برنامه درسی

شبکه‌های کامپیوتری

• انجام تمرین‌ها و حضور فعال در کلاس: 15 درصد
• میان ترم 1 :15 درصد
• میان ترم 2: 15 درصد
• پایان ترم: 55 درصد

استفاده از وایت برد، پاورپوینت و ویدیوهای آموزشی

- Computer Networking and the Internet, (Fred Halsall), 5^th Edition, Pearson Education, 2005.

- Data and Computer Communications, (William Stallings), 10^th Edition, Prentice Hall, 2013.

- Computer Networking: A Top-Down Approach (James F. Kurose and Keith W. Ross) 7^th Edition, Pearson Education, 2017.

هفته 1: مبانی انتقال داده‌ها (Data Communications Basics)

- آشنایی با ارتباطات داخل سیستم و ارتباطات بین سیستم‌ها

- آشنایی با انواع حالت‌های ارتباطی

- آشنایی با رسانه‌های انتقال داده

- آشنایی با انواع سیستم‌ها و وظایف آنها

هفته 2-3: ارتباطات دیجیتال (Digital Communications)

- آشنایی با روش‌های ارسال داده آسنکرون

- آشنایی با روش‌های ارسال داده سنکرون

- ارزیابی کارایی روش‌های ارسال داده آسنکرون و سنکرون

هفته 4: عوامل تاثیرگذار روی سیگنال (Factors Affecting the Signal)

- آشنایی با مسئله تضعیف و تقویت

- آشنایی با مسئله محدودیت پهنای باند

- آشنایی با مسئله نویز

- آشنایی با مسئله نویز

هفته 5-7: ارتباطات آنالوگ (Analog Communications)

- آشنایی با روش مدولاسیون دامنه (ASK)

- آشنایی با روش مدولاسیون فرکانس (FSK)

- آشنایی با روش مدولاسیون فاز (ASK)

- آشنایی با روش‌های مدولاسیون چند سطحی (Multi-Level Modulation)

- برگزاری امتحان میان ترم اول

هفته 8-11: روش‌های تشخیص خطا (Error Detection Methods)

- آشنایی با روش‌های توازن زوج و فرد

- آشنایی با روش‌های تشخیص خطای مبتنی بر کاراکتر کنترلی (‌Block Checksum Character Method)

- آشنایی با روش تبدیل بیت به رشته چندجمله‌ای و برعکس

- آشنایی با روش‌های تشخیص خطای اطلاعات کنترلی (Cyclic Redundancy Check Method)

- برگزاری امتحان میان ترم دوم

هفته 12-14: روش‌های کنترل خطا (Error Control Methods)

- آشنایی با روش Idle Repeat reQuest/Stop and Wait

- آشنایی با روش برگشت به عقب به اندازه N (Go-Back-N)

- آشنایی با روش تکرار انتخابی (Selective Repeat)

- آشنایی با روش‌های ارزیابی بهره‌وری کانال ارسال داده‌ها

هفته 15-16: روش‌های فشرده‌سازی داده‌ها (Data Compression Methods)

- آشنایی با روش فشرده‌سازی Packed Decimal

- آشنایی با روش فشرده‌سازی Relative Encoding

- آشنایی با روش فشرده‌سازی Character Suppression (Run-Length Coding)

- آشنایی با درخت کدگذاری هافمن (Huffman Code Tree)

 آشنایی کامل به لایه‌های پایین شبکه‌ها و ارتباطات کامپیوتری جهت مطالعه و بررسی دقیق لایه‌های پایین مدل OSI و TCP/IP

--

• انجام تمرین‌ها و حضور فعال در کلاس: 20 درصد
• پروژه نهایی: 30 درصد
• پایان ترم: 50 درصد

استفاده از وایت برد، پاورپوینت و ویدیوهای آموزشی

- Metaheuristic Optimization Algorithms. Optimizers, Analysis, and Applications (Laith Abualigah), Morgan Kaufmann, Elsevier, 2024.

- Bio-Inspired Optimization in Fog and Edge Computing Environments: Principles, Algorithms, and Systems (Punit Gupta, Dinesh Kumar Saini, Pradeep Singh Rawat, and Kashif Zia), CRC Press, 2023.

- Computational Intelligence-based Optimization Algorithms (Babak Zolghadr-Asli), CRC Press, 2023.

- Elements of the General Theory of Optimal Algorithms (Ivan V. Sergienko, Valeriy K. Zadiraka, and Oleg M. Lytvyn), Springer, 2022.

- Evolutionary Optimization Algorithms (Altaf Q. H. Badar), CRC Press, 2021.

- Evolutionary and Swarm Intelligence Algorithms (Jagdish C. Bansal, Pramod K. Singh, and Nikhil R. Pal) Springer, 2019.

- Recently published papers in the relevant journals.

هفته 1: آشنایی با مسائل بهینه‌سازی و مروری بر روش‌های بهینه‌سازی کلاسیک

هفته 2: آشنایی با الگوریتم ژنیک ساده

هفته 3: آشنایی با انواع روش‌های انتخاب در روش‌های بهینه‌سازی (Selection Methods)

هفته 4: آشنایی با روش‌های برش متعارف و هوشمند (Traditional and Intelligent Crossover Methods)

هفته 5: آشنایی با روش‌های جهش (Mutation Methods)

هفته 6: آشنایی با روش‌های جایگذاری و شرایط خاتمه در روش‌های بهینه‌سازی (Stop Criteria and Replacement Methods)

هفته 7: حل نمونه توابع تست با الگوریتم ژنتیک در نرم افزار Matlab

هفته 8-10: آشنایی با مسائل کلاسیک دارای پیچیدگی زمانی غیرچندجمله‌ای و حل آنها با روش‌های بهینه‌سازی

هفته 11-13: آشنایی با مسائل چندهدفه (Multi-Objective Problems) و ارائه تابع برازش (Proposing Fitness Function)

هفته 14-16: معرفی نمونه‌هایی از روش‌های بهینه‌سازی معروف

- آشنایی با روش بهینه‌سازی تکامل تفاضلی (Differential Evolution)

- آشنایی با روش  بهینه‌سازی مبتنی بر جغرافیای زیستی (Biogeography-Based Optimization)

آشنایی با مسائل دارای پیچیدگی زمانی غیرچندجمله‌ای و روش‌های بهینه‌سازی، بررسی کاربرد این روش‌ها در حوزه‌های مختلف مهندسی کامپیوتر به همراه توانایی تحلیل آنها و ابداع روش‌های بهینه‌سازی جدید