انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122ارزیابی کمّی معیارهای مرتبط با انتشار خطا مابین مؤلفههای سیستمهای هیبرید162096FAآرمان ساناحمدیدانشگاه علم و صنعت ایران، تهران، ایرانمحمد عبداللهیازگمیدانشگاه علم و صنعت ایران، تهران، ایرانJournal Article20221203امروزه سیستمهای هیبرید در بخشهای مختلفی مانند ماشینهای خودران، کارخانههای صنعتی، ابزارهای کنترل سلامت بیمار و غیره کاربرد فراوانی دارد. با توجه به کاربرد حساس این سیستمها وقوع خطا در یک بخش سیستم میتواند به سایر بخشها انتشار پیدا کند و خسارات مالی و جانی زیادی را به همراه داشته باشد. سیستمهای هیبرید از دو بخش پیوسته و گسسته تشکیل شدهاند. این بخشها به منظور انجام هدف سیستم با همدیگر همکاری میکنند. وقوع یک خطا در بخش فیزیکی یا سایبری میتواند عملکرد کل سیستم را مختل کند. باتوجه به کاربرد حساس این سیستمها و هزینهبر بودن فرایند ساخت آنها، لازم است قبل از طراحی و بهرهبرداری از آن، در یک محیط ایمن و کمهزینه به مدلسازی انتشار خطا سیستم پرداخته شود. در این مقاله روشی برای مدلسازی انتشار خطا بر اساس شبکههای فعالیت تصادفی ارائه شدهاست. بر اساس این مدل میتوان با تزریق خطا در بخشهای مختلف سیستم به شناسایی نقاط حساس سیستم، رفتار خرابی مؤلفهها و تأثیر یک خطا و فعال شدن آن بر سایر مؤلفههای سیستم پرداخت. مدل ارائه شده بر روی یک زیرساخت حیاتی متشکل از سه لایه مختلف اعمال شده است و نتایج شبیهسازی و ارزیابی کمّی آن آورده شده است.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122توسعه الگوریتم بولی اصلاحشده جهت حذف پدیده افزونگی انتخابات در انتخاب هماهنگکننده در سیستمهای توزیعشده162097FAرضا نورمندیپوردانشکده فنی و مهندسی، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، ایرانJournal Article20221203در سیستمهای توزیعشده که دارای فرایندها و منابع متعددی هستند، همگامسازی فرایندها برای برخی مسائل نظیر ورود به ناحیه بحرانی و استفاده از منابع مشترک امری اجتنابناپذیر است. فرایند هماهنگکننده نقش کلیدی را برای همگامسازی فرایندها ایفا میکند. بنابراین، انتخاب هماهنگکننده یکی از مسائل مهم نهتنها در سیستمهای توزیعشده بلکه در بسیاری از زمینهها نظیر شبکههای ارتباطی، الگوریتمهای انحصار متقابل، تخصیص منابع مشترک و غیره است. یکی از چالشهای موجود در الگوریتمهای انتخاب هماهنگکننده کاهش پیامها بین فرایندها است که تأثیر زیادی بر روی میزان ترافیک شبکه خواهد داشت. هرچند تلاشهای زیادی در کاهش پیامها بین فرایندها صورت گرفته است، ولی همچنان پدیده افزونگی انتخابات یکی از محدودیتهایی است که الگوریتمهای انتخاب هماهنگکننده با آن مواجه هستند. ایده اصلی در این مقاله ارائه رویکردهایی نوین در توسعه الگوریتم بولی اصلاحشده است با این هدف که پدیده افزونگی انتخابات در انتخاب هماهنگکننده حذف شود. با بکارگیری این رویکردها در توسعه الگوریتم بولی اصلاحشده نهتنها پیچیدگی پیامی برابر (O(n حفظ شده است، بلکه تضمین میکنند که تنها یک فرایند درگیر انتخابات شود که این باعث حذف پدیده افزونگی انتخابات و درنتیجه باعث کاهش ازدحام و ترافیک شبکه میشود.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122یادگیری ساختار شبکههای بیزین با استفاده از روش گردکردن قطعی162098FAشهاب بهجتیپژوهشکده علوم کامپیوتر، پژوهشگاه دانش های بنیادی، تهران، ایرانحمید بیگیدانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، ایرانJournal Article20221203شبکههای بیزین یکی از پرکاربردترین مدلهای گرافی احتمالاتی بوده که برای نمایش یک توزیع احتمال به کار رفته و دارای کاربردهای بسیار متنوع در هوش مصنوعی، داده کاوی و یادگیری ماشین است. یکی از مهمترین مسائل در این شبکهها، مسئله یادگیری ساختار از روی مجموعه دادهها آموزشی است. به طور کلی روشهای یادگیری ساختار به سه دسته مبتنی بر محدودیت، مبتنی بر امتیاز و ترکیبی تقسیم میشوند. در این مقاله یک روش مبتنی بر امتیاز جهت ساخت شبکه بیزین ارائه میشود که مبتنی بر روش گردسازی قطعی در برنامهریزی خطی است.روش پیشنهادی ابتدا مسئله یادگیری ساختار را به صورت یک برنامه خطی صحیح مدلسازی نموده و سپس آن را به یک مسئله برنامه ریزی خطی تعدیل میکند. سپس با حل برنامه خطی تعدیل شده، جوابهای کسری به دست آمده را با استفاده از روش معرفی شده گردسازی قطعی به جوابهای صحیح تبدیل میکند.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122یادگیری دوگان ژرف و کاربردهای آن162099FAعلی اکبر خوشویشکائیدانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، ایرانحمید بیگیدانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، ایرانJournal Article20221203یادگیری ژرف، که در بسیاری از مسائل هوش مصنوعی به نتایج بسیار خوبی رسیده است، از این واقعیت رنج میبرد که عملکرد آن بهشدت به حجم دادههای برچسبدار بستگی دارد. در بسیاری از کاربردهای دنیای واقعی، تعداد نمونههای دارای برچسب معمولاً محدود بوده و گردآوری آن نیز پرهزینه است. درحالیکه اغلب، نمونههای بدون برچسب به مقدار کافی موجود است. بنابراین، ارائهی روشهایی برای بهرهبرداری مؤثر از نمونههای بدون برچسب توجه بسیاری را به خود جلب کرده است. گذشته از این، بسیاری از مسائل هوش مصنوعی در قالب دوگان ظاهر میشوند؛ برای نمونه، ترجمه انگلیسی به فارسی در مقابل ترجمه فارسی به انگلیسی و طبقهبندی تصویر در مقابل تولید تصویر. در سالهای اخیر، روشهای متعددی برای استفاده از همبستگی بین وظایف دوگان ارائه شده است. در این مقاله، به بررسی روشهای یادگیری دوگان میپردازیم، که هدف از آن بهرهبرداری مؤثر از دوگانگی میان دو وظیفهی دوگان در آموزش و یا استنتاج است. یادگیری دوگان را میتوان به سه سطح مختلف، یعنی دوگانگی در سطح داده، در سطح مدل و در سطح استنتاج تقسیم نمود. در این مقاله، به روشهای مختلف برای بهرهگیری از این ایدهها و موفقیتهای آنها در کاربردهای مختلف، خواهیم پرداخت. همچنین نشان خواهیم داد که چگونه یادگیری دوگان بهطور مؤثر نیاز به دادههای دارای برچسب را کاهش میدهد.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122الگوریتمی ابتکاری جهت مسأله تشخیص یکریختی گرافها مبتنی بر دوری از مرکز گراف162100FAعلی نورالهدانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایرانسمیه چکدانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایرانJournal Article20221203مسأله یکریختی گرافها از مجموعه مسائل باز از لحاظ پیچیدگی محاسباتی است که فقط تعلق آن به کلاس NP مشخص است ولی تعلق آن به P یا NP-Complete مشخص نیست. راهحل مسأله در زمان چندجملهای هنوز ناشناخته است و لذا زمینه برای تحقیق و ایدهپردازی فراهم میباشد. از این رو الگوریتمهای چندجملهای برای این مسأله جزو الگوریتمهای ابتکاری محسوب میشوند. این مقاله به بررسی راههای تعیین یکریختی دو گراف متناهی با یکدیگر و ارائه یک روش ابتکاری جدید میپردازد. الگوریتمی پیشنهاد میشود که گراف ورودی را به یک رشتهکد پرانتزی تبدیل میکند و سپس به جای مقایسه دو گراف رشته کدهای آن دو گراف با هم مقایسه میشوند و یکریختی یا عدم یکریختی میان آنها تشخیص داده میشود. زمان اجرای این الگوریتمO(ne)i میباشد که در آن n تعداد رأسهای گراف و e تعداد یالهای گراف است و در دسته الگوریتمهای "برچسبگذاری کانونی" برای گرافهای "ساده، همبند و بدون برچسب" قرار دارد. بعد از پیادهسازی این الگوریتم و بررسی نتایج آن مشخص شد که با عملکرد صحیح بیشتر از 99%، عدم یکریختی میان گرافهای غیریکریخت به درستی تشخیص داده میشود.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122قرنطینه سازی تروجانهای سخت افزاری در پردازندههای عام منظوره با روش های نرم افزاری مبتنی بر مترجم162101FAفرزانه قطبالدینیدانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی، تهران، ایرانعلی جهانیاندانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی، تهران، ایرانJournal Article20221203با جهانی شدن فرآیند طراحی و ساخت نیمه هادی، مدارهای مجتمع بهطور فزایندهای به فعالیتهای مخرب و تغییرات آسیبپذیر میشوند. در بسیاری از سامانههای صنعتی، شواهدی در مورد ناامنی بخشهایی از سیستم مشاهده شده است، اما معمولاً تغییر اجزای سیستم و جایگزینی قطعات نامطمئن چندان ساده نیست. در بسیاری از شرایط قطعه جایگزین مطمئن برای اجزای مشکوک وجود ندارد و یا تغییر معماری سیستم و دستکاری آن با ریسک بالایی همراه است. در این شرایط ممکن است بتوان با قرنطینهسازی تروجان به کمک تغییر نرمافزار سیستم، تروجان را غیرفعال کرد و عملاً لایه امن نرمافزاری روی بستر سختافزاری ناامن ایجاد نمود. <br />در این مقاله قرنطینه کردن یک تروجان در بانک ثبات که از رایجترین نوع تروجان در پردازندهها میباشد با روشهای نرمافزاری مبتنی بر مترجم بهمنظور اجرای امن یک برنامه بر روی بستر سختافزاری ناامن ارزیابی میشود. ایده ارائهشده روی پردازنده عاممنظوره پیادهسازی شده و مورد ارزیابی قرارگرفته است. نتایج شبیهسازی نشان میدهد که روشهای قرنطینهسازی پیشنهادی میتواند بهطور مؤثر با سربار زمان اجرای مناسب بهمنظور بالا بردن امنیت پردازنده مورد استفاده قرار گیرد.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122بهبود سامانه های تصدیق هویت گوینده برای گفتارهای آلوده به نویز با استفاده از بردارهای هویت موزون162102FAمحسن محمدیپژوهشکده برق جهاد دانشگاهی، تهران، ایرانحمیدرضا صادقمحمدیپژوهشکده برق جهاد دانشگاهی، تهران، ایرانJournal Article20221203دسترسی ایمن به سامانههای کاربردی متفاوت از فواصل دور و نزدیک، کاربرپسند بودن، پیچیدگی محاسباتی کم و هزینه پیادهسازی پایین از ویژگیهای برجسته روش تصدیق هویت مبتنی بر گفتار است. اما کارایی این شیوه در محیطهای واقعی به دلیل وجود نویزهای متفاوت صوتی و عوارض کانال بهشدت افت میکند. روش i-vector PLDA ازجمله شیوههای موفق در بهبود عملکرد سامانههای تصدیق هویت گوینده است. در این مقاله بهرهمندی از ویژگیهای آماری بردارهای ثبتنام گویندگان هدف برای وزندهی به بردارهای مدل و تست، جهت بهبود دقت امتیازدهی و درنتیجه عملکرد سامانه تصدیق هویت در شرایط آزمون گفتار نویزی پیشنهاد گردیده است. تأثیر استفاده از این بردارهای وزن داده شده، که آن را بردارهای موزون نامیدهایم، بر عملکرد سامانه در محیطهای نویزی مورد ارزیابی قرار گرفته است. آموزشها و آزمونها با استفاده از دادگان گفتار TIMIT، بردارهای ویژگی MFCC و PNCC و روش امتیازدهی PLDA انجام شده است. همچنین برای بهبود عملکرد سامانه در شرایط عدم تطابق نویز، بین گفتار ثبتنام و آزمون، از آموزش چند-شرطی برای LDA و PLDA استفاده شده است. همچنین ترکیب امتیازات این آزمونها نیز مورد ارزیابی قرار گرفت. نتایج آزمونها مبین آن است که بهرهگیری از بردارهای موزون دقت سامانه تصدیق هویت گوینده را برای گفتارهای نویزی نیز افزایش میدهد، علاوه بر آن در اکثر قریب به اتفاق موارد ترکیب امتیازات آزمونها نیز عملکرد سامانه را بهبود میبخشد.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122کنترل توأم فشرده سازی و ارسال داده ها در تجهیزات اینترنت اشیاء با انرژی تجدیدپذیر162103FAفرنوش نامجونیادانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایرانوصال حکمیدانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایرانJournal Article20221203یکی از مهمترین چالشهای توسعۀ اینترنت اشیاء، محدودیت انرژی تجهیزات است. در راستای کاهش مصرف انرژی، در این مقاله، ما مسئله کنترل توأم نرخ فشردهسازی (با اتلاف) و تعداد بستههای ارسالی در واحد زمان را برای یک گره اینترنت اشیاء مجهز به منبع انرژی تجدیدپذیر مطرح میکنیم. نوآوری راهکار پیشنهادی در توجه همزمان به دو هدف بهینهسازی یعنی: «سطح تطابق» دادههای دریافتی با دادههای اصلی و نیز رعایت قید تأخیر ارسال دادههاست. برای این منظور، با استفاده از چارچوب ریاضی فرآیند تصمیم مارکُفی مقیّد، مسئله را در قالب یک بهینهسازی تصادفی طرح میکنیم با هدف بیشینه کردن متوسط «سطح تطابق» دادهها در بلندمدت، ضمن ایجاد محدودیت در متوسط تأخیرِ گزارش رویدادهای حسگری. نامقیّدسازی مسئله با روش استاندارد «لاگرانژین» انجام میشود. الگوریتم پیشنهادی ما برای محاسبۀ سیاست بهینۀ تطبیق<strong></strong>پذیر نیز بر مبنای دو تکنیک یادگیری تقویتی سریع به نام PDS و VE است که میتواند با جداسازی پویایی سیستم به دو بخش قطعی و تصادفی، صرفاً با اتخاذ تصمیمات حریصانه و بدون نیاز به دانش آماری فرآیندهای تصادفیِ کانالِ بیسیم، شارژ انرژی و وقوع رویدادهای حسگری، همگرایی به سیاست بهینه را تضمین نماید. کارایی سیاستهای پیشنهادی با الگوریتم استاندارد Q-learning مورد مقایسه قرار گرفته و به لحاظ مصرف انرژی، میزان هدررفت بستههای داده و همچنین «سطح تطابق» دادههای گزارش شده ارزیابی میشوند. نتایج نشان میدهند که سطح تطابق دادههای گزارش شده در روش VE نسبت به روش استاندارد Q-learning به میزان 63.741 درصد و روش PDS نسبت به روش استاندارد Q-learning میزان 61.845 درصد بهبود یافته است.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122توزیع بهینه بارکاری در پردازشهای لبه شبکه بر پایه استفاده از سیستمهای دستهبند یادگیر حافظهدار162104FAمینا یعقوبیکیادانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایرانمهدی عباسیدانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایرانمیلاد رفیعیدانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایرانJournal Article20221203همراه با رشد روزافزون دستگاههای هوشمند ، مفهوم اینترنت اشیاء نیز توسعه پیداکرده است. افزایش تعداد این اشیا هوشمند سبب افزایش تولید حجم دادهها و بارهای محاسباتی در مقیاسهای وسیع شده است. به همین دلیل رایانش ابری، بهعنوان راهحل اصلی جهت کنترل این بارها استفاده میشود. بااینحال، زمانبر بودن پردازش بارها در ابر، هنوز بهعنوان مسئله اصلی در حوزه شبکههای توزیعشده مطرح است. پردازش بارهای کاری در لبههای شبکه میتواند موجب کاهش این زمان پاسخ شود؛ اما از سوی دیگر با آوردن پردازش بارها از مراکز دادهها (متصل به برق) به سمت لبههای شبکه، منجر به محدودیت انرژی میشود. بنابراین لازم است بارهای کاری به شکلی متوازن میان ابرها و لبههای شبکه توزیع شوند. در این مقاله بهمنظور ایجاد تعادل میان مصرف انرژی در لبه شبکه و تأخیر بارهای کاری در ابرها، روشی مبتنی بر سیستمهای دستهبند یادگیر ارائهشده است. نتایج حاصل از شبیهسازی نشان میدهد که روش پیشنهادی در مقایسه با روشهای پیشین، به شکل متعادلتری بارها را توزیع میکند. روش پیشنهادی سبب کاهش 42 درصدی تأخیر بارهای کاری و همچنین کاهش مصرف انرژی در لبه شبکه میشود.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122عدالتیار هوشمند با استفاده از شبکههای عصبی بازگشتی162106FAفرناز صباحیدانشکده فنی و مهندسی، دانشگاه ارومیه، ارومیه، ایرانJournal Article20221203این مقاله، با بسط مفهوم تمرکز بر ویژگیها، در استفاده از شبکه حافظه کوتاه- ماندگار دوطرفه (biLSTM)، یک معماری جدید برای مسائل کاربردی پیشنهاد میدهد. biLSTM، فرایند گذشته و آینده ویژگیها را بهطور کامل میتواند منعکس کند. سیستم پیشنهادی به مطالعه موردی در مسائل قضایی اعمالشده است. در سیستم عدالتیار هوشمند پیشنهادشده، برای تصمیم مؤثرتر بعد از biLSTM از دو رمزگذار استفادهشده است و دارای لایهای مبتنی بر دانش خبرگان میباشد. در این روش با مشاهده اجزای پرونده ابتدا نوع مؤلفهها بررسی میشود، سپس کلیدی بودن مؤلفه در اصلاح وزنها موردتوجه قرار میگیرد. روش پیشنهادی در دو طرح مختلف ارائهشده است، در هر دو طرح ابتدا biLSTM هم بر روی مؤلفههای پرونده و هم بر روی حکم که دو بخش تبرئه و محکوم است اعمال میشود. دقت عملکرد بر اساس تمرکز بر روی مؤلفههای مؤثرتر مشخص میشود. طراحی این معماری بر اساس اشتراکگذاری وزنها در زمان آموزش توسط رمزگذارها میباشد در طرح اول ابتدا مفهوم تمرکز بر ویژگیها اعمال میشود و سپس در لایههای بعد هوش جمعی اعمال میشود. در طرح دوم هوش جمعی خبرگان در قالب یک تابع عضویت فازی به آن اعمال میشود. نتایج سیستم مشاور پیشنهادی در مورد مطالعاتی قضایی با روشهای دیگر مقایسه شدهاند که برتری روش پیشنهادی مشخصشده است. روش پیشنهادی با طراحی یک الگوی مناسب و بهکارگیری اکثر عاملهای دخیل و شناخت تأثیرگذاری آنها درگرفتن یک تصمیم درستتر در زمان کوتاهتر میتواند بسیار کمککننده باشد و متعاقباً هزینههای تشکیل دادگاههای تجدیدنظر و اطاله دادرسی را کاهش میدهد و حس اعتماد جامعه به سیستم قضا را افزایش میدهد.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122مقایسه الگوریتمهای مسطحسازی GG و RNG در روشهای مسیریابی جغرافیایی شبکههای بیسیم162107FAحمیدرضا شهرابیفراهانیپژوهشکده علوم کامپیوتر، پژوهشگاه دانش های بنیادی، تهران، ایرانمسعود صبائیدانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایرانJournal Article20221203در تحقیقاتی که تا کنون در زمینه الگوریتمهای جغرافیایی گزارش شده است، به دو روش مسطحسازی GG و RNG بصورت یکسان نگاه شده است، در حالیکه گراف حاصل از این دو روش خصوصیاتی متفاوت را ارائه میکنند. در این مقاله، بررسی دقیق این دو روش مسطحسازی و مطالعه اثر آنها بر الگوریتمهای مسیریابی جغرافیایی مورد نظر قرار گرفته است. تلقی اولیه این است که چون گراف مسطحشده به روش GG دارای تعداد لبه بیشتری است، استفاده از آن بهصورت وجهپیمایی منجر به تولید تعداد گامهای بیشتری خواهد شد، ولی نتایج شبیهسازی پژوهش حاضر نشان میدهد که در بیشتر موارد گامهای بلند روش RNG خطر به بیراهه رفتن را افزایش و مسیرهای نسبتاً بلندتری را برای پیمایش تا گره مقصد پیشنهاد میدهد. در مقابل و در مواردی که الگوریتم جغرافیایی مورد استفاده رسیدن تا مقصد را تضمین نمیکند، تعداد موارد مسیریابی ناموفق با استفاده از گراف مسطح شده GG اندکی بیشتر از موارد مشابه به روش مسطحسازی RNG خواهد بود.انجمن کامپیوتر ایرانعلوم رایانش و فناوری اطلاعات2676-543817220191122محبوسکردن چندضلعیهای نادقیق با استفاده از دو انگشت162108FAمنصور داودیمنفرددانشکده علوم کامپیوتر و فناوری اطلاعات، دانشگاه تحصیلات تکمیلی علوم پایه، زنجان، ایراناسماعیل دلفرازپهلوانلودانشکده علوم کامپیوتر و فناوری اطلاعات، دانشگاه تحصیلات تکمیلی علوم پایه، زنجان، ایرانسیدمقداد نبویلاریمیدانشکده علوم کامپیوتر و فناوری اطلاعات، دانشگاه تحصیلات تکمیلی علوم پایه، زنجان، ایرانJournal Article20221203یکی از مسائل کاربردی در حوزه روبوتیک، مسئله محبوسکردن یک شی دلخواه است. تمامی الگوریتمهای مطرح در این زمینه فرض میکنند که شی دقیق باشد ولی به دلیل وجود خطا در محاسبات و ساخت اشیا این فرض میتواند اشتباه باشد و شی موردنظر تا حدودی نادقیق باشد. هدف ما ارائه راهکاری مناسب برای محبوسکردن یک چندضلعی با رئوس نادقیق است. در این مقاله الگوریتمی برای یافتن تمام موقعیتهای دو نقطه که به طور قطع چندضلعی نادقیق را محبوس میکند، ارائه میدهیم و نشان میدهیم این الگوریتم تمام مجموعههای محبوسکننده را در زمان On2logn و فضای On2 گزارش میدهد که n تعداد رئوس چندضلعی نادقیق است.