دانلود و نمایش مقالات مرتبط با Metaheuristics::صفحه 2

نتیجه جستجو - Metaheuristics

تعداد مقالات یافته شده: 17

ردیف	عنوان	نوع
11	جایابی و اندازه بهینه جبران ساز استاتیکی توزیع (D-STATCOM) در شبکه‌های توزیع برق: یک بازنگری سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 75 - تعداد صفحات فایل doc فارسی: 27 با رشد و گسترش شبکه های برق، استفاده ی بهینه از شبکه های الکتریکی اهمیت بسیاری یافته است. به خاطر هزینه های بالای ساخت و گسترش شبکه های قدرت، کاهش مشکلات موجود، همچون تلفات بیش از اندازه ی توان، مسائل پروفیل ولتاژ، ناپایداری های ولتاژی، مسائل قابلیت اطمینان و مواردی از این دست، اجتناب ناپذیر است. برای رفع این مشکلات، می توان از جبرانساز استاتیک سنکرون توزیع (D-STATCOM) به عنوان یکی از ادوات جبرانسازی شانت در شبکه های توزیع برق استفاده کرد. اندازه و موقعیت بهینه ی D-STATCOM، بایستی براساس دوام اقتصادی، کیفیت مورد نیاز، قابلیت اطمینان و دسترس پذیری تعیین شود. در سالیان اخیر، چندین مقاله بر روش های مورد استفاده برای یافتن اندازه و موقعیت بهینه ی واحدهای D-STATCOM با در نظر گرفتن جنبه های مختلف تمرکز نموده اند. با اینحال تا به امروز هیچ مقاله ی مروری در این حوزه چاپ نشده است. این مقاله یک بررسی به روز از متون و مقالات مرتبط با مکانیابی بهینه-ی D-STATCOM در شبکه های توزیع است. کارهای پژوهشی موجود در 5 دسته جای می گیرند: روش-های تحلیلی، روش های مبتنی بر شبکه عصبی هوشمند، روش های ریاضیاتی، روش های حساسیت، و ترکیبی از روش های حساسیت و روش های ریاضیاتی. افزون بر این، مشخص شد که در مسأله ی مکانیابی D-STATCOM، توابع هدف می توانند کاهش افت توان، کاهش انحرافات ولتاژی، بهبود معیارهای قابلیت اطمینان و افزایش پایداری ولتاژ باشند. تمامی روش ها، اهداف و قیود به دقت مقایسه شده و مورد بحث و بررسی قرار گرفتند. نهایتاً، یک بررسی کلی بر روی کارهای بررسی شده انجام گرفت و جهت گیری هایی برای پژوهش های آتی پیشنهاد شدند. کلیدواژه ها: شبکه های توزیع \| D-STATCOM \| جایابی بهینه \| بهینه سازی \| روش های فرااکتشافی	مقاله ترجمه شده
12	A new vision of approximate methods for the permutation flowshop to minimise makespan: State-of-the-art and computational evaluation دیدگاه جدیدی از روش های تقریبی برای جریان زیرگروه برای به حداقل رساندن کل زمان پروژه : ارزیابی پیشرفته و محاسباتی-2017 Article history:Received 25 October 2015Accepted 28 September 2016Available online 8 October 2016Keywords: Scheduling Flowshop Heuristics MetaheuristicsComputational evaluationThe permutation ﬂowshop problem is a classic machine scheduling problem where n jobs must be pro- cessed on a set of m machines disposed in series and where each job must visit all machines in the same order. Many production scheduling problems resemble ﬂowshops and hence it has generated much interest and had a big impact in the ﬁeld, resulting in literally hundreds of heuristic and metaheuris- tic methods over the last 60 years. However, most methods proposed for makespan minimisation are not properly compared with existing procedures so currently it is not possible to know which are the most eﬃcient methods for the problem regarding the quality of the solutions obtained and the compu- tational effort required. In this paper, we identify and exhaustively compare the best existing heuristics and metaheuristics so the state-of-the-art regarding approximate procedures for this relevant problem is established.© 2016 Elsevier B.V. All rights reserved. Keywords: Scheduling \| Flowshop \| Heuristics \| Metaheuristics \| Computational evaluation	مقاله انگلیسی
13	Measuring the curse of dimensionality and its effects on particle swarm optimization and differential evolution اندازه گیری ازدحام ابعاد و اثرات آن بر بهینه سازی ازدحام ذرات و تکامل دیفرانسیل-2015 The existence of the curse of dimensionality is well known, and its general effects are well acknowledged. However, and perhaps due to this colloquial understanding, specific measurements on the curse of dimensionality and its effects are not as extensive. In continuous domains, the volume of the search space grows exponentially with dimensionality. Conversely, the number of function evaluations budgeted to explore this search space usually grows only linearly. The divergence of these growth rates has important effects on the parameters used in particle swarm optimization and differential evolution as dimensionality increases. New experiments focus on the effects of population size and key changes to the search characteristics of these popular metaheuristics when population size is less than the dimensionality of the search space. Results show how design guidelines developed for low-dimensional implementations can become unsuitable for high-dimensional search spaces. Keywords Curse of dimensionality · Large scale global optimization · Particle swarm optimization · Differential evolution · Exploration · Exploitation	مقاله انگلیسی
14	استفاده از الگوریتم ژنتیک برای حداکثرسازی بهره وری فنی در تحلیل پوششی داده ها سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 20 تحلیل پوششی داده ها (DEA) یک روش غیر پارامتری برای تخمین بهره وری فنی مجموعه ای از واحدهای تصمیم گیرنده (DMUها) از یک پایگاه داده شامل ورودی ها و خروجی ها است. این مقاله مدل های DEA مبتنی بر حداکثرسازی راندمان فنی را مطالعه می کند، که هدف تعیین کردن مسافت حداقلی از DMU ارزیابی شده برای مرز تولید است. معمولا، این مدل ها از طریق روش های نامطلوب مورد استفاده برای مسائل NP-hard ترکیبی حل می شوند. در اینجا مسئله توسط روش های فراابتکاری بررسی می شود و راه حل ها با روش هایی از متدولوژی مبتنی بر تعیین تمامی جنبه های مرزی در DEA مقایسه می شود. استفاده از فراابتکاری ها راه حل های نزدیک به بهینه گی با زمان اجرای پائین را ارائه می-کنند. کلمات کلیدی: تحلیل پوششی داده ها \| نزدیک ترین اهداف \| برنامه نویسی ریاضیاتی \| متدولوژی های بهره وری \| الگوریتم های ژنتیک	مقاله ترجمه شده
15	Integrating a multi-objective optimization framework into a structural design software مجتمع کردن یک چارچوب بهینه سازی چند هدفه به یک نرم افزار طراحی ساختاری-2014 In this paper, we present a tool combining two software applications aimed at optimizing structural design problems of the civil engineering domain. Our approach lies in integrating an application for designing 2D and 3D bar structures, called Ebes, with the jMetal multi-objective optimization framework. The result is a software package that helps civil engineers to create bar structures which can be optimized further with multi-objective metaheuristics according to different goals, such as minimizing the structure weight and minimizing the deformation. The main features of both Ebes and jMetal are described and how they are combined together in one single tool is explained. Finally a case study to illustrate how the application works is presented. Keywords: Spatial bar structures Design Multi-objective optimization Software tools Metaheuristics Open source	مقاله انگلیسی
16	افزایش عملکرد الگوریتم ژنتیک ترکیبی با بهبود دیفرانسیل سال انتشار: 2013 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 28 در این مقاله اصلاحات بهبود دیفرانسیل برای الگوریتم ژنتیک‌ترکیبی بیان‌شده‌است. ایده‌کلی این مقاله اجرای بهبود الگوریتم‌های‌گسترده‌تر با راه‌حل‌هایی با کیفیت بالاتر است. رویکرد بهبود دیفرانسیل(DI) پیشنهادشده یک رویکرد انحصاری است نه یک رویکرد عمومی. این روش می‌تواند از راه‌های متفاوتی پیاده‌سازی شود. نمونه و الگو ثابت باقی می‌ماند و می‌تواند به آسانی برای یک کلاس گسترده‌تر مسائل بهینه‌سازی بکارگرفته شود. علاوه براین، چارچوب DI نیز می‌تواند در دیگر الگوریتم‌های فرا-ابتکاری‌های ترکیبی مانند الگوریتم جستجوی پراکندگی ترکیبی، بهینه‌سازی حرکت ذرات با تکنیک بهینه‌سازی کلونی زنبورها استفاده شود. آزمایشات گسترده نشان‌می‌دهند که رویکرد جدید برای بهبود قابل توجه عملکرد الگوریتم ژنتیک ترکیبی بدون اضافه کردن زمان کامیپوتری بیشتر دردسترس است. آزمایشات بیشتری مبادلات بین تعدادی از نسل‌ها و تعدادی از تکرارهای الگوریتم بهبود را بررسی کرده‌اند . این آزمایشات شش‌تا از بهترین راه‌حل‌های شناخته‌شده را با معیار مشکلات تخصیص‌یافته درجه دو، نتیجه گرفته است. بسیاری از انواع دیگر الگوریتم‌های پیشنهادشده برای پژوهش‌های آینده بیان شده‌اند. کلمات کلیدی: الگوریتم ژنتیک \| الگوریتم ترکیبی ژنتیک \| الگوریتم ممتیک \| جستجوی تابو \| تابوی قوی اصلاح شده \| مسئله انتساب درجه دوم	مقاله ترجمه شده
17	الگوریتم کلونی زنبور مصنوعی (PABC) موازی سال انتشار: 2009 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 21 الگوریتم کلونی زنبور عسل (ABC) یک الگوریتم فراابتکاری برای بهینه سازی عددی می باشد. این الگوریتم بر اساس رفتار تغذیه ای زنبورهای عسل می باشد. این مقاله یک نسخه ی موازی از الگوریتم فوق را برای به اشتراک گذاری معماری حافظه ارائه می دهد. کل کلونی زنبورها بصورت مساوی بین پردازنده های در دسترس تقسیم می شود. مجموعه ای از راه حل ها در حافظه ی محلی هر پردازنده قرار می گیرد. یک کپی از هر راه حل نیز در حافظه ی به اشتراک گذاشته شدهی سراسری نگهداری می شود. در طول هر چرخه، مجموعه ی زنبورها در یک پردازنده راه حل ها را در حافظه محلی بهبود می بخشند. در پایان چرخه، راه حل ها درون اسلاتهای موجود در حافظه سراسری، کپی شده و در دسترس همه ی زنبورها قرار می گیرند. نشان داده شده است که استراتژی موازی سازی پیشنهادی، نه تنها کیفیت راه حل های بدست آمده را کاهش نمی دهد بلکه سرعت را نیز به طور چشم گیری افزایش می دهد. کلمات کلیدی- الگوریتم کلونی زنبور (ABC) مصنوعی \| بهینه سازی عددی \| هوش ازدحامی (هوش جمعی) \| متاهیورستیک ها (فراابتکاری های) موازی \| حافظه ی مشترک	مقاله ترجمه شده