مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745512007321Speech Coding Using Non-linear Prediction Based on Volterra Series Expansionکدگذاري گفتار با استفاده از پيش‌بيني غير خطي بر پايه بسط سري‌هاي ولترا311faمحمدحسنساوجیدانشگاه شهید بهشتیقاسمعلیپوردانشگاه شهید بهشتی2005102In recent years there has been a growing interest to employ non-linear predictive techniques and models in speech coding to further reduce bit-rate and therefore channel bandwidth. Usually neural nets are used for this purpose that result in an additional up to 3dB reduction in the excitation signal energy. Non-linear prediction can also be performed based on Volterra series expansion wherein the expansion is usually limited to first and second terms, for simplicity (quadratic prediction). Early studies have shown that employing Volterra filters results in a much higher reduction in excitation signal energy (6 to 10 dB), as compared with neural nets. But, because of instability, this reduction can not be materialized in terms of bit-rate reduction or signal to noise improvement. This instability in the decoder is triggered by computational errors (i.e. due to quantization of the excitation signal) and high sensitivity of algorithms to these errors. In the original work, presented here, the instability in the codec is studied in both forward and backward prediction schemes using LS and LMS algorithms respectively. It is shown that stability can be obtained at the cost of losing most of saving in excitation signal energy where final reduction level is as much as for neural nets. With forward prediction, after stabilizing, in spite of a small increasing in the operational complexity for 20 to 45% of frames including the quadratic term will be beneficial. So a scheme is developed to perform non-linear prediction only on these frames. This algorithm results in an improvement of up to 4 dB in final signal to noise ratio. Sequential backward quadrant prediction, although much more interesting from implementation point of view, does not lead to an appreciable better performance over linear prediction.در سال‌هاي اخير به منظور کاهش بيشتر نرخ بيت و از آنجا پهناي باند توجه روزافزوني به استفاده از مدل‌ها و تکنيک‌هاي غير خطي پيش‌بيني در کدگذاري گفتار شده است. معمولاً شبکه‌هاي عصبي براي اين هدف به کار مي‌روند که منجر به تا dB3 کاهش بيشتر در انرژي سيگنال تحريک مي‌شوند. پيش‌بيني غير خطي همچنين مي‌تواند بر پايه ‌بسط سري‌هاي ولترا انجام گيرد که در آن براي سادگي معمولاً بسط به بخش‌هاي نخست و دوم محدود مي‌شود (پيش‌بيني درجه دو). مطالعات اوليه نشان دادند که در مقايسه با شبکه‌هاي عصبي استفاده از فيلترهاي ولترا منجر به يک کاهش بسيار بيشتر در انرژي سيگنال تحريک مي‌شود (6 تا dB10). با اين وجود به دليل ناپايداري اين کاهش نمي‌تواند منجر به کاهش نرخ بيت يا بهبود نسبت سيگنال به نويز شود. اين ناپايداري در دکدکننده به دليل وجود خطاي محاسباتي (براي نمونه ناشي از چندي‌کردن سيگنال تحريک) و حساسيت بالاي محاسبات به اين خطا ايجاد مي‌شود. در کار اصيلي که در اينجا ارائه مي‌شود ناپايداري در کدک در هر دو نوع پيش‌بيني پيشرو و پسرو به ترتيب با استفاده از الگوريتم‌هاي کمترين مربع‌ها (LS) و کمترين ميانگين مربع‌هاي (LMS) سيگنال خطا بررسي مي‌شود. نشان داده مي‌شود که پايداري در عوض فداکردن بخش عمده‌اي از صرفه‌جويي به دست آمده در انرژي سيگنال تحريک به دست مي‌آيد به گونه‌اي که سطح کاهش نهايي اغلب همانند شبکه‌هاي عصبي مي‌باشد. در پيش‌بيني پيشرو پس از پايدارسازي و با وجود اندکي افزايش در پيچيدگي عملياتي در 20 تا 45٪ قالب‌ها افزودن بخش درجه دو سودمند خواهد بود. بر اين اساس الگوريتمي توسعه مي‌يابد که پيش‌بيني غير خطي تنها بر روي اين قالب‌ها انجام گيرد. اين الگوريتم باعث بهبود تا dB4 در نسبت سيگنال به نويز نهايي مي‌شود. پيش‌بيني غير خطي پسرو متوالي با وجودي که از نقطه نظر پياده‌سازي بسيار مناسب‌تر است در مقايسه با پيش‌بيني خطي کارايي بهتري را نتيجه نمي‌دهد.http://ijece.org/en/Article/Download/27860

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745512007321A New Approximate Analytical Method for Performance Analysis of Regular LDPC Codes Iterative Decoding on AWGN Channelsارائه يک روش تحليلي براي بررسي عملکرد ديکدينگ تکراري کدهاي LDPC منظم در کانال‌هاي AWGN1218faحسینصمیمیمرکز تحقیقات مخابرات ایرانپائیزعزمیدانشگاه تربيت مدرسمحمدحکاکدانشگاه تربیت مدرس2006128In this paper we propose a new Gaussian-based analytical method for performance analysis of regular LDPC codes iterative decoding on AWGN channel. The proposed method has good accuracy and low complexity in comparison with current methods. Based on our developed analytical equations, we present an error propagation model for the iterative decoder of LDPC codes which can be used as a simple tool for convergence analysis of LDPC codes on the AWGN channel.هدف از نگارش اين مقاله ارائه يك روش تحليلي براي بررسي عملكرد فرآيند ديكدينگ تكراري كدهاي LDPC هنگام استفاده از الگوريتم انتقال پيام مي‌باشد. پيام‌هاي مبادله‌شده در الگوريتم انتقال پيام را مي‌توان به صورت متغيرهاي تصادفي با توزيع گوسي مدل نمود. در اين مقاله روش تقريبي جديدي براي محاسبه پارامترهاي آماري اين متغيرهاي گوسي پيشنهاد شده است. بر مبناي روش پيشنهادي، روابط تحليلي مناسبي به فرم بسته توسعه يافته‌اند و به كمك آنها يك مدل تحليلي براي بررسي فرآيند ديكدينگ تكراري كدهاي LDPC پيام ارائه شده است. مدل پيشنهادي ابزار مناسبي براي تحليل فرآيند ديكدينگ كدهاي LDPC است و مي‌توان از آن جهت تعيين پارامتر آستانه نويز، بررسي نحوه انتشار خطا و نيز بررسي همگرايي ديكدينگ تكراري استفاده نمود. مقايسه نتايج حاصل از بكارگيري مدل تحليلي پيشنهادي با نتايج حاصل از روش‌هاي موجود، نشان‌دهنده آن است كه روش پيشنهادي با حجم محاسباتی قابل قبول به دقتي بيش از روش‌هاي موجود دست مي‌يابد.http://ijece.org/en/Article/Download/27861

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745512007321A Parabolic Equation Approach for Modeling Wave Propagation through Window Structuresمدل‌سازي انتشار امواج راديويي از درون ساختارهای پنجره‌ای با استفاده از روش معادله سهموي1925faنرگسنوریدانشگاه علم و صنعت ايرانهمایونعریضیدانشگاه علم و صنعت ایران2005117In this paper, the parabolic equation method is applied to analyze radio wave propagation through window structures. By this method, a typical window propagation situation is simulated for different window sizes and frame types. The simulation results are represented for both normal and oblique incident cases of uniform and non-uniform plane wave. Results from the implementation of the parabolic equation method show good agreement with FDTD reported simulations. Base on this study, as the parabolic equation method needs less memory size and CPU time against FDTD method, it can be used as an efficient algorithm to analyze this kind of problems.در اين مقاله، روش معادله سهموي براي حل مسأله انتشار امواج از درون ساختارهای پنجره‌ای مورد استفاده قرار مي‏گيرد. با استفاده از اين روش مسأله انتشار امواج از داخل يك مجموعه پنجره براي حالت‌هاي مختلف حل می‌شود و چگونگی تأثیر ابعاد پنجره‌ها بر پرتو پراش حاصل بررسی می‌گردد. نتايج حاصل از اعمال روش معادله سهموي براي مسأله ذکرشده در حالت‌های تابش عمودی و مایل امواج صفحه‌ای یکنواخت و نایکنواخت ارائه شده و با نتایج حاصل از روش FDTD موجود در مراجع در حالت تابش موج صفحه‌ای یکنواخت مقایسه می‌شود. با توجه به تشابه زیاد نتایج حاصل از این دو روش، از آنجا که روش معادلات سهموي نسبت به روش FDTD به زمان محاسبات و حافظه كامپيوتر كمتري نياز دارد، مي‏تواند شيوه مناسبي براي حل چنين مسائلي باشد.http://ijece.org/en/Article/Download/27862

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745512007321Maximum Likelihood Detection in MIMO Communication Systems in Presence of Channel Estimation Errorآشكارسازي ML در گيرنده سيستم‌هاي مخابرات بي‌سيم MIMO در حضور خطاي تخمين كانال2631faمهرزادبیغشدانشگاه شیرازاحمدعلیفرهودیدانشگاه شیرازمحمدعلیمسندی شیرازیدانشگاه شیراز200619Capacity of wireless communication systems can be increased significantly by using arrays of antenna at the transmitter and receiver. In these so called multiple input multiple output (MIMO) communication systems, the algorithms used for detection of transmitted symbols are based on perfect channel state information (CSI) at the receiver side. The optimum detection approach in the sense of symbol error rate (SER) is Maximum likelihood (ML) detector. However, in the case of imperfect channel knowledge, the performance of this type of detection method degrades and symbol error rate (SER) increases. In this manuscript, we have briefly addressed the effect of imperfect channel knowledge on the performance of MIMO communication systems. Then, an analytical approach is proposed to cope with the destructive effect of CSI uncertainty on the ML detection algorithm and the performance of our proposed method is verified via computer simulations.ظرفیت سیستم‌های مخابرات بی‌سیم را می‌توان با به کار بردن چند آنتن در فرستنده و چند آنتن در گیرنده به نحو قابل ملاحظه‌ای افزایش داد. در چنین سیستم‌هایی، که سیستم‌های MIMO نامیده می‌شوند، گیرنده با اطلاع از کانال به آشکارسازی سیگنال ارسالی می‌پردازد. در صورتی که اطلاعات کانال در گیرنده همراه با خطا باشد، كارايي آشکارساز كاهش يافته و نرخ خطای بیت افزایش می‌یابد. با توجه به اینکه در عمل، گیرنده تخمینی از کانال میان فرستنده و گیرنده را در اختیار دارد و نه مقدار دقیق آنرا، مقاله حاضر روشي بهبودیافته براي آشكارساز ML در سيستم‌هاي مخابرات بي‌سيم MIMO، در حالتي كه ماتريس كانال در گيرنده همراه با خطا در دسترس است را پيشنهاد مي‌کند. در روش پيشنهادي ما الگوريتم ML به صورت تحليلي اصلاح شده تا تأثير خطاي تخمين كانال بر روي آشکارسازی به حداقل كاهش يابد. بدین ترتیب در مقاله روشی پیشنهاد شده است که علاوه بر مقاوم‌بودن در برابر خطای تخمین کانال از نظر نرخ محاسباتی با الگوریتم ML چندان تفاوتی ندارد.http://ijece.org/en/Article/Download/27863

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745512007321Design and Control of Three-Phase Shunt Active Power Filter Using the Sliding Mode Control and Energy Feedbackتجزیه و تحلیل، طراحی و کنترل فیلتر فعال موازی سه فاز با استفاده از روش کنترل مد لغزشی و فیدبک انرژی3240faمجیدنیری‌پوردانشگاه تربیت مدرسعلی یزدیان ورجانیدانشگاه تربیت مدرسمصطفیمحمدیاندانشگاه تربیت مدرسحمیدرضامحمدیدانشگاه تربیت مدرس2005918The presence of nonlinear and unbalance loads in a three-phase network causes harmonics generation and dissipation in power network. One of the usual methods used for decreasing and eliminating these effects is the application of active and passive filter. The passive filter is designed for a particular kind of frequency and therefore eliminates a particular harmonics. Its weakness, however, is the possibility of its resonance with the equivalent network impedance and the large size of its elements. The active filter helps to remove the above problems. Moreover, this filter causes the harmonics to be rejected individually or all together and prohibits the occurrence of resonance with the network. One of the problems of these filters is the limited dynamics response that considers the steady state of harmonics. In this paper, unlike the previous methods on single phase analysis, the inverter used in active filter is analyzed more precisely, i.e., the simultaneous three- phase analysis. The ohmic effect of phase-inductances is also taken into account. The inverter control system makes use of two internal and external loops. The external loop produces suitable signal for on/off switching through sliding mode control. The internal loop utilizes energy feedback to adjust the capacitor voltages. This new method effectively improves the speed of dynamic filter response in comparison with the previously reported methods and is able to quickly compensate harmonics and load unbalancing.وجود بارهاي غير خطي و عدم تعادل در شبکه سه‌فاز، باعث ايجاد هارمونيک‌ها و تلفات در شبکه مي‌شود. اعمال فيلترهاي اکتيو و پسيو از جمله روشهاي معمول کاهش يا حذف اين اثرات مي‌باشد. فيلترهاي پسيو در فرکانس خاص طراحي، و هارمونيک معيني را حذف مي‌کند و عيب آن امکان رزنانس آن با امپدانس شبکه معادل متصل به آن، و اندازه بزرگ المان‌هاي آن مي‌باشد. استفاده از فيلتر اکتيو مشکلات فوق را برطرف و علاوه بر حذف هر هارمونيک دلخواه به طور مجزا يا همگي با هم امکان رزنانس با شبکه نيز نخواهد داشت. از مشکلات اين فيلترها سرعت پاسخ ديناميکي محدود بوده که در نتيجه هارمونيک‌ها را در حالت دائم مورد نظر قرار مي‌دهند. در اين مقاله اينورتر مورد استفاده در فيلتر اکتيو بر خلاف روشهای قبلی تحليل تکفاز، به صورت دقيق‌تر يعنی تحليل همزمان سه‌فاز مورد بررسی قرار گرفته است. همچنين اثر اهمی سلفهای مسير فازها نيز منظور شده است. استفاده از روش کنترل مد لغزشي و فيدبک انرژی خازن‌ها سرعت پاسخ ديناميکي فيلتر را به طور مؤثري نسبت به روشهاي قبلي بهبود داده و قادر است نامتعادلي بار و هارمونيک را سريعاً جبران نمايد.http://ijece.org/en/Article/Download/27864

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745512007321The Effect of Updating Routing Tables of Neighboring Nodes in AntNet Algorithm by Assistant Agentsمعرفي مورچه‎هاي به روزرسان جدول‌هاي مسيريابی گره‎های مجاور در الگوريتم مسيريابي AntNet4146faآزادهسلطانیدانشگاه بجنوردمحمدرضااکبرزاده توتونچیدانشگاه فردوسی مشهدمحمودنقيب‌زادهدانشگاه فردوسی مشهد200489Appropriate routing in data transfer is a challenging problem that can lead to improved performance of networks in terms of lower delay in delivery of packets and higher throughput. Considering the highly distributed nature of networks, several multi-agent based algorithms, and in particular ant colony based algorithms, have been suggested in recent years. However, considering the need for quick optimization and adaptation to network changes, improving the relative slow convergence of these algorithms remains an elusive challenge. Our goal here is to reduce the time needed for convergence and to accelerate the routing algorithm’s response to network failures and/or changes by imitating pheromone propagation in natural ant colonies. More specifically, information exchange among neighboring nodes is facilitated by proposing a new type of ant (assistant ants) to the AntNet algorithm. This method is an extension of authors’ earlier work by allowing intermediate nodes, in addition to destination nodes, to produce assistant ants. The resulting algorithm, the “modified AntNet,” is then simulated via NS2 on NSF and NttNet network topologies. The network performance is evaluated under various conditions. Statistical analysis of results confirms that the new method can significantly reduce the average packet delivery time and rate of convergence to the optimal route when compared with standard AntNet. Index Terms: AntNet, mobile agent, network routing, assistant ants. Nashriyyah -i Muhandisi -i Barq va Muhandisi -i Kampyutar -i Iran, vol. 5, no. 1, pp. 41-46, Spring 2007. * Corresponding author’s address: Dept. of Electrical Engineering, Birjand University, P. O. Box 97175-376, Birjand, I. R. Iran. Solving Multi-Criteria Decision Making Problems Using Artificial Neural Networks M. Abdoos* and N. Mozayani Abstract: Decision making is finding the best compromised solution from all feasible alternatives. Multi-criteria decision making is one of the most applied branches of decision making. Many methods have been presented for solving MCDM problems ever since. Among these methods, simple additive weighting, SAW, is the most commonly used method. In this paper, two methods are proposed for solving MCDM problems based on artificial neural networks. This paper shows an application of soft computing techniques in classic problems, such as decision making. Herein, two methods are presented based on both supervised and unsupervised neural networks. The results of the methods have been compared with SAW. Index Terms: Multi-criteria decision making, simple additive weighting method, perceptron network, artificial neural network, Kohonen network. Nashriyyah -i Muhandisi -i Barq va Muhandisi -i Kampyutar -i Iran, vol. 5, no. 1, pp. 47-52, Spring 2007. * Corresponding author’s address: Dept. of Computer Eng., Iran University of Science and Technology, Narmak, Tehran, 16845, I. R. Iran. Appropriate routing in data transfer is a challenging problem that can lead to improved performance of networks in terms of lower delay in delivery of packets and higher throughput. Considering the highly distributed nature of networks, several multi-agent based algorithms, and in particular ant colony based algorithms, have been suggested in recent years. However, considering the need for quick optimization and adaptation to network changes, improving the relative slow convergence of these algorithms remains an elusive challenge. Our goal here is to reduce the time needed for convergence and to accelerate the routing algorithm’s response to network failures and/or changes by imitating pheromone propagation in natural ant colonies. More specifically, information exchange among neighboring nodes is facilitated by proposing a new type of ant (assistant ants) to the AntNet algorithm. This method is an extension of authors’ earlier work by allowing intermediate nodes, in addition to destination nodes, to produce assistant ants. The resulting algorithm, the “modified AntNet,” is then simulated via NS2 on NSF and NttNet network topologies. The network performance is evaluated under various conditions. Statistical analysis of results confirms that the new method can significantly reduce the average packet delivery time and rate of convergence to the optimal route when compared with standard AntNet. Index Terms: AntNet, mobile agent, network routing, assistant ants. Nashriyyah -i Muhandisi -i Barq va Muhandisi -i Kampyutar -i Iran, vol. 5, no. 1, pp. 41-46, Spring 2007. * Corresponding author’s address: Dept. of Electrical Engineering, Birjand University, P. O. Box 97175-376, Birjand, I. R. Iran. Solving Multi-Criteria Decision Making Problems Using Artificial Neural Networks M. Abdoos* and N. Mozayani Abstract: Decision making is finding the best compromised solution from all feasible alternatives. Multi-criteria decision making is one of the most applied branches of decision making. Many methods have been presented for solving MCDM problems ever since. Among these methods, simple additive weighting, SAW, is the most commonly used method. In this paper, two methods are proposed for solving MCDM problems based on artificial neural networks. This paper shows an application of soft computing techniques in classic problems, such as decision making. Herein, two methods are presented based on both supervised and unsupervised neural networks. The results of the methods have been compared with SAW. Index Terms: Multi-criteria decision making, simple additive weighting method, perceptron network, artificial neural network, Kohonen network. Nashriyyah -i Muhandisi -i Barq va Muhandisi -i Kampyutar -i Iran, vol. 5, no. 1, pp. 47-52, Spring 2007. * Corresponding author’s address: Dept. of Computer Eng., Iran University of Science and Technology, Narmak, Tehran, 16845, I. R. Iran. Appropriate routing in data transfer is a challenging problem that can lead to improved performance of networks in terms of lower delay in delivery of packets and higher throughput. Considering the highly distributed nature of networks, several multi-agent based algorithms, and in particular ant colony based algorithms, have been suggested in recent years. However, considering the need for quick optimization and adaptation to network changes, improving the relative slow convergence of these algorithms remains an elusive challenge. Our goal here is to reduce the time needed for convergence and to accelerate the routing algorithm’s response to network failures and/or changes by imitating pheromone propagation in natural ant colonies. More specifically, information exchange among neighboring nodes is facilitated by proposing a new type of ant (assistant ants) to the AntNet algorithm. This method is an extension of authors’ earlier work by allowing intermediate nodes, in addition to destination nodes, to produce assistant ants. The resulting algorithm, the “modified AntNet,” is then simulated via NS2 on NSF and NttNet network topologies. The network performance is evaluated under various conditions. Statistical analysis of results confirms that the new method can significantly reduce the average packet delivery time and rate of convergence to the optimal route when compared with standard AntNet. Index Terms: AntNet, mobile agent, network routing, assistant ants. Nashriyyah -i Muhandisi -i Barq va Muhandisi -i Kampyutar -i Iran, vol. 5, no. 1, pp. 41-46, Spring 2007. * Corresponding author’s address: Dept. of Electrical Engineering, Birjand University, P. O. Box 97175-376, Birjand, I. R. Iran. Solving Multi-Criteria Decision Making Problems Using Artificial Neural Networks M. Abdoos* and N. Mozayani Abstract: Decision making is finding the best compromised solution from all feasible alternatives. Multi-criteria decision making is one of the most applied branches of decision making. Many methods have been presented for solving MCDM problems ever since. Among these methods, simple additive weighting, SAW, is the most commonly used method. In this paper, two methods are proposed for solving MCDM problems based on artificial neural networks. This paper shows an application of soft computing techniques in classic problems, such as decision making. Herein, two methods are presented based on both supervised and unsupervised neural networks. The results of the methods have been compared with SAW. Index Terms: Multi-criteria decision making, simple additive weighting method, perceptron network, artificial neural network, Kohonen network. Nashriyyah -i Muhandisi -i Barq va Muhandisi -i Kampyutar -i Iran, vol. 5, no. 1, pp. 47-52, Spring 2007. * Corresponding author’s address: Dept. of Computer Eng., Iran University of Science and Technology, Narmak, Tehran, 16845, I. R. Iran. Appropriate routing in data transfer is a challenging problem that can lead to improved performance of networks in terms of lower delay in delivery of packets and higher throughput. Considering the highly distributed nature of networks, several multi-agent based algorithms, and in particular ant colony based algorithms, have been suggested in recent years. However, considering the need for quick optimization and adaptation to network changes, improving the relative slow convergence of these algorithms remains an elusive challenge. Our goal here is to reduce the time needed for convergence and to accelerate the routing algorithm’s response to network failures and/or changes by imitating pheromone propagation in natural ant colonies. More specifically, information exchange among neighboring nodes is facilitated by proposing a new type of ant (assistant ants) to the AntNet algorithm. This method is an extension of authors’ earlier work by allowing intermediate nodes, in addition to destination nodes, to produce assistant ants. The resulting algorithm, the “modified AntNet,” is then simulated via NS2 on NSF and NttNet network topologies. The network performance is evaluated under various conditions. Statistical analysis of results confirms that the new method can significantly reduce the average packet delivery time and rate of convergence to the optimal route when compared with standard AntNet.مسيريابي كارا در شبکه تأثير مهمي در انتقال درست و سريع داده‌هاي الكترونيكي و بالابردن بهره‌وری شبکه از جمله ايجاد تأخير كم و گذردهي بالا دارد. در دهه اخير الگوريتم‌هاي مسيريابي جديدي بر اساس مفاهيم سيستم‌هاي چندعامله، پيشنهاد شده‌اند. يکي از اين الگوريتم‌ها، AntNet است که در مقايسه با روشهاي قبلي داراي کارايي بهتري در واكنش نسبت به تغييرات شبكه مي‎باشد. اما الگوريتم AntNet نيز دارای نقطه‌ضعف‌هايي مانند همگرايي نسبي ديرهنگام است. در اين مقاله سعي شده است اين مشكل تا حدي رفع شود. پيشنهاد ما افزودن نوعي مورچه کمکي برای افزايش همکاري بين گره‎هاست تا زمان رسيدن به همگرايي در شبکه و واکنش نسبت به تغييرات شبکه سريعتر گردد. اين روش تعميمي از روش پيشنهادي قبلي است كه مورچه‌هاي كمكي در نودهاي مياني نيز ايجاد مي‌شوند. به منظور ارزيابي كارايي، الگوريتم در محيط 2NS پياده‌سازي شده و آزمايش‌هاي متعددي در شبكه‌هاي NSFNet و NTTNet انجام گرديده است. تحليل آماري نتايج اين آزمايش‌ها، نشان مي‎دهد استفاده از روش جديد رسيدن به همگرايي را در اكثر مواقع سريع‌تر ساخته است. در اين آزمايش‌ها، تأخير تا 5% و تغييرات تأخير تا 6% كاهش پيدا كرده است. اين در حالي است كه حتي با كاهش آهنگ توليد عامل‌ها، الگوريتم جديد با سربار كمتر نيز، كارايي بهتري نسبت به الگوريتم اصلي دارد.http://ijece.org/en/Article/Download/27865

مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه مهندسی برق و مهندسی کامپيوتر ايران16823745512007321Solving Multi-Criteria Decision Making Problems Using Artificial Neural Networksحل مسائل تصميم ‏گيری چندمعياره با استفاده از شبکه ‏های عصبی مصنوعی4752faمنیرهعبدوسدانشگاه علم و صنعت ايرانناصرمزینیدانشگاه علم و صنعت ایران200615Decision making is finding the best compromised solution from all feasible alternatives. Multi-criteria decision making is one of the most applied branches of decision making. Many methods have been presented for solving MCDM problems ever since. Among these methods, simple additive weighting, SAW, is the most commonly used method. In this paper, two methods are proposed for solving MCDM problems based on artificial neural networks. This paper shows an application of soft computing techniques in classic problems, such as decision making. Herein, two methods are presented based on both supervised and unsupervised neural networks. The results of the methods have been compared with SAW.تصميم‏گيری، فرآيند انتخاب بهترين عمل يا گزينه از ميان گزينه‏های موجود می‏باشد. تصميم‏گيری چندمعياره، يکی از شاخه‏های پرکاربرد علم تصميم‏گيری محسوب می‏شود و روشهای زيادی تاکنون ارائه شده ‏است. از ميان اين روشها، روش مجموع ساده وزين، به عنوان روش اصلی و پذيرفته‌شده، به حساب می‏آيد. در اين مقاله روشهايي برای حل مسائل تصميم‏گيری بيان شده که کاملاً مبتنی بر شبکه‏های عصبی مصنوعی می‏باشد. اين مقاله کاربرد روشهای رايانش نرم را در حوزه‏های کلاسيک چون تصميم‏گيری نشان می‏دهد. در اين مقاله دو روش، يکی بر اساس شبکه عصبی با ناظر و ديگری بر اساس شبکه عصبی بدون ناظر، ارائه شده است. نتايج حاصل از اين دو روش با روش مجموع ساده وزين، مقايسه شده است.http://ijece.org/en/Article/Download/27866