فهرست مطالب

نشریه مدیریت مهندسی و رایانش نرم
سال پنجم شماره 2 (پیاپی 9، پاییز و زمستان 1398)

  • تاریخ انتشار: 1398/11/15
  • تعداد عناوین: 12
|
  • نجمه صیادی شهرکی، علی محمدی* صفحات 9-30
    تقویت کننده کم نویز LNA اولین عنصر بحرانی و مهم در طراحی سیستم های VLSI آنالوگ و تکنولوژی ارتباط بی سیم است. جهت برقراری یک مصالحه مناسب بین اهداف طراحی متناقض مدار LNA و ارتقاء شاخص های بهینگی و کارایی آن، در این مقاله از ابزار طراحی به کمک کامپیوتر (CAD) مبتنی بر بهره گیری از تکنیک های محاسبات نرم نظیر روش های بهینه سازی هوشمند فرا ابتکاری بهره گرفته شده است. بدین منظور سایزبندی هوشمند عناصر مداری و طراحی خودکار مدار توسط نسخه چندهدفه جدید و موثر الگوریتم بهینه سازی سیستم صفحات شیب دار بهبودیافته (MOMIPO) اجرا شده است. نتایج خروجی در مقایسه با سایر پژوهش ها نشانگر دستیابی مطلوب به شاخصه ها و قیود طراحی در کنار ارایه مجموعه جواب های متنوع در قالب جبهه پرتو می باشد. اجرای الگوریتم بهینه ساز در محیط MATLAB و شبیه سازی های مداری در نرم افزار HSPICE انجام شده است.
    کلیدواژگان: بهینه سازی چندهدفه، روش فرا ابتکاری، LNA، CAD، MOMIPO
  • منیره سادات یونس پور*، مرتضی رموزی صفحات 31-49
    شبکه حسگر بی سیم یک فناوری در حال رشد است.در شبکه های سنسور بی سیم کارایی شبکه معمولا تحت تاثیر محدودیت انرژی است. در این مقاله روش پیشنهادی بر مبانی الگوریتم انتشار برچسب برای غلبه بر این محدودیت ارایه شده است. ابتدا از سنسورها گراف تشکیل شده و در مرحله بعدی وزن دهی به یال های این گراف بر اساس چهار معیار شباهت انجام می شود. سپس برای هر گره مرکزیت و برچسب اولیه به دست می آید و درنهایت با به روزرسانی برچسب ها، گره هایی که برچسب یکسان دارند در یک خوشه قرار می گیرند. نتایج حاصل شده از روش پیشنهادی با معیارهای تعداد گره های زنده و میانگین انرژی گره های زنده با روش لیچ (leach) مقایسه شده است. که نتایج نشان دهنده این است که درروش پیشنهادی محل قرار گرفتن سنسورها و تنظیم مقدار آستانه برای تشکیل گراف از سنسورها جز متغیرهای اساسی است و مقایسه نشان دهنده برتری روش پیشنهادی نسبت به روش لیچ است.
    کلیدواژگان: شبکه حسگر بی سیم، خوشه بندی، انتشار برچسب
  • لیلا هنری محمود، راحیل حسینی*، مهدی مزینانی صفحات 51-71

    در سال های اخیر سسیتم های هوشمند تصمیم یار موردتوجه پژوهش های فراوانی جهت مدیریت عدم قطعیت در تشخیص های پزشکی قرار گرفته است. باتوجه به ابهام در تشخیص مراحل سرطان پستان که یکی از دلایل عمده و اصلی مرگ ومیر زنان در دهه اخیر بوده است، تشخیص زودهنگام مرحله پیشرفت سرطان می تواند شانس بهبودی کامل را افزایش دهد تا بهترین گزینه درمان انتخاب شود. در این پژوهش مدلی جهت مدیریت عدم قطعیت مبتنی بر منطق فازی با امکان مدیریت عدم قطعیت در ورودی ها و خروجی ها در مرحله بندی سرطان سینه، ارایه می شود. در این مطالعه، پرونده پزشکی 400 بیمار مبتلابه سرطان پستان با تعداد 3 ویژگی مورد بررسی قرارگرفته ونتایج آن توسط گروهی از متخصصان خبره موردبررسی قرارگرفته است. نتایج به دست آمده کارایی سیستم با استفاده از روش تحلیل منحنی ROC مورد بررسی قرار گرفت که میزان صحت عملکرد به ترتیب برای مراحل 1 و 4 سرطان سینه 50/97 درصد،و 46/98 درصد از جنبه معیار سطح زیر منحنی بدست آمده است.

    کلیدواژگان: مرحله پیشرفت سرطان سینه، منطق فازی، سیستم استنتاج فازی ممدانی، مدل سازی عدم قطعیت
  • عصمت سعدی*، کیامرث فتحی هفشجانی، رضا رادفر صفحات 73-113
    یکی از گام های اساسی در جهت سبز شدن زنجیره های تامین، بررسی الزام ها و عوامل زیست محیطی در تامین کننده ها است. امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیت های اقتصادی شناخته می شوند. این تحقیق یک مدل برنامه ریزی خطی عددصحیح مختلط برای مسئله زنجیره تامین حلقه بسته چنددوره ای، چند محصولی، چند هدفه با چندین تامین کننده و در نظر گرفتن برگشت مجدد محصولات معیوب به چرخه تولید و سیاست تخفیف توام کلی و نموی توسعه داده شده است. مدل پیشنهادی با استفاده از دو الگوریتم فراابتکاری پیشنهادی بهینه سازی ازدحام ذرات چندهدفه و الگوریتم ژنتیک مرتب سازی نامغلوب و ترکیب آن ها به تولید جواب های پارتو می پردازد. جهت مقایسه عملکرد روش های حل، پنج شاخص تعریف گردیده و نتایج عددی حاصله نشانگر کارایی و کیفیت الگوریتم ترکیبی پیشنهادی است.
    کلیدواژگان: انتخاب تامینکننده سبز، زنجیره تامین سبز، مدل فراابتکاری
  • ناهید صابری پور، مهدی مزینانی*، راحیل حسینی صفحات 115-143
    جمعیت قابل ملاحظه ای از افراد، در هر جامعه ای مبتلا به اختلال اتیسم هستند. یکی از معضلات در زمینه تشخیص اختلال اتیسم وجود عدم قطعیت در تعیین سطح شدت این بیماری است. بدین منظور در این پژوهش برای بر طرف نمودن این مشکل روش های مبتنی بر سیستم های فازی ارایه گردیده است. روش های ارایه شده بر روی 112 داده مربوط به کودک و نوجوان بین گروه سنی 3 تا 14 سال است. که از مراکز مختلف توان بخشی واقع در تهران جمع آوری و اعمال گردیده است. میانگین صحت عملکرد روش های مطرح شده بااستفاده از روش الگوریتم ژنتیک با میزان سطح زیر منحنی ROC 4/97 درصد از قابلیت اطمینان و کارایی بهتری در مقایسه با سایر روش های پیشنهادی (الگوریتم سیستم استنتاج عصبی فازی تطبیقی) در این پژوهش برخوردار است. سیستم طراحی شده در این مقاله می تواند به عنوان یک روش کمک تشخیص پزشکی برای پزشکان مورداستفاده قرار گیرد.
    کلیدواژگان: اختلال اتیسم، الگوریتم ژنتیک، تست گارز، سیستم استنتاج عصبی فازی تطبیقی، سیستم فازی
  • محبوبه شمسی*، محدثه کریمیان، مرضیه کریمیان صفحات 145-169

    تشخیص زود هنگام سرطان سینه نقش بسیار کلیدی در درمان بیمار ایفا می کند. امروزه الگوریتم های داده کاوی می توانند روش های هوشمندی در نظام سلامت ارایه دهند که با دقت بالایی سرطان سینه را تشخیص دهند. هدف از انجام این مطالعه، تشخیص سرطان سینه با استفاده از طبقه بندهای ترکیبی بر روی پایگاه داده ی آماده سازی شده ی WBC و WDBC می باشد. مدل پیشنهادی ما در پایگاه داده ی WBC (کاهش ویژگی ها با CFS+ بهینه کردن نمونه ها با روش Resample+ طبقه بند ترکیبی (kstar+ جنگل تصادفی+ شبکه ی بیز و بیزین ساده))، دارای بهترین دقت تشخیص (% 100)، زمان پیاده سازی (0 ثانیه) و بدون هیچ خطایی می باشد و در پایگاه داده ی WDBC (کاهش ویژگی ها با CFS+ بهینه کردن نمونه ها با روش Resample+ طبقه بند ترکیبی (الگوریتم IBK+ شبکه ی بیز، بیزین ساده و kstar)، دارای دقت %99.29، زمان پیاده سازی 0 ثانیه و میانگین خطای مطلق 0.007 می باشد. نتایج این مطالعه نشان می دهد که با توجه به روش های طبقه بند ترکیبی بر روی پایگاه داده ی آماده سازی شده می توان سیستم های نوینی برای کمک به پزشکان طراحی نمود که موجب تسهیل در فرآیندهای تشخیصی و درمانی شوند.

    کلیدواژگان: انتخاب ویژگی، بهبود دقت، داده کاوی، طبقه بندهای ترکیبی، نمونه گیری
  • نازیلا ادب آوازه، مهرداد نیکبخت* صفحات 171-194

    با افزایش فعالیت های صنعتی، گسترش فناوری و افزایش کاربرد ماشین آلات روند بروز حوادث نیز افزایش یافته است. کلیه عملیات ها و فعالیت های صنعتی نیازمند الزاماتی است که قصور از آن ها می تواند به بروز پیامدهای ناخواسته ای بیانجامد. با شناسایی خطرات و ارزیابی ریسک می توان نقاط حادثه خیز و بحرانی را مشخص و نسبت به پیشگیری از وقوع حوادث و کنترل آن ها اقدام نمود. شناسایی خطرات و ارزیابی ریسک، روشی سازمان یافته و نظام مند برای رتبه بندی و اولویت ریسک ها و تصمیم گیری در راستای کاهش ریسک به میزان قابل قبول است. امروزه ارزیابی خطرات به منظور کنترل مخاطرات برای حفظ سلامت شاغلین، از اهمیت بالایی برخوردار است. برای تصمیم گیری در مورد اقدامات کنترلی و کاهش سطح ریسک به سطح قابل قبول، لازم است ریسک بهداشتی ناشی از مواجهه شغلی به طور اختصاصی نسبت به دیگر مخاطرات شغلی مورد ارزیابی قرار گیرد. هدف از پژوهش حاضر، ارزیابی ریسک خطرات بهداشت شغلی با رویکرد جامع بهداشت حرفه ای به کمک تکنیک تحلیل پوششی داده ها است. پژوهش توصیفی تحلیلی حاضر در خصوص مشاغل عملیاتی یکی از پتروشیمی های جنوب کشور صورت گرفته است. مولفه های «درجه مواجهه و درجه خطر» نهاده و «درجه ریسک» ستاده مدل مذکور را تشکیل داده اند. بر اساس نتایج مطالعه انتظار می رود با فراهم نمودن اقدامات کنترلی بتوان سطح ریسک های موجود را به طور  چشمگیری کاهش داد. مهمترین راه حل های کنترلی ارایه آموزش، بالا بردن سطح آگاهی از خطرات، نظارت مستمر بر کار و بهبود سیستم مدیریت ایمنی و بهداشت شغلی می باشد.

    کلیدواژگان: ارزیابی ریسک، تحلیل پوششی داده ها، مخاطرات بهداشت حرفه ای
  • رضا مولایی فرد* صفحات 195-220
    در این تحقیق به ارایه روش جدیدی به منظور بهبود سیستم های توصیه گر در زمینه گردشگری سلامت پرداخته می شود که با استفاده از فیلترینگ مشارکتی و با استفاده از امتیازاتی که گردشگران قبلی، به مکان ها و متخصصین حوزه سلامت در کشورمان، داده اند می تواند پیش بینی های دقیقی را جهت استفاده گردشگران ارایه دهد. طبق تحقیقات صورت گرفته خوشه بندی داده ها با استفاده از الگوریتم DBSCAN، امتیاز کارایی 99% را بدست آورد که بالاترین امتیاز کارایی در بین الگوریتم های موجود می باشد، همچنین روش SVM در بخش دقت، امتیاز 95% و در بخش فراخوانی، امتیاز 99% را بدست آورد که نشان از دقت بالای پیش بینی نتایج را دارد و روش پیشنهادی به صورت کلی تا 80% می تواند مکان های مورد نیاز گردشگر را به درستی تشخیص داده و مکان مناسب را تا حدود زیادی به درستی پیشنهاد دهد.
    کلیدواژگان: سیستم توصیه گر، گردشگری سلامت، داده کاوی، وب کاوی، فیلترینگ مشارکتی
  • حسین چاهخویی نژاد، شمس الله قنبری*، مهدی نژادفرحانی، علی شهیدی نژاد صفحات 221-271

    ظهور سندرم شدید تنفسی حاد Coronavirus 2 (SARS-CoV-2)  در چین در دسامبر 2019 منجر به شیوع جهانی بیماری ویروس کوید 2019 (COVID-19) شد و این بیماری در سراسر جهان گسترش یافت و به یک مسئله بهداشت عمومی بین المللی تبدیل شد. کل بشریت باید در این جنگ غیرمنتظره مبارزه کند و نقش تک تک افراد مهم است. سیستم بهداشت و درمان کارهای استثنایی انجام می دهد و دولت اقدامات مختلفی را انجام می دهد که به جامعه کمک می کند تا شیوع آن را کنترل کند. از طرف دیگر در اکثر موارد عموم مردم با سیاست ها هماهنگی می کنند. اما نقش فن آوری اطلاعات در کمک به نهادهای مختلف اجتماعی برای مبارزه با بیماری COVID-19 پنهان مانده است. هدف از این مطالعه کشف نقش های پنهان فن آوری اطلاعات است که در نهایت برای کنترل اپیدمی کمک می کند. در تحقیقات، مشخص شده است که استراتژی های استفاده از فناوری های بالقوه، مزایای بهتری را به همراه خواهد داشت و این استراتژی های فن آوری اطلاعات را می توان یا برای کنترل اپیدمی یا برای حمایت از حصر جامعه در طول اپیدمی، تنظیم کرد که به نوبه خود به کنترل شیوع عفونت کمک می کند. این مقاله تاثیر فن آوری های مختلفی را که به سیستم های مراقبت های بهداشتی، دولتی و عمومی در جنبه های گوناگون برای مبارزه با COVID-19 کمک می کند، را معرفی می کند. علاوه بر فن آوری های اجرا شده، این مقاله فناوری های بالقوه غیرمترقبه که در کنترل شرایط اپیدمی برای کاربردهای آینده می تواند موثر باشد را معرفی می کند. همچنین سعی شده است که راه حل های مبتنی بر فناوری اطلاعات برای مقابله با اپیدمی بیماری را ارایه دهد.

    کلیدواژگان: شبکه های اجتماعی، کرونا، هوش مصنوعی، یادگیری ماشین، اینترنت اشیاء
  • رضا مولایی فرد* صفحات 273-295

    در این تحقیق، به ارزیابی روش های خوشه بندی انرژی کارآمد در شبکه های حسگر بی سیم می پردازیم. نتایج حاصل از این پژوهش حاکی از آن است که خوشه بندی توسط DBSCAN، امتیاز کارایی بالاتری نسبت به سایر روش های خوشه بندی به دست می آورد. به طوری که DBSCAN امتیاز کارایی 99٪ را به دست آورد اما الگوریتم K-Means، امتیاز کارایی 76٪ را به دست آورد. همچنین انرژی باقیمانده در شبکه پس از اتمام شبیه سازی در مسیریابی با پروتکل جدید حدود 11٪ بیشتر از مسیریابی EEHC و حدود 9٪ بیشتر از مسیریابی با پروتکل LCA است. اگر طول عمر شبکه را در زمان خاموش شدن اولین گره در شبکه در نظر بگیریم در پروتکل جدید اولین گره 6 ثانیه دیرتر از پروتکل EEHC و 12 ثانیه دیرتر از پروتکل LCA خاموش می شود. این بدین معناست که به طور میانگین حدود 10٪ طول عمر شبکه با پروتکل جدید افزایش یافته است. پروتکل I-LEACH راندمان انرژی و طول عمر را باکار بیشتر در همان ساختارها در مقایسه با پروتکل معمولی LEACH بهبود می بخشد.

    کلیدواژگان: پروتکل I-LEACH، خوشه بندی، شبکه حسگر بی سیم، کاهش انرژی
  • نوید مشتاقی یزدانی*، محمدحسن علیائی طرقبه صفحات 297-323

    شبکه های حسگر بیسیم نسل جدیدی از شبکه ها هستند که به طور کلی از تعداد زیادی گره تشکیل شده اند و ارتباط بین این گره ها بصورت بی سیم انجام می شود. در این مقاله، الگوریتم جدیدی برای بهبود عملکرد الگوریتم EAMMH ارایه شده است. برای این منظور، الگوریتم کرم شب تاب و الگوریتم ژنتیک، مدل سازی شده و به جای انتخاب تصادفی سرخوشه ها، روی جواب های احتمالی تمرکز شده است که دارای خصوصیات برتری نسبت به آنهاست و همچنین میزان بقای بیشتری دارد. نتایج مقایسه پروتکل های LEACH و EAMMH و روش پیشنهادی ما از نظر تعداد گره های مرده در مقایسه با تعداد زمان های اجرا برای 50 ، 100 و 200 گره نشان می دهد که تعداد گره های مرده برای شبیه سازی پروتکل LEACH تقریبا برابر با تعداد گره های مرده برای پروتکل EAMMH است، اما الگوریتم پیشنهادی در این مقاله تقریبا 10 درصد گره مرده کمتری نسبت به دو روش دیگر دارد، همچنین با افزایش تعداد گره ها (به تعداد 200 گره) تعداد گره های مرده روش پیشنهادی در مقایسه با الگوریتم های LEACH وEAMMH به ترتیب 35 درصد و 22 درصد کاهش یافته است.

    کلیدواژگان: الگوریتم ژنتیک، الگوریتم کرم شب تاب، شبکه حسگر بیسیم، EAMMH، LEACH
  • سعید رضایی مقدم*، اصلان دوستی صفحات 325-356

    در مقاله حاضر برنامه تولید تجمیعی در قالب یک زنجیره تامین معکوس با استفاده از مدلسازی ریاضی چند هدفه در شرایط عدم قطعیت در نظر گرفته شده است. فرایند زنجیره تامین مذکور شامل سه سطح اعم از تامین کنندگان، تولید کننده و مشتریان است و یک مرکز نگهداری و تعمیرات و یک مرکز بازسازی نیز در آن وجود دارد. اولین تابع هدف مدل مذکور حداقل سازی انواع هزینه، تابع هدف دوم حداکثر سازی کیفیت محصول تولیدی در زنجیره تامین مذکور، تابع هدف سوم و چهارم به ترتیب بیانگر حداقل کردن مجموع وزنی حداکثر کمبود در میان مشتریان و حداکثر کردن مجموع وزنی حداقل میزان تامین کالا از تامین کنندگان است. در این مدل تابع هدف سوم در شرایط عدم قطعیت با استفاده از روش استوار سازی مالوی براساس سناریو نویسی طراحی شده است همچنین برای دستیابی به دامنه بیشتری از مجموعه جواب های پارتویی مناسب تر از عملگرهای الگوریتم ژنتیک نیز درطراحی الگوریتم ازدحام ذرات در نرم افزار متلب استفاده شده که الگوریتم ترکیبی MPSOGA نامیده می شود.

    کلیدواژگان: برنامه ریزی تولید تجمیعی، زنجیره تامین معکوس، مدل ریاضی چند هدفه، MPSOGA
|
  • Najmeh Shahraki, Ali Mohammadi * Pages 9-30
    Low Noise Amplifier (LNA) is the first critical and important element in the designing of analog VLSI systems and wireless communications technology. In this paper, in order to establish an appropriate trade-off between the contradictory design objectives of an LNA circuit and the improvement of its efficiency and optimality indexes, a Computer-Aided Design (CAD) tool has been used based on the use of soft computing techniques including meta-heuristic intelligent optimization methods. For this purpose, the intelligent sizing of circuit elements and the auto-circuit design have been implemented by a new and effective Multi-Objective version of the Modified Inclined Planes System Optimization (MOMIPO) algorithm. Output results, compared with other studies, indicate a desirable achievement of design characteristics and constraints along with a variety of responses in the form of a Pareto Front. The execution of optimizer algorithm in the MATLAB environment and circuit simulations has been performed using the HSPICE software.
    Keywords: Multi-objective optimization, metha-heuristic method, LNA, CAD, MOMIPO
  • Monireh Sadat Younespour *, Morteza Romoozi Pages 31-49
    Wireless sensor network is a growing technology.  In wireless sensor networks, performance is usually affected by energy constraints. In this paper, a method is proposed based on the label propagation algorithm for this limitation. At first, the sensors are composed of a graph In the next stage weighing the edges of this graph is based on four similarity measure  Then for each node, the centrality and the initial label are obtained And finally, by updating the lebel,nodes with the same label are placed in a cluster The results of the proposed method have been compared with  the number of live nodes and the mean energy of live nodes measures by the leach method The results indicate that in the proposed method of positioning the sensors and setting the threshold value for the formation of the graph from the sensors are only fundamental variables And the comparison shows that the proposed method is superior to the leach method
    Keywords: Wireless sensor network, Clustering, label propagation
  • Leila Honari Mahmod, Rahil Hosseini *, Mahd Mazinani Pages 51-71

    Intelligent assistant systems have been focused in many researches for managing uncertainties in medical diagnosis in the recent years. Due to vagueness in diagnosis of Breast cancer stages which is one of the major cause of death in women, early diagnosis of stages of this cancer can help physicians to choose the best treatment option. In this research, an intelligentModel based on fuzzy logic has been presented to manage uncertainty associated with input and outputs in the diagnosis of stages of breast cancer. This model implements human experience with membership functions and fuzzy rules and is a general method for combining knowledge, intelligent technology, control and decision making. In this study, the medical records of 400 patients with breast cancer with 3 features were studied and their results were evaluated by a group of experts. The results of the system efficiency were investigated using an ROC curve analysis method. The specificity, sensitivity and accuracy in steps 1, 4 of the Breast cancer were (97/50%, 98/43% ), in order.

    Keywords: Breast Cancer, Fuzzy Logic, Mamdani fuzzy inference system, Modelling uncertainty
  • Esmat SAADI *, Kiamars Fathi, Reza Radfar Pages 73-113
    One of the key steps in greening supply chains is to investigate the environmental requirements and factors in supplier selection. Today supply chain networks are known as the main pillar of economic activities. To this end, in this article a multi-period, multi-product, multi-objective closed-loop supply chain problem has been investigated. Moreover, the return of defective products to the production cycle and the general and progressive simultaneous discount policy have been considered through an integer linear mathematical model. The presented model generates Pareto solutions using two proposed meta-heuristic algorithms, multi objective particle swarm optimization and non-dominated sorting genetic algorithm and combination of the two. To compare the performance of the solution methods, five criteria are defined and the numerical results show the efficiency and quality of the proposed hybrid algorithm.
    Keywords: Green Supplier Selection, Green Supply Chain, Meta-heuristic model
  • Nahid Saberipour, Mahdi Mazinani *, Rahil Hosseini Pages 115-143
    A significant proportion of population in each community suffer from autism disorder. One of the challenges in diagnosing autism is the uncertainty in determining the severity of the disease. To this end, fuzzy systems based methods have been adopted in this study. The presented methods are based on 112 data driven from children and adolescents between the ages of 3 to 14 years. These data were collected from various rehabilitation centers in Tehran. The average performance accuracy of the proposed methods Using Genetic Algorithm with area under curve ROC compared to other methods (adaptive fuzzy neural inference system algorithm) proved to be 97/4% more reliable and efficient. The system designed in this article can be used as a medical diagnostics help tool for physicians.
    Keywords: Autism Disorder, Adaptive Neural-Fuzzy Inference System, GARS test, Genetic algorithm, Fuzzy System
  • Mahboubeh Shamsi *, Mohadaseh Karimian, Marziyeh Karimian Pages 145-169

    Early diagnosis of breast cancer plays a crucial role in treating the patient. Nowadays, data mining algorithms can provide intelligent methods in the health and treatment system that accurately detect breast cancer. The purpose of this study is breast cancer detection using ensemble classifier based on WBC and WDBC prepared databasesa. Our proposed model in the WBC database (reducing features by cfs+ optimizing samples using Resample+ ensemble classifier using data mining algorithms (kstar + random forest + Naïve Bayes and Bayes network)) has the best detection accuracy ( 100%), implementation time (0 seconds) and without any errors and on the WDBC database (reducing features by cfs+ optimizing samples using Resample+ ensemble classifier using data mining algorithms (IBK algorithm+ Naïve Bayes, Bayes network and kstar)) has an accuracy of 99/29, the implementation time is 0 seconds, and the mean absolute error is 0/007. The results of this study show that according to the ensemble classifier methods using data mining algorithms on the prepared database, new systems can be designed to help physicians that facilitate treatment processes.

    Keywords: Accuracy Improvement, Data Mining, Ensemble Classifiers, Feature Selection, Sampling
  • Nazila Adabavazeh, Mehrdad Nikbakht * Pages 171-194

    With the industrial activities raising, the technology expanding and the use of machinery increasing, the accidents have boosted. All industrial operations and activities areseeking to fulfill requirements, the neglect of which can lead to unintended consequences. By identifying and assessing the risk, it is possible to identify accident-prone and critical points and avert the accidents and control them. Identifying and assessing the risk is an organized and systematic way in ranking, prioritizing and reducingthe risk. Today, risk assessment is highly important to control hazardand to improve health and safety of employees. Deciding about precautionary measures and reducing the risk to an acceptable level necessitate the assessment of the health risk caused byoccupational exposure in particular. The aim of this study is to evaluate the occupational health hazard with a Comprehensive Occupational Health Risk Assessment (COHRA) adopting data envelopment analysis technique. The current descriptive-analytical research has been carried out inan operational occupation in one of the Iran's petrochemical plants.The elementsExposure Rate (ER) and Hazard Rate (HR) are the input and "Risk Degree" is the output of the mentioned model. Judging by the results, it is expected thattheexisting risks level can be significantly reduced if precautionary measures are provided. The most important controlling solutions are to provide training, raise awareness, continuously monitor the work and improve the occupational safety and health management system.

    Keywords: Data Envelopment Analysis, Occupational Health Hazard, Risk Assessment
  • Reza Molaee Fard * Pages 195-220
    In this research, a new method is presented to improve the recommendation systems in the field of health tourism, which can make accurate predictions by using participatory filtering and by using the points that previous tourists have given to places and health professionals in our country. For the use of tourists. According to the research, data clustering using DBSCAN algorithm obtained 99% efficiency score, which is the highest efficiency score among the existing algorithms. Also, SVM method has 95% score in accuracy section and 99% score in call section. Which shows the high accuracy of predicting the results and the proposed method in general up to 80% can correctly identify the places needed by the tourist and suggest the appropriate place to a large extent correctly
    Keywords: Recommender system, health tourism, data mining web mining, participatory filtering
  • Hossein Chahkhoie Nezhad, Shamsollah Ghanbari *, Mehdi Nezhadfarhani, Ali Shahidinejad Pages 221-271

    The emergence of severe acute respiratory syndrome Coronavirus 2 (SARS-CoV-2) in China on December 2019 has led to a global outbreak of COVID-19, which spread worldwide and became an international public health issue. People all over the world must fight in this unexpected battle and the part each individual plays, is important. The health care system has done an excellent job, and the government has done various actions to help the community control the virus spreads as well. On the other hand, in most cases people help to improve the situation alongside the policies. However, the role of information technology in helping various social institutions to fight COVID-19 is hidden and is not well appreciated. The purpose of this study is to discover the hidden role of information technology (IT) that ultimately helps to control the epidemic. Research has shown that strategies for using potential technologies can be beneficial. These IT strategies can also be tailored either to control the epidemic or to support community exclusion during the epidemic which in turn, helps control the spread of infection. This article sheds light on the impact of various technologies that help health care systems, government and public in different aspects to fight COVID-19. In addition to the technologies implemented, this paper also deals with the potential unexpected technologies that can be effective in controlling epidemic conditions for future applications. It has also tried to provide IT-based solutions to deal with the disease epidemic as well.

    Keywords: Online social network, Corona, artificial intelligence, Machine Learning, IoT
  • Reza Molaee Fard * Pages 273-295

    In this research, we evaluate energy efficient clustering methods in wireless sensor networks. The results of this study indicate that clustering by DBSCAN has a higher efficiency score than other clustering methods. The DBSCAN scored 99%, but the K-Means algorithm scored 76%. Also, the energy remaining in the network after the simulation is completed in routing with the new protocol is about 11% more than routing with EEHC and about 9% more than routing with LCA protocol. If we consider the lifespan of the network when the first node in the network is turned off, in the new protocol, the first node shuts down 6 seconds later than the EEHC protocol and 12 seconds later than the LCA protocol. This means that on average, about 10% of network life has been increased with the new protocol. The I-LEACH protocol improves energy efficiency and longevity by working more in the same structures than the conventional LEACH protocol.

    Keywords: Wireless sensor network, Clustering, energy reduction, I-LEACH algorithm
  • Navid Moshtaghi Yazdani *, MohammadHasan Olyaei Torqabeh Pages 297-323

    Sensor networks are a new generation of networks. In this paper, an algorithm has been proposed to improve the performance of the EAMMH algorithm. For this purpose, the evolutionary firefly algorithm and genetic algorithm that itself has been modeled after natural biological evolution modeling have been used, and instead of randomly choosing cluster heads, it works on the possible answers that have superior attributes and also have a higher survival rate. The results of comparing LEACH and EAMMH protocols and the proposed method in terms of the number of dead nodes compared to the number of execution times based on 50, 100, and 200 nodes indicates that the number of dead nodes for the simulation of LEACH protocol is almost equal to the number of dead nodes for the EAMMH protocol, but the proposed algorithm has approximately 10 percent less dead nodes, but by an increase in the number of nodes (200 nodes) the number of dead nodes have decreased 35 percent and 22 percent compared to LEACH and EAMMH algorithms respectively.

    Keywords: EAMMH, Firefly algorithm, Genetic algorithm, LEACH, Wireless sensor network
  • Saeid Rezaie Moghadam *, Aslan Doosti Pages 325-356

    In the present paper, the cogeneration program in the form of an inverse supply chain using multi-objective mathematical modeling in conditions of uncertainty is considered. The supply chain process consists of three levels including suppliers, manufacturers and customers, and there is a maintenance center and a reconstruction center. The first objective function of the model is to minimize costs; the second objective is to maximize the quality of the product. In the mentioned supply chain, the third and fourth objective functions represent minimizing the total weight of the maximum shortage among customers and maximizing the total weight of the minimum supply of goods from suppliers. In this model, the third objective function is designed in conditions of uncertainty using the Malloy stabilization method based on scenario writing. It is called MPSOGA.

    Keywords: Aggregate Production Planning, Reverse Supply Chain, Multipurpose Mathematical Model, MPSOGA