقدارهای ضریب R2 برای Qp معادل با 91/0، برای Bave معادل با 99/0 و برای Hb برابر با 97/0 به دست آمده است.

بهینه سازی بر پایه جغرافیای زیستی، الگوریتم تکاملی جدیدی بر اساس جمعیت است که ریاضیات جغرافیای زیستی، بر آن حاکم است و الگوریتم تکامل تفاضلی، الگوریتمی قدرتمند برای حل بسیاری از مسائل بهینه سازی است. الگوریتم تکامل تفاضلی در اکتشاف فضای جستجو و تعیین مکان مینیمم سراسری خوب، ولی در استخراج راه حل مساله کند است. در این مقاله قابلیت اکتشاف الگوریتم تکامل تفاضلی با قابلیت استخراج الگوریتم بهینه سازی بر پایه جغرافیای زیستی، ادغام شده و با معرفی یک عملگر مهاجرت ترکیبی، الگوریتم جدیدی برای حل مسائل بهینه سازی چندهدفه ارائه شده است. در الگوریتم پیشنهادی از فرایند مرتب سازی غیرمغلوب برای بهبود همگرایی و از مفهوم فاصله جمعیتی محلی برای حفظ پراکندگی اعضای موجود در مجموعه پرتو استفاده شده است. در این مقاله کارایی الگوریتم پیشنهادی با استفاده از چند تابع آزمون رایج آزمایش شده و معیارهای مطرح در مسائل بهینه سازی چندهدفه تکاملی، ارزیابی و با الگوریتم های مطرح در این زمینه مقایسه شده است. نتایج حاصل بیانگر کارایی مطلوب الگوریتم پیشنهادی در رقابت با سایر الگوریتم های مطرح است.