یکی از چالش های مهم در شبکه های حسگر بی سیم، تشخیص و محاسبه مساحت حفره ها در محیط می باشد. حفره ها به دلایل مختلفی از جمله مرگ تصادفی حسگرها، انفجار در محیط و یا تمام شدن انرژی حسگرها در شبکه های حسگر بی-سیم ایجاد می گردند و وظیفه نظارتی شبکه های حسگر بی سیم را مختل می کنند. زمانی که حسگرها به صورت تصادفی در مناطقی مانند جنگل های متراکم و زمین های ناهموار قرار می گیرند، تشخیص حفره به صورت دستی در محیط امکان-پذیر نیست. به همین دلایل هدف ما در این مقاله ارائه یک الگوریتم متمرکز برای تشخیص و محاسبه مساحت حفره ها در محیط، با استفاده از رویکردهای هندسه محاسباتی است. ما در این مقاله مسئله تشخیص حفره را با در نظر گرفتن دو حالت بررسی می کنیم: 1-هنگامی که محیط شامل مانع نباشد و فقط مجموعه ای از حسگرها با شعاع متفاوت در محیط قرار گرفته باشند. 2-علاوه بر حسگرهای موجود در محیط، ناحیه موردنظر شامل مجموعه ای از موانع نیز باشد. در هر دو حالت الگوریتم های کارآیی ارائه داده و با استفاده از رویکردهای هندسه محاسباتی بعد از تشخیص حفره های موجود در محیط، مساحت هر حفره را همراه با یال های مرزی به صورت دقیق گزارش می کنیم. پیچیدگی الگوریتم در حالت بدون مانع O(n 〖 log〗 ^2 n) و در حالت با مانع O(n 〖 log〗 ^2 n+nm^2) است و نتایج حاصل از شبیه سازی نشان می دهد که الگوریتم های ارائه شده حفره های موجود در محیط را به درستی تشخیص می دهند. در نتیجه، ما الگوریتم ارائه شده در حالت (1) را با یکی از الگوریتم های جدید ارائه شده مقایسه می کنیم. نتایج حاصل از شبیه-سازی کارا و دقیق بودن الگوریتم ما را نشان می دهد.

مسیله نمودار قطبی یکی از تعمیم های نمودار ورونوی است که در آن به جای متر اقلیدسی از مقدار زاویه برای محاسبه فاصله استفاده می شود. . این مسیله کاربردهای زیادی در پردازش تصویر، مخابرات و مباحث مربوط به آنتن، رویت پذیری و مسیریابی ربات دارد. در سالهای اخیر دو نوع نمودار قطبی مطرح شده و برای انواع سایت ها الگوریتم های مناسبی ارایه شده است. همچنین روی همین مسایل با داده های جنبشی و حالات پویا الگوریتم هایی ارایه شده است. در این مقاله قطب به عنوان ناظرمتحرک در نظر گرفته شده و الگوریتمی ارایه می شود که مسیله بازسازی نمودار قطبی با قطب نزدیک را به صورت کارا و در زمان خطی حل می کند. در این حالت زمان پیش پردازش الگوریتم〖 O(n^4 log〗 _2⁡ 〖 n)〗 و زمان باز رسم نمودار در هر حرکت متوالی قطب برابر با O(log⁡ n+k) است که در آنk تعداد سایتهای درون ناحیهT است که احتمال تغییر در آنها وجود دارد.

بازی ورونوی، یک مدل هندسی ساده برای مسائل جانمایی رقابتی تسهیلات با دو بازیکن ارائه می دهد. بازی ورونوی با دو بازیکن (سفید و سیاه)، در یک ناحیه پیوسته و محدود (یک بعدی یا دو بعدی) به عنوان صفحه بازی، انجام می شود. در مدل تک دوری، ابتدا بازیکن سفید تمامی مهره های خود را که نقطه هستند، روی صفحه بازی قرار می دهد. سپس نوبت به بازیکن سیاه می رسد تا تمامی نقاط خود را قرار دهد. سپس صفحه بازی براساس معیار نزدیکی فاصله، بین دو بازیکن تقسیم شده و بازیکنی که مساحت بیش تری از ناحیه ی بازی را از آن خود کرده است، برنده بازی شناخته می شود. در این مقاله، بازی ورونوی "وزن دار" تک دوری در نواحی یک بعدی و دو بعدی بررسی می شود. در بازی ورونوی وزن دار، سرویس گیرندگان می توانند علاوه بر معیار نزدیکی فاصله برای انتخاب سرویس دهنده، کیفیت امکانات آن را نیز مد نظر قرار دهند. براین اساس، در ناحیه یک بعدی دو حالت مختلف از تسهیلات (همسان و غیرهمسان) را بررسی می کنیم و نشان می-دهیم در بازی ورونوی وزن دار تک دوری بازیکن سیاه دارای استراتژی برد است.

امروزه با توسعه روشهای مختلف تصویرگری می توان تصاویر متنوعی از خواص گوناگون فیزیکی بدن انسان تهیه کرد. ترکیب این اطلاعات فیزیکی متفاوت، همچنین انطباق و تبدیل بین این تصاویر و نیز تصاویر اخذ شده در زمانهای متوالی، دارای اهمیت و کاربردهای تشخیصی - درمانی فراوانی است. در بسیاری از روشهای انطباق، برای نگاشت در سراسر فضای تصویر از یک تابع میانیابی استفاده می شود. با توجه به ماهیت غیرخطی و متغیر با مکان بودن تابع تبدیل سیستمهای تصویرگری، استفاده کردن از نگاشت محلی باعث افزایش دقت و کیفیت عمل تبدیل می گردد.مواد و روشها: در این تحقیق به منظور یافتن تبدیل محلی بین تصاویر متناظر روش نوینی معرفی می شود که طی آن می توان برای هر مجموعه از نقاط نشانه متناظر، یک تبدیل جداگانه محاسبه نمود، سپس یک تبدیل عمومی با استفاده از متوسط وزن داده شده تبدیلهای فوق، برا سراسر فضا به دست آورد. روش ارایه شده مبتنی بر ترسیم یک تصویر Voronoi از ساختارهای متناظر دو تصویر می باشد که در آن تعمیم جدیدی از دیاگرام ورونوی ارایه شده است. این روش بر روی یک پایگاه داده های وسیع، متشکل از تصاویر واقعی و شبیه سازی شده پیاده سازی شد و نتایج آن با یک نرم افزار استاندارد انطباق تصویر، مقایسه گردید.نتایج و بحث: نتایج به دست آمده در اصلاح اعوجاج هندسی تصاویر تشدید مغناطیسی مغز انسان، در مقایسه با دو روش تبدیل غیرمحلی بسیار رضایت بخش بود.

یکی از روش های پیشنهادی برای کاهش وزن سازه ها، معرفی فضاهای خالی در سازه است. این موضوع ایده ی اولیه شکل گیری بهینه سازی توپولوژی است. یکی از مشکلاتی که در مسائل بهینه سازی توپولوژی با المان های چهارضلعی مشاهده می شود، مسئله ی ایجاد پدیده ی شطرنجی است. به طورکلی گسسته سازی که تخمین بهتری از دامنه پیوسته ارائه دهد، ایجاد پدیده ی شطرنجی را کاهش می دهد. یک راهکار برای جلوگیری از پدیده ی شطرنجی در مسائل بهینه سازی توپولوژی استفاده از المان های چندضلعی است. در این مقاله، دو مثال با دامنه طراحی محدب و غیر محدب برای بررسی کاربرد المان های چندضلعی غیریکنواخت در بهینه سازی توپولوژی چندهدفه تحلیل شده و نتایج نشان دهنده کاهش زمان محاسبات و بهبود نمودار پارتو با المان غیریکنواخت می باشند.

یکی از چالش های مهم در زمینه ی استقرار شبکه های راداری برد کوتاه، یافتن بهترین موقعیت و چیدمان رادارها در شبکه با هدف دست-یابی به بیش ترین پوشش است. یکی از رویکردهای متداول برای حل این مساله استفاده از الگوریتم های بهینه سازی محلی هندسی است. از آنجا که این الگوریتم ها مبتنی بر مدل سازی دو بعدی زمین هستند لذا تاثیر بعد ارتفاعی زمین در آن ها دیده نشده است. در این تحقیق، الگوریتم هندسی ورونوی به منظور سازگاری بیشتر با مدل های سه بعدی زمین، تعمیم داده شده و جهت حل مساله مکان یابی شبکه راداری استفاده و پیاده سازی گردیده است. در الگوریتم تعمیم یافته، رویکرد حرکت رادار به سمت دورترین راس ورونوی بر اساس مفهوم خط دید، اصلاح شده است. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی به خوبی می تواند توزیع مناسبی از رادارها را در سطح منطقه ارائه دهد و پوشش شبکه ی رادارها را نسبت به توزیع تصادفی اولیه در حد قابل قبولی افزایش دهد.

مساله ناحیه بندی و افراز مدل های سه بعدی همواره به عنوان یکی از کلیدی ترین ابزارهای مورد استفاده در بسیاری از کاربردهای طراحی به کمک کامپیوتر و گرافیک کامپیوتری مطرح بوده است. یکی از پرکاربردترین روش های ناحیه بندی، که امکان افراز مدل به صورت بهینه سراسری را فراهم می کند، الگوریتم تکرارپذیر است. الگوریتم تکرارپذیر، روشی پارامتریک است که بر اساس الگوریتم لوید و تشکیل دیاگرام ورونوی بر روی داده های ابر نقاط، مدل را به صورت بهینه ناحیه بندی می کند. مهمترین عیب این روش که کاربرد آن را محدود می کند، زمان بر بودن آن است. در این مقاله، با بهره گیری از مفهوم ناحیه بندی فازی، راه کاری جهت تعیین تعداد نواحی مورد نیاز برای افراز مدل و در نتیجه ناحیه بندی به صورت غیرپارامتریک و بدون نیاز به تنظیمات اولیه کاربر پیشنهاد شده است. همچنین با استفاده از تقریب دیاگرام ورونوی و تشکیل زیر ناحیه های فازی بر روی مدل روشی جدید برای بدست آوردن ناحیه بندی بهینه در زمانی کوتاه تر نسبت به سایر الگوریتم های تکرارپذیر ارائه می شود. روش پیشنهادی جهت اعتبار سنجی بر روی مدلی استاندارد پیاده سازی شده است. مشاهده می گردد که نتایج بدست آمده نسبت به نتایج حاصل از الگوریتم تکرارپذیر بهبود قابل ملاحظه ای دارد که نشان دهنده کارآیی این روش در ناحیه بندی مدل های سه بعدی است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.