Multi-Objective Optimization

حرية الوصول المقاله

1 - طراحی مدل ریاضی شبکه زنجیره تأمین سبز چند محصولی صنعت خودرو در شرایط عدم اطمینان
داود خدادادیان رضا رادفر عباس طلوعی

امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شد أکثر

امروزه شبکه های زنجیره تامین به عنوان ستون اصلی فعالیتهای اقتصادی شناخته می شوند. اهمیت آنها به دلیل تحویل به موقع و کارامد بودن محصولات گوناگون نظیر مواد غذایی، پوشاک، انرژی و سخت افزارهای کامپیوتری باعث علاقمندی محققان و متخصصان جهت تجزیه و تحلیل مسایل زنجیره تامین شده است. از سوی دیگر عدم اطمینان مسایل در همه سطوح زندگی ما وارد شده و روزمره با آنها در ارتباط هستیم. مقاله حاضر در حیطه زنجیره تامین سبز تهیه شده که با در نظر گرفتن شرایط عدم قطعیت به حل یک مدل برای طراحی شبکه زنجیره تامین سبز (زیست محیطی) رو به جلو و تحت عدم اطمینان شرایط اقتصادی آینده در شرکت ایران خودرو می پردازد. مسأله طراحی شبکه مورد نظر شامل فرضیاتی از قبیل: چند محصولی، چند سطحی و تک دوره ای می باشد. به علت عدم ثبات شرایط اقتصادی، عدم اطمینان در این مسأله به شکلی متفاوت با مقالات گذشته در نظر گرفته شده ‌است. در این مساله چندین پارامتر مهم از قبیل تقاضای مشتریان، هزینه های عملیاتی و ظرفیت تولیدی و ارسالی تسهیلات به صورت غیر قطعی در نظر گرفته شده‌اند. اهداف این تحقیق شامل مینیمم سازی هزینه ها و مینیمم سازی اثرات زیست محیطی با استفاده از روش ECO-indicator 99 می باشد. از مزایای این روش صرفه‌جویی در هزینه ها و کاهش آلودگی در نتیجه ی استفاده از تجهیزات حمل‌و‌نقل و زیرساخت های مشترک می باشد. با توجه به پیچیدگی حل این مسأله وNP-hard بودن آن روش فرا ابتکاری1 الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA-II)2 تشریح و در انتها نیز نحوه عملکرد مدل با یک مثال عددی و حل آن با نرم افزارهای MATLAB3 و GAMS مورد بررسی قرار گرفته است. نتایج نشان می دهند که الگوریتم NSGA-II پیشنهادی دارای عملکرد قابل قبولی در مدت زمان مناسبی می باشد. تفاصيل المقالة

حرية الوصول المقاله

2 - An Effective Task Scheduling Framework for Cloud Computing using NSGA-II
Hanieh Ghorashi Meghdad Mirabi

Cloud computing is a model for convenient on-demand user’s access to changeable and configurable computing resources such as networks, servers, storage, applications, and services with minimal management of resources and service provider interaction. Task scheduli أکثر

Cloud computing is a model for convenient on-demand user’s access to changeable and configurable computing resources such as networks, servers, storage, applications, and services with minimal management of resources and service provider interaction. Task scheduling is regarded as a fundamental issue in cloud computing which aims at distributing the load on the different resources of a distributed system in order to optimize resource utilization and response time. In this paper, an optimization-based method for task scheduling is presented in order to improve the efficiency of cloud computing. In the proposed approach, three criteria for scheduling, including the task execution time, the task transfer time, and the cost of task execution have been considered. Our method not only reduces the execution time of the overall tasks but also minimizes the maximum time required for task execution. We employ the Multi-objective Non-dominated Sorting Genetic Algorithm (NSGA-II) for solving the scheduling problem. To evaluate the efficiency of the proposed method, a real cloud environment is simulated, and a similar method based on Multi-Objective Particle Swarm Optimization is applied. Experimental results show the superiority of our approach over the baseline technique. تفاصيل المقالة

حرية الوصول المقاله

3 - برنامه‌ریزی عملیات و طراحی شبکه زنجیره تأمین حلقه بسته پایدار با در نظر گرفتن استخدام و آموزش نیروی انسانی
رضا وکیلی مطیع رضا توکلی مقدم علی بزرگی امیری فریبرز جولای

مدلسازی و حل بهینه مسائل مدیریت زنجیره تأمین موجب تصمیم‌گیری کارا در برنامه‌ریزی استراتژیک و عملیات زنجیره می‌شود که در پی آن مزیت رقابتی ایجاد می‌شود و قدرت زنجیره افزایش می‌یابد. امروزه با برنامه‌ریزی زنجیره تأمین پایدار می‌توان علاوه بر تحقق اهداف اقتصادی، اهداف و مل أکثر

مدلسازی و حل بهینه مسائل مدیریت زنجیره تأمین موجب تصمیم‌گیری کارا در برنامه‌ریزی استراتژیک و عملیات زنجیره می‌شود که در پی آن مزیت رقابتی ایجاد می‌شود و قدرت زنجیره افزایش می‌یابد. امروزه با برنامه‌ریزی زنجیره تأمین پایدار می‌توان علاوه بر تحقق اهداف اقتصادی، اهداف و ملاحظات اجتماعی و زیست‌محیطی را نیز ارضاء نمود. در این تحقیق به مدل‌سازی و حل مسئله برنامه‌ریزی عملیات و طراحی شبکه زنجیره تامین حلقه بسته پایدار پرداخته می‌شود که در آن به استخدام و آموزش نیروی انسانی زنجیره تأمین نیز توجه می‌شود. ابتدا یک مدل بهینه‌سازی سه‌هدفه ارائه می‌شود که در آن شبکه زنجیره تأمین طراحی می‌شود و متغیرهای استراتژیک (مثل مکان‌یابی و تعیین ظرفیت تسهیلات، انتخاب تکنولوژی، استخدام وآموزش نیروی انسانی ماهر و یا نیمه‌ماهر و غیره) تعیین می‌شود. سپس مدل چنددوره‌ای به منظور برنامه‌ریزی عملیات زنجیره تامین طراحی‌شده ارائه می‌شود که در آن مقدار تولید، موجودی، عرضه، کمبود، جذب موقت نیروی انسانی و غیره در هر دوره به صورت بهینه بدست آورده می‌شود. در مدل استراتژیک پیشنهادی، موازنه اهداف کمینه‌سازی هزینه‌های زنجیره تامین (اقتصادی)، بیشینه‌سازی اشتغال (اجتماعی)، و کمینه‌سازی اثرات زیست محیطی، با روش از روش اپسیلون محدودیت تکامل یافته انجام می‌شود. همچنین الگوریتم تجزیه بندرز برای حل مسئله در ابعاد بزرگ بکار گرفته می‌شود. در بخش پایانی تحقیق به مطالعه عددی پرداخته می‌شود تا علاوه بر ارزیابی مدل و رویکردهای حل پیشنهادی، نتایج عددی تحلیلی و بینیش‌های مدیریتی ارائه ‌شود. تفاصيل المقالة

حرية الوصول المقاله

4 - رویکردی برای به دست آوردن جواب های کارای سره نزدیک به نقطه ایده آل در بهینه سازی چندهدفه
بهنام حذار قاسم توحیدی بهروز دانشیان

توازن میان توابع هدف در بهینه‌سازی چندهدفه یکی از ابزارهای تفسیر و بررسی جواب‌های کارا است. جواب‌های کارای سره یکی از مفاهیم مهم از نظر تئوری و عملی می‌باشد که نشان دهنده رفتار توابع هدف طی یک فرایند تغییر می باشد؛ جواب-های کارای سره جواب های کارایی هستند که ناهنجاری ها أکثر

توازن میان توابع هدف در بهینه‌سازی چندهدفه یکی از ابزارهای تفسیر و بررسی جواب‌های کارا است. جواب‌های کارای سره یکی از مفاهیم مهم از نظر تئوری و عملی می‌باشد که نشان دهنده رفتار توابع هدف طی یک فرایند تغییر می باشد؛ جواب-های کارای سره جواب های کارایی هستند که ناهنجاری های توابع هدف در بعضی از نقاط را فیلتر می کنند و این به تصمیم گیری برای به دست آوردن جواب های با اهمیت بیشتر توسط مدیریت کمک شایانی خواهد کرد. یکی از مهمترین ابزارهای به دست آوردن جواب با توازن کراندار در بهینه سازی چندهدفه، روش اسکالرسازی مجموع وزنی است که بسیاری از نویسندگان این نوع از اسکالرسازی را در بهینه سازی تعاملی بررسی کرده اند. این مقاله روشی برای به دست آوردن جواب-های کارای سره نزدیک به نقطه ایدآل با دیدگاه تئوری و تعاملی و با استفاده از اسکالرسازی وزنی ارائه می‌دهد. با توجه به اینکه نزدیکی به نقطه ایدآل می‌تواند یکی از ترجیحات تصمیم گیرنده باشد؛ این روش، ترجیحات تصمیم گیرنده را بدون از دست دادن تئوری در نظر می‌گیرد. بنابراین این مقاله رویکردی برای یافتن جواب های کارای سره نزدیک به نقطه ایدآل ارائه می دهد. تفاصيل المقالة

حرية الوصول المقاله

5 - بهینگی غیرهموار برای مسائل بهینه سازی چند هدفه استوار
مریم سعادتی مرتضی اویسی ها

10.30495/jnrm.2022.61621.2111

این مقاله به بررسی مسائل بهینه سازی چندهدفه استوار غیرمحدب/غیرهموار با محدودیت های مساوی و نامساوی نامعین می‌ پردازد. ابتدا با به کارگیری بعضی ابزارهای پیشرفته آنالیز تغییراتی از قبیل اصل تخمین اکسترمال و قاعده جمع فازی ضعیف برای زیردیفرانسیل فرشه،یک شرط بهینگی لازم فاز أکثر

این مقاله به بررسی مسائل بهینه سازی چندهدفه استوار غیرمحدب/غیرهموار با محدودیت های مساوی و نامساوی نامعین می‌ پردازد. ابتدا با به کارگیری بعضی ابزارهای پیشرفته آنالیز تغییراتی از قبیل اصل تخمین اکسترمال و قاعده جمع فازی ضعیف برای زیردیفرانسیل فرشه،یک شرط بهینگی لازم فازی برای مسئله بهینه سازی چندهدفه غیرمحدب / غیرهموار را بدون هرگونه محدودیت به مفهوم زیردیفرانسیل فرشه بدست می‌ آوردیم. سپس با بهره گیری از شرط بهینگی لازم فازی بدست آمده، نسخه غیرهموار قاعده فرما و همچنین فرمول های زیردیفرانسیل حدی برای یک خانواده نامتناهی از توابع غیرهموار، یک شرط بهینگی لازم برحسب زیردیفرانسیل حدی برای جواب های کارای استوار ضعیف مسئله مورد نظربدست می‌آوریم. بعلاوه، مثالی به منظورنشان دادناین شرط برای یک مسئله بهینه سازی چندهدفه نامعین شامل محدودیت های مساوی و نامساوی ارائه می‌گردد. در نهایت، شرایط کافی برای جواب های کارای استوار ضعیف و جواب های کارای استوار این مسائل، با ارائه مفاهیم جدید تحدب تعمیم یافته مورد بررسی قرار می‌گیرد. تفاصيل المقالة

حرية الوصول المقاله

6 - ارائه یک مدل بهینه سازی چندهدفه جهت زمانبندی و مسیریابی پرستاران در ارائه خدمات پزشکی در منزل
حمیدرضا یوسف زاده سمیه هراتی مطلق موسی الرضا شمسیه زاهدی

10.30495/jnrm.2022.68149.2289

امروزه با رشد روزافزون جمعیت و همچنین عواملی مانند افزایش افراد سالمند، افزایش تعداد بیمارانی که ازبیماریهای مزمن رنج می برند، تقاضا برای دریافت مراقبتهای پزشکی در منزل (HHC) در حال افزایش است. مراکز ارائه دهنده خدمات مراقبتی پزشکی همواره به دنبال راهکارهایی جهت برنامه أکثر

امروزه با رشد روزافزون جمعیت و همچنین عواملی مانند افزایش افراد سالمند، افزایش تعداد بیمارانی که ازبیماریهای مزمن رنج می برند، تقاضا برای دریافت مراقبتهای پزشکی در منزل (HHC) در حال افزایش است. مراکز ارائه دهنده خدمات مراقبتی پزشکی همواره به دنبال راهکارهایی جهت برنامه ریزی و زمانبندی دقیق ارائه خدمات مراقبتی - درمانی هستند تا علاوه برکمینه کردن هزینه های خود، میزان رضایت بیماران و پرستاران را بیشینه نمایند. در این راستا، ازیک سو بیمار تمایل دارد تا با در نظر گرفتن مهارت پرستار اختصاص داده شده، در پنجره زمانی مورد ترجیحش ملاقات شود. از سوی دیگر، پرستار نیز ترجیح می دهد که در پنجره زمانی مورد مطلوب خود به ارائه خدمات بپردازد. علاوه بر این موارد، حفظ قوانین ساعت کاری در قرارداد، رعایت بازه های زمانی نرم و سخت ارائه خدمات و استراحت های الزامی از محدودیت هایی هستند که ضروری است در این نوع مسائل در نظر گرفته شوند. اهداف این مقاله کمینه کردن زمان رفت و آمد پرستاران و بیشینه نمودن همزمان سطح رضایت بیماران و پرستاران و همچنین کاهش ساعات اضافه کاری پرستاران می باشد که با در نظر گرفتن ترجیحات پرستاران و بیماران و اختصاص استراحت های اجباری به پرستاران بعد از مدت زمان کاری مشخص،در قالب یک مدل برنامه ریزی ریاضی چندهدفه ارائه می گردد. در ادامه به منظوربررسی و تحلیل عملکرد مدل پیشنهادی، با در نظر گرفتن معیار توقف بر روی زمان حل مسئله، مدل پیشنهادی را بر روی مجموعه ای از مسائل تصادفی متفاوت مورد آزمون قرار می دهیم. تفاصيل المقالة

حرية الوصول المقاله

7 - بهینه‌سازی چندهدفه تکاملی برای معاملات جفتی چند متغیره در بورس اوراق بهادار تهران: رویکرد هم‌انباشتگی
حسین نیکو جمال برزگری خانقاه حمید رضا میرزایی

10.30495/jfksa.2023.22391

استراتژی معاملات جفتی یکی از قدیمی‌ترین و رایج‌ترین استراتژی‌های آربیتراژ آماری محسوب می‌شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسئله در نظر نمی‌گیر أکثر

استراتژی معاملات جفتی یکی از قدیمی‌ترین و رایج‌ترین استراتژی‌های آربیتراژ آماری محسوب می‌شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسئله در نظر نمی‌گیرد. مسئله اصلی پژوهش حاضر ارائه روشی است که ترکیب‌های جفتی چند متغیره را با در نظر گرفتن اهداف متناقض چندگانه و تمرکز بر رویکرد هم‌انباشتگی ایجاد کند. لذا ترکیبی از سهام در دو هدف متضاد ریسک (بازگشت به میانگین) و بازده (واریانس اسپرد) بهینه می‌شوند تا مجموعه‌ای از فرصت‌های معاملات جفتی چند متغیره سودآور را تشکیل دهند. جامعه آماری، شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران هستند. نمونه آماری به‌واسطه نیاز به معاملات پربسامد از 50 شرکت برتر محدود شده است. مسئله در قالب یک مدل برنامه‌ریزی عدد صحیح مختلط (MIP) تدوین، و به دلیل محدودیت‌های غیرمحدب و فضای حل نمایی از الگوریتم ژنتیک چندهدفه برای به دست آوردن ترکیب‌های جفتی استفاده شده است. برای دستیابی به اهداف چندگانه، از نوع توسعه‌یافته الگوریتم ژنتیک؛ الگوریتم ژنتیک مرتب‌سازی نامغلوب آشوبناک (CNSGA-II) استفاده گردید. برای به دست آوردن راه حل های مناسب و با دقت بالا، از تئوری آشوب در ایجاد جمعیت اولیه الگوریتم ژنتیک استفاده شده است. تحقیقات نشان داده که استفاده از نظریه آشوب می‌تواند میزان همگرایی را در الگوریتم‌های تکاملی افزایش دهد. نتایج آزمایش های این پژوهش نشان می‌دهد که استراتژی های معاملات جفتی چند هدفه با تمرکز بر رویکرد هم‌انباشتگی نسبت به مدل تک هدفه سنتی از برتری معناداری برخوردار است. تفاصيل المقالة

حرية الوصول المقاله

8 - بهینه‌سازی چند‌هدفه شبکه تامین فرآورده‌های خونی به منظور حداقل‌سازی زمان ارسال و میزان تقاضای برآورد نشده بیمارستانی
زینب کاظمی مهدی همایون فر مهدی فدایی منصور صوفی علی صالح زاده

10.30495/jhm.2022.65916.11027

مقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میز أکثر

مقدمه: با توجه به اهمیت خون به عنوان یک عنصر حیاتی در سیستم سلامت، در این پژوهش، زنجیره تامین خون در سه سطح اهداکنندگان، بانک‌ها (مراکز خون) و بیمارستان‌ها در قالب یک مدل چندهدفه به منظور حداقل سازی مجموع هزینه‌ها، حداقل‌سازی زمان کلی ارسال واحدهای خونی و حداقل سازی میزان تقاضای برآورد نشده بیمارستان ها در هر دوره، مدل سازی شده است.روش پژوهش: پژوهش حاضر از نظر هدف، کاربردی، از نظر روش توصیفی و از نوع کمی است. داده های مورد نیاز برای پیاده‌سازی مساله واقعی در سال 1400 با مراجعه به دفتر منطقه ای سازمان انتقال خون استان تهران و با همکاری سیستم نگاره گردآوری شده است. با توجه به ماهیت Np-hard مساله، مدل پیشنهادی با استفاده از سه الگوریتم ژنتیک، NSGAII و MOPSO در نرم افزار گمز حل شده است.یافته‌ها: در مدل پیشنهادی، تطابق گروه های خونی در تامبن تقاضا، سیستم صف، تخصیص گروه های خونی در آزمایشگاه ها و بانک‌های خون، هدر رفت خون در آزمایشگاه، انتقال محصولات بین مراکز تقاضا و نیز پارامترهای حساس و تعیین کننده ای مدل مانند؛ پارامتر تقاضا، اهدای خون و زمان حمل محصولات خونی بین اجزای شبکه، به صورت غیرقطعی در نظر گرفته شده است. یافته‌ها نشان می دهند که در اجرای مسائل 3، 7، 10 و 12 برای شاخص کیفیت الگوریتم MOPSO دارای عملکرد مناسب‌تری است، اما به طور کلی و بر اساس دفعات اجرا و همچنین میانگین آنها، الگوریتم NSGA-II عملکرد بهتری دارد.نتیجه‌گیری: بر اساس نتایج، مدل ارائه شده منجر به کاهش مجموع هزینه ها، زمان کلی ارسال واحدهای خونی و میزان تقاضای برآورد نشده بیمارستان‌ها می شود. تفاصيل المقالة

حرية الوصول المقاله

9 - بهینه سازی چند هدفه شاکله پنجره به منظور تامین هم زمان مولفه های آسایش بصری و کارایی انرژی از طریق الگوریتم ژنتیک ( نمونه موردی: کلاس درس ابتدایی در تهران- ایران)
مجید مفیدی شمیرانی فیروزه محمدی

حرکت به سوی ساختمان‌های پایدار نیازمند آن است تا تأکید بیشتری بر ارزیابی دقیق عملکرد نور روز و انرژی شود. این امر به خصوص در مورد ساختمان‌های آموزشی دارای اهمیت ویژه است، چرا که تامین میزان نور کافی هم‌زمان با ممانعت از ایجاد خیرگی و نیز کاهش مصرف انرژی در این فضاها چال أکثر

حرکت به سوی ساختمان‌های پایدار نیازمند آن است تا تأکید بیشتری بر ارزیابی دقیق عملکرد نور روز و انرژی شود. این امر به خصوص در مورد ساختمان‌های آموزشی دارای اهمیت ویژه است، چرا که تامین میزان نور کافی هم‌زمان با ممانعت از ایجاد خیرگی و نیز کاهش مصرف انرژی در این فضاها چالش بزرگی محسوب می‌شود. در این مقاله به منظور تامین هم زمان مولفه های آسایش بصری( افزایش روشنایی و کاهش خیرگی) و کارایی انرژی( کاهش مصرف انرژی) در ساختمان‌های آموزشی(کلاس درس مدارس ابتدایی) شهر تهران یک کلاس درس به عنوان مدل پایه مدلسازی پارامتریک شد و شبیه سازی پویای عملکرد نور روز و انرژی بر روی آن انجام گرفت. سپس جهت دستیابی به مقادیر بهینه پارامترهای طراحی پنجره فرآیند بهینه سازی مبتنی بر شبیه سازی از طریق الگوریتم ژنتیک و به صورت اتوماتیک در نرم افزار گرسهاپر بصورت چند هدفه صورت گرفت. نتایج حاصل، لزوم تعدیل شرایط با اولویت وزنی به عملکرد نور روز را نشان می دهند. بهترین راه حل پارتو بر اساس کمترین فاصله تا بهینه جهانی عملکرد بهتری را نسبت به مدل پایه نشان می دهد که میزان بهبود شاخص های UDI،DGP وEUI به ترتیب11، 15و 22 درصد است. تفاصيل المقالة

حرية الوصول المقاله

10 - توسعه یک سامانه چندمخزنه چندمنظوره به عنوان مورد مطالعاتی نمونه در مدیریت سامانه مخازن
سمانه سیف&rlm; اللهی آغمیونی امید بزرگ&rlm; حداد

سامانه‌های منابع آب، مجموعه‌ای از سازه‌ها و تجهیزات می‌باشند که با هدف تأمین آب برای رسیدن به یک حالت مطلوب و حفاظت و استفاده بهینه از منابع آب احداث می‌شوند و نیازمند یک برنامه‌ریزی مناسب هستند. سامانه مخازن به عنوان پرکاربردترین سامانه‌های منابع آب در تأمین نیازهای جو أکثر

سامانه‌های منابع آب، مجموعه‌ای از سازه‌ها و تجهیزات می‌باشند که با هدف تأمین آب برای رسیدن به یک حالت مطلوب و حفاظت و استفاده بهینه از منابع آب احداث می‌شوند و نیازمند یک برنامه‌ریزی مناسب هستند. سامانه مخازن به عنوان پرکاربردترین سامانه‌های منابع آب در تأمین نیازهای جوامع مطرح می‌باشند که عدم مدیریت صحیح و کاربردی آنها می‌تواند منجر به عدم حفاظت از منابع آب و ایجاد خسارات مالی فراوانی شود. تقریباً در تمام مسائلی که در زمینه طراحی، بهره‌برداری و مدیریت این سامانه‌ها وجود دارند، نمونه‌های واقعی از سامانه مخازن مورد مطالعه قرار گرفته و به ازای شرایط و اهداف مورد نظر تحلیل شده‌اند. در حالی که تعریف یک سامانه مخازن نمونه به گونه‌ای که به ازای تمام حالات و برای تمام اهداف متداول قابل بررسی باشد، از اهمیت ویژه‌ای برخوردار است. در تحقیق حاضر، برای اولین بار یک سامانه سه‌مخزنه نمونه با در نظر گرفتن تمام اطلاعات فیزیکی و هیدرولوژیکی و لحاظ کردن سه هدف کلی تولید انرژی برق‌آبی، تأمین تقاضاهای پایین‌دست (کشاورزی، شهری و صنعتی) و کنترل سیلاب ارائه شده است. نتایج نشان داده‌اند که اطلاعات تعیین شده برای این سامانه، کاملاً به صورت منطقی و با روند واقعی تعریف شده‌اند و می‌توانند عملکرد سامانه مخازن را در حالت‌های مختلف تک‌مخزنه یا چندمخزنه و تک‌هدفه یا چندهدفه به خوبی نمایان سازند. به این ترتیب می‌توان از سامانه مخازن تعریف شده به عنوان یک سامانه نمونه در ارائه و توسعه روش‌های مختلف و اثبات مبانی آنها در حل مسائل سامانه مخازن استفاده کرد. تفاصيل المقالة

حرية الوصول المقاله

11 - A Multi-Objective Green Supply Chain: Multi-Product Model Considering Uncertainty
D. Khodadadian R. Radfar A. Tolooei Eshlaghi&lrm;

10.30495/ijim.2022.19857

The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the custo أکثر

The purpose of this research is to provide a mathematical model for designing the purchase, production, and distribution in a multi-level and multi-product supply chain network such that the environmental impact and total costs of supply chain is minimized and the customers' satisfaction level is maximized. According to the results, the proposed NSGAII is a reliable method to find efficient Pareto frontiers in a reasonable time. تفاصيل المقالة

حرية الوصول المقاله

12 - بهبود ذخیره‌سازی در مراکز داده ابری توزیع‌شده با افزایش قابلیت اطمینان با استفاده از الگوریتم‌های هوش جمعی
علیرضا چمکوری سراج الدین کاتبی

10.30495/jce.2022.1964623.1167

امنیت داده‌ها و حفظ حریم خصوصی در مراکز داده یک مسئله مهم است. از نگرانی‌های عمده در امنیت و حفظ حریم خصوصی، ناشی از این واقعیت است که احتمال دسترسی اپراتورهای ابر به اطلاعات حساس وجود دارد. برای بهبود ذخیره‌سازی در مراکز داده ابری توزیع‌شده از الگوریتم بهینه‌سازی ازدحا أکثر

امنیت داده‌ها و حفظ حریم خصوصی در مراکز داده یک مسئله مهم است. از نگرانی‌های عمده در امنیت و حفظ حریم خصوصی، ناشی از این واقعیت است که احتمال دسترسی اپراتورهای ابر به اطلاعات حساس وجود دارد. برای بهبود ذخیره‌سازی در مراکز داده ابری توزیع‌شده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای کپی‌کردن داده‌ها بین مراکز داده استفاده‌شده است. این مقاله به‌طور خلاصه اهداف و محدودیت‌های مشکل ذخیره‌سازی ابر به‌منظور دستیابی به عملکرد خوب با درنظرگرفتن کمترین فاصله انتقال داده، ذخیره‌سازی بهینه در مراکز داده توزیع‌شده با قابلیت اطمینان مبتنی بر الگوریتم PSO بین دو مجموعه داده مرکزی را به دست می‌آورد و سپس یک رویکرد رمزنگاری هوشمند را ارائه می‌دهد که اپراتورهای سرویس ابری نمی‌توانند به‌طور مستقیم از داده‌های جزئی دسترسی پیدا کنند. نتایج عددی نشان می‌دهد که روش پیشنهادی می‌تواند یک استراتژی ذخیره‌سازی ابری خوب را فراهم کند، زمانی که تعداد مراکز داده توزیع برابر باشد می‌توان دفاع از تهدیدات اصلی در ابرها را به‌طور مؤثر انجام داد. تفاصيل المقالة

حرية الوصول المقاله

13 - Pareto Optimum Design of Heat Exchangers based on the Imperialist Competitive Algorithm: A Case Study
Mohammadjavad Mahmoodabadi Soodeh Zarnegar

In this paper, the multi-objective optimum design of shell and tube heat exchangers is investigated. A thermal modelling of an industrial shell and tube heat exchanger is performed using an -NTU method for estimating the shell side heat transfer coefficient and pressure أکثر

In this paper, the multi-objective optimum design of shell and tube heat exchangers is investigated. A thermal modelling of an industrial shell and tube heat exchanger is performed using an -NTU method for estimating the shell side heat transfer coefficient and pressure drop. The efficiency and total cost (includes the capital investment for the equipment and operating cost) are two important parameters in the design of heat exchangers. The fixed parameters and the ranges of the design variables are obtained from a shell and tube recovery heat exchanger in Barez tire production factory located in Kerman city, Iran. The Imperialist Competitive Algorithm (ICA) is used to find the optimal design parameters to achieve the maximum thermal efficiency and minimum consumption cost as the objective functions. The tube inside and outside diameters, tube length and the number of tubes are considered as four design variables. Furthermore, the effects of changing the values of the design variable on the objective functions are independently investigated. At the end, the obtained Pareto front and the related design variables and their corresponding objective functions are presented. تفاصيل المقالة

حرية الوصول المقاله

14 - Design of Optimal PID, Fuzzy and New Fuzzy-PID Controller for CANSAT Carrier System Thrust Vector
A. Kosari H. Jahanshahi A. A. Razavi

In this paper, multi-objective optimization based on Genetic Algorithm is used to find the design variables of PID, fuzzy and new Fuzzy-PID controllers applying for a thrust vector control of CANSAT carrier system. Motion vector control is considered according to the dy أکثر

In this paper, multi-objective optimization based on Genetic Algorithm is used to find the design variables of PID, fuzzy and new Fuzzy-PID controllers applying for a thrust vector control of CANSAT carrier system. Motion vector control is considered according to the dynamic governing equation of the system which is derived using Newton’s method and defined mission in delivering payload into the specific height and flight path angle. The cost functions of the system are position error from the set point and deviation of the vector angle of carrier system with carrier body, where these cost functions must be minimized simultaneously. Results demonstrate that this new Fuzzy-PID controller is superior to other controllers which are exerted in the thrust vector control of a CANSAT carrier system. This Fuzzy-PID is capable of doing the mission with decrease in settling time and rise time with respect to the convenient minimized objective function values. تفاصيل المقالة

حرية الوصول المقاله

15 - Finite Element Crushing Analysis, Neural Network Modelling and Multi-Objective Optimization of the Honeycomb Energy Absorbers
M. Vakili M. Farahani A. Khalkhali

The thin-walled honeycomb structures are one of the most common energy absorber types. These structures are of particular use in different industries due to their high energy absorption capability. In this article, the finite element simulation of honeycomb energy absor أکثر

The thin-walled honeycomb structures are one of the most common energy absorber types. These structures are of particular use in different industries due to their high energy absorption capability. In this article, the finite element simulation of honeycomb energy absorbers was accomplished in order to analyze their crushing behavior. 48 panels with different hexagonal edge length, thickness and branch angle were examined. In the following, the amounts of mean stresses versus the geometric variables using neurotic lattices were considered. Comparison between the finite element results and the obtained neural network model verified the high accuracy of the obtained model. Then the model was optimized by one of the efficient genetic algorithm methods called “Multi-objective Uniform-diversity Genetic algorithm”. The obtained optimum results provide practical information for the design and application of these energy absorbers regards to designer requirement. It was observed that honeycomb energy absorbers with 11.07 mm hexagonal edge length, 0.078 mm wall thickness and 123-degree branch angle have the maximum energy absorption over the panel mass. تفاصيل المقالة

حرية الوصول المقاله

16 - Optimal Robust Design of Sliding-mode Control Based on Multi-Objective Particle Swarm Optimization for Chaotic Uncertain Problems
Mohammadjavad Mahmoodabadi Milad Taherkhorsandi

The aim of this paper is to present an optimal robust Pareto design of sliding-mode control for chaotic uncertain problems. When designing and applying sliding mode control to challenging dynamic systems, it is crucial to gain optimal control effort and minimum tracking أکثر

The aim of this paper is to present an optimal robust Pareto design of sliding-mode control for chaotic uncertain problems. When designing and applying sliding mode control to challenging dynamic systems, it is crucial to gain optimal control effort and minimum tracking errors, simultaneously. In this regard, multi-objective particle swarm optimization (periodic CDPSO) benefiting from crucial factors such as divergence and convergence operators, the leader selection method, and the adaptive elimination technique is utilized to design the optimal control approach via obtaining the Pareto front of objective functions addressing the trade-off between the states errors and control effort. Afterward, the Pareto front acquired by the periodic CDPSO algorithm is contrasted with those obtained via other prominent algorithms in the literature including Sigma method, Modified NSGAII, and MOGA. Eventually, the numerical results elucidate the effectiveness of the proposed optimal control scheme in terms of optimal control effort and minimum tracking errors. تفاصيل المقالة

حرية الوصول المقاله

17 - Pareto Optimal Design of Passive and Active Vehicle Suspension Models
Mohammadjavad Mahmoodabadi Seyed Mehdi Mortazavi Yazdi

It would be difficult to deny the importance of optimization intheareasof science and technology. This is in fact, one of the most critical steps in any design process. Even small changes inoptimization can improve dramatically upon any process orelementwithin a process أکثر

It would be difficult to deny the importance of optimization intheareasof science and technology. This is in fact, one of the most critical steps in any design process. Even small changes inoptimization can improve dramatically upon any process orelementwithin a process. However, determining whetheran optimization approach willimprove on an original design is usually a question that its response in this study has led to an optimal design out of an existing car model. First of all, the optimization of a passive car-quarter model has been accomplished by means of a genetic algorithm. This initial optimization gives a figure of points named ''Pareto optimum points''. Secondly, through selecting a point amongst them, the design of active model has been completed and optimized based on genetic algorithm. Continuing with this thought, a similar process has been also accomplishedwith a car-half vehicle model with five degrees of freedom. Though the last optimized active model may prove a more reliable efficient design due to the more comprehensive feature related to the degrees of freedom, the results of each optimization should be considered and maysupply equally attractive anddiverse choicesas well. Anyway, let's focus on the final purposewhich is to reduce the vibrations as much as possible. This is what is observed through all the optimization jobs in this study. Comparison of these results with those reported in the literature affirms the excellence of the proposed optimal designs. تفاصيل المقالة

حرية الوصول المقاله

18 - Multi-Objective Optimization of Loading Paths for Double-Layered Tube Hydroforming using Finite Element Analysis
Hamed Ebrahimi Keshmarzi Ramin Hashemi Reza Madoliat

One of the most important studies in tube hydroforming process is optimization of loading paths. The primary purpose of this research is to maximize formability by detecting the optimal forming parameters. The most significant settings in the prosperity of tube hydrofor أکثر

One of the most important studies in tube hydroforming process is optimization of loading paths. The primary purpose of this research is to maximize formability by detecting the optimal forming parameters. The most significant settings in the prosperity of tube hydroforming process, are internal pressure and end axial feed (i.e., load path). In this paper, a finite element analysis was performed for a double-layered tube hydroforming process using the ABAQUS/Explicit software. Then, the finite element model has been verified with published experimental data. Using design of experiments (DOE) working with the Taguchi method, 32 loading paths are designed for optimization. All 32 loading paths are modelled using the finite element method in ABAQUS/Explicit and the magnitudes of bulge height and the total thickness of tubes at the branch tip are obtained in each loading path. The regression analysis is carried out to estimate the tubes formability and obtain objective functions that are bulge height and the total thickness of tubes at the protrusion peak as functions of loading parameters (internal pressure and axial feed). For solving the multi-objective optimization problem, the non-dominated sorting genetic algorithm II (NSGA-II) is utilized and the optimum results were obtained from the Pareto optimal front. Finally, the optimized loading path was applied to the finite element model and better formability (3.4% increase in the bulge height) has been achieved in the results. تفاصيل المقالة

حرية الوصول المقاله

19 - Multi-Objective Optimization of Plate Heat Exchangers by Employing an Imperialist Competitive Algorithm
Mohammadjavad Mahmoodabadi Soodeh Zarnegar

10.30486/admt.2022.1949157.1332

In this paper, the multi-objective optimum design of plate fin heat exchangers is investigated. To this end, the efficiency and cost as two important factors for the design of heat exchangers are regarded as the objective functions. Fin pitch, fin height, fin offset len أکثر

In this paper, the multi-objective optimum design of plate fin heat exchangers is investigated. To this end, the efficiency and cost as two important factors for the design of heat exchangers are regarded as the objective functions. Fin pitch, fin height, fin offset length, cold stream flow length, no-flow length and hot stream flow length are considered as six design parameters. The ε-NTU method is applied to estimate the heat exchanger pressure drop and its effectiveness. A case study related to a gas furnace in Barez tire group located in the northwest of Kerman, Iran is considered for the constant parameters. The Imperialist Competitive Algorithm (ICA) is used to find the optimal design parameters to achieve the maximum thermal efficiency and minimum consumption cost. The method of the weighting coefficients is applied to change the considered multi-objective optimization problem as a single objective one. Furthermore, the effects of variations of the design parameters on the objective functions are independently investigated, and the related graphs are presented. تفاصيل المقالة

حرية الوصول المقاله

20 - Reliability-Based Robust Multi-Objective Optimization of Friction Stir Welding Lap Joint AA1100 Plates
E Sarikhani A Khalkhali

10.22034/jsm.2019.1877986.1493

The current paper presents a robust optimum design of friction stir welding (FSW) lap joint AA1100 aluminum alloy sheets using Monte Carlo simulation, NSGA-II and neural network. First, to find the relation between the inputs and outputs a perceptron neural network mode أکثر

The current paper presents a robust optimum design of friction stir welding (FSW) lap joint AA1100 aluminum alloy sheets using Monte Carlo simulation, NSGA-II and neural network. First, to find the relation between the inputs and outputs a perceptron neural network model was obtained. In this way, results of thirty friction stir welding tests are used for training and testing the neural network. Using such obtained neural network model, for the reliability robust design of the FSW, a multi-objective genetic algorithm is employed. In this way, the statistical moments of the forces, temperature, strength, elongation, micro-hardness of welded zone, grain size and welded zone thickness are considered as the conflicting objectives. The optimization process was followed by multi criteria decision making process, NIP and TOPSIS, to propose optimum points for each of the pin profiles. It is represented that some beneficial design principles are involved in FSW which were discovered by the proposed optimization process. تفاصيل المقالة

حرية الوصول المقاله

21 - Constrained Multi-Objective Optimization Problems in Mechanical Engineering Design Using Bees Algorithm
A Mirzakhani Nafchi A Moradi

Many real-world search and optimization problems involve inequality and/or equality constraints and are thus posed as constrained optimization problems. In trying to solve constrained optimization problems using classical optimization methods, this paper presents a Mult أکثر

Many real-world search and optimization problems involve inequality and/or equality constraints and are thus posed as constrained optimization problems. In trying to solve constrained optimization problems using classical optimization methods, this paper presents a Multi-Objective Bees Algorithm (MOBA) for solving the multi-objective optimal of mechanical engineering problems design. In the present study, a satellite heat pipe design, a space truss design and pressure vessel problems are considered. Multi-objective optimization using the bees algorithm which is a new multi-object obtain a set of geometric design parameters, leads to optimum solve. This method is developed in order to obtain a set of geometric design parameters leading to minimum heat pipe mass and the maximum thermal conductance. Hence, a set of geometric design parameters, lead to minimum pressure total cost and maximum pressure vessel volume. Numerical results reveal that the proposed algorithm can find better solutions when compared to other heuristic or deterministic methods and is a powerful search algorithm for various engineering optimization problems. تفاصيل المقالة

حرية الوصول المقاله

22 - Uncertain Entropy as a Risk Measure in Multi-Objective Portfolio Optimization
Mahsa mahmoodvandgharahshiran Gholamhossein Yari Mohammad Hassan Behzadi

10.22034/amfa.2023.1971454.1815

As we are looking for knowledge of stock future returns in portfolio optimization, we are practically faced with two principal concepts: Uncertainty and Information about variables. This paper attempts to introduce a pragmatic bi-objective investment model based on unce أکثر

As we are looking for knowledge of stock future returns in portfolio optimization, we are practically faced with two principal concepts: Uncertainty and Information about variables. This paper attempts to introduce a pragmatic bi-objective investment model based on uncertainty, instead of probability space and information theory, instead of variance and other moments as a risk measure for portfolio optimization. Not only is uncertainty space expected to be more in line with investment theory, but also, applying and learning this approach seems more straightforward and practical for novice investors. The proposed model simultaneously maximizes the uncertain mean of stock returns and minimizes uncertain entropy as a measure of portfolio risk. The uncertain zigzag distribution has been used for variables to avoid the complexity of fitting distributions for data. This uncertain mean-entropy portfolio optimization (UMEPO) has been solved by three meta-heuristic methods of multi-objective optimization: NSGA-II, MOPS, and MOICA. Finally, it was observed that the optimal portfolio obtained from the proposed model has a higher return and a lower entropy as a risk measure compared to the same model in the probability space. تفاصيل المقالة

حرية الوصول المقاله

23 - The Improvement of System Reliability Optimization Model and Finding an Optimal Solution
Seyed-Jafar Sadjadi Saeed Jafari

When a production facility is designed, there are various parameters affecting the number machines such as production capacity and reliability. It is often a tedious task to optimize different objectives simultaneously. The other issue is the uncertainty in many design أکثر

When a production facility is designed, there are various parameters affecting the number machines such as production capacity and reliability. It is often a tedious task to optimize different objectives simultaneously. The other issue is the uncertainty in many design parameters which makes it difficult to reach a desirable solution. In this paper, we present a new mathematical model with two objectives. The primary objective function is considered to be the production capacity and the secondary objective function is total reliability. The proposed model is formulated on different units of production which are connected together in serial form and for each unit, we may have various machines. The resulted model is formulated using recent advances of robust optimization and solution procedure is analyzed with some numerical examples. تفاصيل المقالة

حرية الوصول المقاله

24 - زمانبندی دو هدفه جریان کارگاهی مختلط با تقریب پارتو در یک منطقه مشخص
Seyed Mostafa Mousavi

این تحقیق، مساله زمانبندی تولید در محیط جریان کارگاهی مختلط با زمان های آماده سازی وابسته به توالی و با هدف مینیمم کردن ماکزیمم زمان تکمیل کارها و جمع زمان های تاخیر را مورد بررسی قرار می دهد. در گذشته مسائل دو هدفه با یافتن تقریب پارتو از کل فضای مساله (بدون هیچ محدودی أکثر

این تحقیق، مساله زمانبندی تولید در محیط جریان کارگاهی مختلط با زمان های آماده سازی وابسته به توالی و با هدف مینیمم کردن ماکزیمم زمان تکمیل کارها و جمع زمان های تاخیر را مورد بررسی قرار می دهد. در گذشته مسائل دو هدفه با یافتن تقریب پارتو از کل فضای مساله (بدون هیچ محدودیتی) حل شده است. محدودیت در این تحقیق یافتن تقریب پارتو در یک منطقه مشخص شده است. به منظور حل مساله، الگوریتم ژنتیک چند هدفه مبتنی بر رتبه بندی پارتو مورد استفاده قرار گرفته است. در ساختار الگوریتم، دو استراتژی انتخاب جواب برای آرشیو جهت تولید پارتو در یک منطقه مشخص پیشنهاد شده است. پس از تولید مسائل نمونه، الگوریتم ژنتیک با سه استراتژی (دو استراتژی پیشنهادی و استراتژی عمومی در ادبیات) اجرا شده است. استراتژی مناسب براساس جواب-های موثر در آرشیو تعیین شده است. نتایج نشان دهنده این واقعیت است که استراتژی های پیشنهاد شده عملکرد بهتری نسبت به استراتژی در ادبیات نشان داده اند. تفاصيل المقالة

حرية الوصول المقاله

25 - بهینه‌سازی مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل با استفاده از الگوریتم‌های فراابتکاری
سید ایمان هاشمی مرغملکی هادی اسکندری

در این پژوهش، مشخصه های حرارتی و هیدرولیکی سمت پوسته مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل به وسیله الگوریتم های فراابتکاری گرگ خاکستری و ژنتیک به صورت تک هدفه و چند هدفه بهینه سازی می شود. تابع های هدف، ظرفیت انتقال حرارت برای مقدار بیشینه و اتلاف فشار أکثر

در این پژوهش، مشخصه های حرارتی و هیدرولیکی سمت پوسته مبدل حرارتی پوسته-لوله با بافل منفذدار کواترفویل به وسیله الگوریتم های فراابتکاری گرگ خاکستری و ژنتیک به صورت تک هدفه و چند هدفه بهینه سازی می شود. تابع های هدف، ظرفیت انتقال حرارت برای مقدار بیشینه و اتلاف فشار برای مقدار کمینه می باشد. متغیرهای مبدل حرارتی پوسته-لوله برای بهینه سازی عبارتند از: قطر و تعداد لوله ها، عدد رینولدز، فاصله بین بافل ها و ارتفاع منفذ کواترفویل. مقادیر بهینه شده برای آرایش مربع و مثلث دسته لوله ها به دست آمده است. نتایج نشان داده است که برای بیشترین انتقال حرارت بافل کواترفویل مقادیر قطر لوله 03/0 متر، تعداد لوله ها 30 عدد، مقدار عدد رینولدز 20000، ارتفاع منفذ 0018/0 متر و فاصله بین بافل ها 15/0 متر است. برای کمترین مقدار افت فشار قطر لوله ها 03/0 متر برای آرایش مربع و 01/0 متر برای آرایش مثلث، عدد رینولدز 5000، ارتفاع منفذ 003/0 متر و فاصله بین بافل ها 25/0 متر است. در بهینه سازی چند هدفه قطر لوله ها 03/0 متر و تعداد لوله ها 30 عدد حاصل شده است. بهینه سازی به وسیله الگوریتم گرگ خاکستری والگوریتم ژنتیک نتایج یکسانی برای مبدل حرارتی پوسته-لوله با بافل کواتر فویل در بر داشته است. تفاصيل المقالة

حرية الوصول المقاله

26 - بررسی اثر نوع تابع هدف جهت تشخیص آسیب در تیر یکسر گیردار به کمک روش بهینه سازی چند هدفه
جواد خیرالدین احسان جمشیدی علیرضا ارغوان

یکی از مهمترین مسایلی که در صنعت بسیار مورد توجه است، پایش وضعیت است. به عبارتی با این کار عیوب سیستم، قبل از آنکه بتواند مشکل جدی ایجاد کند شناخته شده و به رفع آن پرداخته می شود. در شناسایی آسیب دو روش موجود است، روش مخرب و غیرمخرب و از آن جایی که روش غیرمخرب با هزینه أکثر

یکی از مهمترین مسایلی که در صنعت بسیار مورد توجه است، پایش وضعیت است. به عبارتی با این کار عیوب سیستم، قبل از آنکه بتواند مشکل جدی ایجاد کند شناخته شده و به رفع آن پرداخته می شود. در شناسایی آسیب دو روش موجود است، روش مخرب و غیرمخرب و از آن جایی که روش غیرمخرب با هزینه کمتری همراه است، لذا توجه به این روش بیشتر است. یکی از روشهای شناسایی آسیب غیرمخرب، روش بررسی پارامترهای مودال سازه است. در این روش، با بررسی تغییرات پارامترهای مودال مانند فرکانس های طبیعی و شکل مودها قبل و بعد از آسیب به دنبال محل و میزان تشخیص آسیب در سازه می باشند و از آنجایی که جهت پیدا کردن آسیب با دامنه ی وسیعی از پاسخ برخورد می شود لذا تحقیقات زیادی از روش های بهینه سازی در حل مسئله استفاده کرده اند به همین خاطر با در نظر گرفتن پارامترهای دینامیکی سازه و تغییرات آن که در توابع هدف لحاظ می شود به دنبال بهینه یابی آنها بوده تا بتوانند محل و میزان آسیب را بطور مطلوبی تشخیص دهند. در این تحقیق با استفاده از روش الگوریتم ژنتیک به بررسی آسیب سازه ای پرداخته و با توجه به حضور توابع هدف مختلف، آسیب بررسی شده و دقت پاسخ به ازای تغییر پارامترهای موجود در الگوریتم به آنالیز حساسیت پرداخته و سپس با استفاده از توابع هدف مختلف و بهینه یابی الگوریتم ژنتیک چند هدفه پاسخ مناسب بدست آمده است. تفاصيل المقالة

حرية الوصول المقاله

27 - An Approach to Reducing Overfitting in FCM with Evolutionary Optimization
Seyed Mahmood Hashemi

Fuzzy clustering methods are conveniently employed in constructing a fuzzy model of a system, but they need to tune some parameters. In this research, FCM is chosen for fuzzy clustering. Parameters such as the number of clusters and the value of fuzzifier significantly أکثر

Fuzzy clustering methods are conveniently employed in constructing a fuzzy model of a system, but they need to tune some parameters. In this research, FCM is chosen for fuzzy clustering. Parameters such as the number of clusters and the value of fuzzifier significantly influence the extent of generalization of the fuzzy model. These two parameters require tuning to reduce the overfitting in the fuzzy model. Two new cost functions are developed to set the parameters of FCM algorithm properly and the two evolutionary optimization algorithms, i.e. the multi-objective simulated annealing and the multi-objective imperialist competitive algorithm, are employed to optimize the parameters of FCM according to the proposed cost functions. The multi-objective imperialist competitive algorithm is the proposed algorithm. تفاصيل المقالة

حرية الوصول المقاله

28 - Meta-heuristic Algorithms for an Integrated Production-Distribution Planning Problem in a Multi-Objective Supply Chain
Abolfazl Kazemi Fatemeh Kangi Maghsoud Amiri

In today's globalization, an effective integration of production and distribution plans into a unified framework is crucial for attaining competitive advantage. This paper addresses an integrated multi-product and multi-time period production/distribution planning probl أکثر

In today's globalization, an effective integration of production and distribution plans into a unified framework is crucial for attaining competitive advantage. This paper addresses an integrated multi-product and multi-time period production/distribution planning problem for a two-echelon supply chain subject to the real-world variables and constraints. It is assumed that all transportations are outsourced to third-party logistics providers and all-unit quantity discounts in transportation costs are taken into consideration. The problem has been formulated as a multi-objective mixed-integer linear programming model which attempts to simultaneously minimize total delivery time and total transportation costs. Due to the complexity of the considered problem, genetic algorithm (GA) and particle swarm optimization (PSO) algorithm are developed within the LP-metric method and desirability function framework for solving the real-sized problems in reasonable computational time. As the performance of meta-heuristic algorithms is significantly influenced by calibrating their parameters, Taguchi methodology has been used to tune the parameters of the developed algorithms. Finally, the efficiency and applicability of the proposed model and solution methodologies are demonstrated through several problems in different sizes تفاصيل المقالة

حرية الوصول المقاله

29 - A Multi-Objective Particle Swarm Optimization for Mixed-Model Assembly Line Balancing with Different Skilled Workers
Parviz Fattahi Parvaneh Samouei

10.22094/joie.2016.246

This paper presents a multi-objective Particle Swarm Optimization (PSO) algorithm for worker assignment and mixed-model assembly line balancing problem when task times depend on the worker’s skill level. The objectives of this model are minimization of the number أکثر

This paper presents a multi-objective Particle Swarm Optimization (PSO) algorithm for worker assignment and mixed-model assembly line balancing problem when task times depend on the worker’s skill level. The objectives of this model are minimization of the number of stations (equivalent to the maximization of the weighted line efficiency), minimization of the weighted smoothness index and minimization of the total human cost for a given cycle time. In addition, the performance of proposed algorithm is evaluated against a set of test problems with different sizes. Also, its efficiency is compared with a Simulated Annealing algorithm (SA) in terms of the quality of objective functions. Results show the proposed algorithm performs well, and it can be used as an efficient algorithm. This paper presents a multi-objective Particle Swarm Optimization (PSO) algorithm for worker assignment and mixed-model assembly line balancing problem when task times depend on the worker’s skill level. The objectives of this model are minimization of the number of stations (equivalent to the maximization of the weighted line efficiency), minimization of the weighted smoothness index and minimization of the total human cost for a given cycle time. In addition, the performance of proposed algorithm is evaluated against a set of test problems with different sizes. Also, its efficiency is compared with a Simulated Annealing algorithm (SA) in terms of the quality of objective functions. Results show the proposed algorithm performs well, and it can be used as an efficient algorithm تفاصيل المقالة

حرية الوصول المقاله

30 - Multi-Objective Optimization for Multi-Product Multi-Period Four Echelon Supply Chain Problems Under Uncertainty
Md Mashum Billal Md. Mosharraf Hossain

10.22094/joie.2018.555578.1529

The multi-objective optimization for a multi-product multi-period four-echelon supply chain network consisting of manufacturing plants, distribution centers (DCs) and retailers each with uncertain services and uncertain customer nodes are aimed in this paper. The two ob أکثر

The multi-objective optimization for a multi-product multi-period four-echelon supply chain network consisting of manufacturing plants, distribution centers (DCs) and retailers each with uncertain services and uncertain customer nodes are aimed in this paper. The two objectives are minimization of the total supply chain cost and maximization of the average number of products dispatched to customers. The decision variables are the number and the locations of reliable DCs and retailers, the optimum number of items produced by plants, the optimum quantity of transported products, the optimum inventory of products at DCs, retailers and plants, and the optimum shortage quantity of the customer nodes. The problem is first formulated into the framework of a constrained multi-objective mixed integer linear programming model. After that, the problem is solved by using meta-heuristic algorithms that are Multi-objective Genetic Algorithm (MOGA), Fast Non-dominated Sorting Genetic Algorithms (NSGA-II) and Epsilon Constraint Methods via the MATLAB software to select the best in terms of the total supply chain cost and the total expected number of products dispatched to customers simultaneously. At the end, the performance of the proposed multi-objective optimization model of multi-product multi-period four-echelon supply chain network design is validated through three realizations and an innumerable of various analyses in a real world case study of Bangladesh. The obtained outcomes and their analyses recognize the efficiency and applicability of the proposed model under uncertainty. تفاصيل المقالة

حرية الوصول المقاله

31 - A Simulated Annealing Algorithm for Multi Objective Flexible Job Shop Scheduling with Overlapping in Operations
Mehrzad Abdi Khalife Babak Abbasi Amirhossein Kamali Dolat abadi

In this paper, we considered solving approaches to flexible job shop problems. Makespan is not a good evaluation criterion with overlapping in operations assumption. Accordingly, in addition to makespan, we used total machine work loading time and critical machine work أکثر

In this paper, we considered solving approaches to flexible job shop problems. Makespan is not a good evaluation criterion with overlapping in operations assumption. Accordingly, in addition to makespan, we used total machine work loading time and critical machine work loading time as evaluation criteria. As overlapping in operations is a practical assumption in chemical, petrochemical, and glass industries, we used simulated annealing algorithm for multi-objective flexible job shop scheduling problem with overlapping in operations to find a suitable solution. To evaluate performance of the algorithm, we developed a mixed integer linear programming model, and solved it with the classical method (branch and bound). The results showed that in small size problems, the solutions of the proposed algorithm and the mathematical model were so close, and in medium size problems, they only had lower and upper bounds of solution and our proposed algorithm had a suitable solution. We used an experimental design for improving the proposed algorithm. تفاصيل المقالة

حرية الوصول المقاله

32 - Multi-objective and Scalable Heuristic Algorithm for Workflow Task Scheduling in Utility Grids
Vahid Kahejvand Hossein Pedram Mostafa Zandieh

To use services transparently in a distributed environment, the Utility Grids develop a cyber-infrastructure. The parameters of the Quality of Service such as the allocation-cost and makespan have to be dealt with in order to schedule workflow application tasks in the U أکثر

To use services transparently in a distributed environment, the Utility Grids develop a cyber-infrastructure. The parameters of the Quality of Service such as the allocation-cost and makespan have to be dealt with in order to schedule workflow application tasks in the Utility Grids. Optimization of both target parameters above is a challenge in a distributed environment and may conflict one another. We, therefore, present a novel heuristic algorithm for scheduling a workflow application on Utility Grids. Our proposed algorithm optimizes the allocation-cost and makespan in a scalable and very low runtime. The results of the wide-spread simulation indicate that the proposed algorithm is scalable against an increase in the application size and task parallelism of the application. The proposed algorithm effectively outperforms the current algorithms in terms of the allocation-cost, makespan and runtime scalability. تفاصيل المقالة

حرية الوصول المقاله

33 - Multi-Objective Optimization for Coverage Aware Sensor Node Scheduling in Directional Sensor Networks
Nemat Mottaki Homayun Motameni Hosein Mohamadi

The directional sensor networks (DSNs) are mainly focused to prolong the network lifetime and to optimize the energy consumption of sensors. The number of sensors deployed in an environment is much higher than those required for providing the coverage; therefore, the en أکثر

The directional sensor networks (DSNs) are mainly focused to prolong the network lifetime and to optimize the energy consumption of sensors. The number of sensors deployed in an environment is much higher than those required for providing the coverage; therefore, the energy-aware methods are needed to select the sensors. Coverage is considered a major problem in DSNs and is a criterion for quality of service (QOS).In this regard, the sensor scheduling method has been discussed by researchers to prolong the sensor lifetime in a network. The present paper proposes an NSGAII-based algorithm to solve the sensors 'scheduling. This paper aimed at finding a practical solution in solving the multi-objective problems by using the multi-objective evolutionary algorithm method. There are two parameters presented for evaluating the solutions, including the number of sensors, the target coverage. To confirm the high performance of the proposed algorithm, it was compared with the recently presented algorithm. According to the simulation findings, the algorithm had better results in the comparison parameters. تفاصيل المقالة

حرية الوصول المقاله

34 - A Novel Approach for Solving Linear Programming Problems with Intuitionistic Fuzzy Numbers
Ali Mahmoodirad

10.30495/fomj.2023.1995970.1113

The literature of linear programming problem with trapezoidal intuitionistic parameters is full of solution approaches which are mainly ranking function based. Use of ranking function in the solution approaches could be a weakness as different ranking functions mag give أکثر

The literature of linear programming problem with trapezoidal intuitionistic parameters is full of solution approaches which are mainly ranking function based. Use of ranking function in the solution approaches could be a weakness as different ranking functions mag give different solutions. This paper, proposes a new solution approach without any ranking function for linear programming problem with trapezoidal intuitionistic parameters. For this aim, the trapezoidal intuitionistic fuzzy objective function is converted to a multi-objective function, and consequently, the problem is converted to a multi-objective crisp problem. As another contribution, in order to solve the obtained multi-objective problem for its efficient solutions, a new multi-objective optimization approach was developed and suited to the obtained multi-objective problem. The computational experiments of the study show the superiority of the proposed multi-objective optimization approach over the multi-objective optimization approaches of the literature. تفاصيل المقالة

حرية الوصول المقاله

35 - Non-dominated DEA cross efficiency scores; a secondary goal approach
سعید شاه قبادی عباس قماشی فرهاد مرادی

Data envelopment analysis (DEA) is a non-parametric programming method for evaluating the relative efficiency of a set of peer decision-making units (DMUs) with multiple inputs and multiple outputs. The DEA cross-efficiency method is a well-known method that use to eval أکثر

Data envelopment analysis (DEA) is a non-parametric programming method for evaluating the relative efficiency of a set of peer decision-making units (DMUs) with multiple inputs and multiple outputs. The DEA cross-efficiency method is a well-known method that use to evaluate and ranking a set of peer decision-making units. Whenever a DMU intends to evaluate other DMUs, it faces the problem of non-uniqueness optimal weights of DEA models. Because different weights give us different cross-scores and subsequently different cross-efficiencies scores and this will confuse the decision-maker to make an ultimate decision. The main drawback of this method is the alternate optimal solution set of the DEA model. The main purpose of this study is to propose an approach to this problem to generate non-dominated DEA cross-efficiency scores. We propose a linear programming secondary goal model to select a set of optimal weights for each DMU. Our proposed method is not only simpler than other methods presented with the same purpose, but also does not go beyond the main method. تفاصيل المقالة

حرية الوصول المقاله

36 - Feature Selection And Clustering By Multi-objective Optimization
Seyedeh Mohtaram Daryabari Farhad Ramezani

In this paper, feature selection and clustering is formulated simultaneously by using evolutional multi-objective algorithm. Archived multi-objective NSGA-II is hybridized with k-medoids algorithm to use global searching capabilities of GA with local searching capabilit أکثر

In this paper, feature selection and clustering is formulated simultaneously by using evolutional multi-objective algorithm. Archived multi-objective NSGA-II is hybridized with k-medoids algorithm to use global searching capabilities of GA with local searching capabilities of k-medoids for suitable centers of clusters and selecting suitable subset of features identifying the correct partitioning. Number of clusters should be determined as an input parameter by user. After determining number of clusters, archive string be generate randomly. In every solution of archived, center of clusters and features is determined. Objective functions are inter-cluster distance, intra-cluster distance and number of feature selection. Three objective functions are optimized simultaneously for partitioning and feature selection. Crossover and mutation operators are modified to solve the problem. In order to selecting final solution from pareto front, are modified to solve the problem is calculated. The Proposed algorithm were compared with other three clustering algorithms on seven UCI standard datasets and could improve results averagely 0.09 percent compared to FeaClusMoo, 0.28 percent compared to VGAPS-Clustering and 0.49 percent compared to K-means. تفاصيل المقالة

حرية الوصول المقاله

37 - An Improved Particle Swarm Optimization Algorithm for Energy Management in Distribution Grid Considering Distributed Generators
Hossein Lotfi Reza Ghazi Mohammad Bagher Naghibi Sistani

This study proposes, a novel approach for optimal energy management’s problem and capacitor switching in the distribution network at the presence of distributed generators, energy storage units and solar photovoltaic arrays. Modern distribution networks, in additi أکثر

This study proposes, a novel approach for optimal energy management’s problem and capacitor switching in the distribution network at the presence of distributed generators, energy storage units and solar photovoltaic arrays. Modern distribution networks, in addition to the importance of economic issues, must operate at an acceptable level of system reliability, Failure to pay attention to the reliability importance can lead to irreparable damages in the distribution network. Toward this end, energy not supplied as a reliability index along with operation cost are considered as objective functions. Also, the effect of uncertainty resources related to solar photovoltaic arrays power generation and electricity price are considered in the optimization problem evaluations. Considering the effects of distributed generators and energy storage units causes the proposed problem more be complicated, for this reason, an improved particle swarm optimization algorithm is provided to deal the complexity of the problem. The proposed algorithm is tested in the IEEE 33-node test system, and its superiorities are shown through comparison with other evolutionary algorithms. تفاصيل المقالة

حرية الوصول المقاله

38 - An Efficient Three-Stage Yield Optimization Technique for Analog Circuits Using Evolutionary Algorithms
Abbas Yaseri Mohammad Hossein Maghami Mehdi Radmehr

In addition to the improved calculation of the parameter values, a high yield estimation is necessary for designing analog integrated circuits. Although Monte-Carlo (MC) simulation is popular and precise for yield estimation; however, its efficiency is not high enough a أکثر

In addition to the improved calculation of the parameter values, a high yield estimation is necessary for designing analog integrated circuits. Although Monte-Carlo (MC) simulation is popular and precise for yield estimation; however, its efficiency is not high enough and it requires too many costly transistor-level simulations. Therefore, some accelerated methods are needed for MC simulations. This paper presents a novel approach for improving automated analog yield optimization using a three-stage strategy. Firstly, critical solutions are recognized using Critical Analysis (CA) and Multi-objective Optimal Computing Budget Allocation (MOCBA). Then they are separated from non-critical answers. It's so helpful to avoid repeating the Monte Carlo (MC) simulations of non-critical solutions. Due to the existence of several objective functions (typically more than one) in the yield optimization problem, by using the Multi-Objective Optimization (MOO) in the second stage, more precise answers can be found. Finally, MC simulations are performed to explore the proposed algorithm performance. Simulation results show that our approach locates higher quality in terms of yield rate within less run time and without affecting the accuracy. تفاصيل المقالة

حرية الوصول المقاله

39 - Task Scheduling Using Particle Swarm Optimization Algorithm with a Selection Guide and a Measure of Uniformity for Computational Grids
Mona Torabi

In this paper, we proposed an algorithm for solving the problem of task scheduling using particle swarm optimization algorithm, with changes in the Selection and removing the guide and also using the technique to get away from the bad, to move away from local extreme an أکثر

In this paper, we proposed an algorithm for solving the problem of task scheduling using particle swarm optimization algorithm, with changes in the Selection and removing the guide and also using the technique to get away from the bad, to move away from local extreme and diversity. Scheduling algorithms play an important role in grid computing, parallel tasks Scheduling and sending them to appropriate resources. The proposed method has less Makespan and price. In addition to implementing a grid computing system, the proposed method which is using three standard test functions in evolutionary multi-objective optimization is evaluated. In this paper, the number of elements in the assessment of the Pareto optimizes set, uniformity and error. The results show that this Search method has more optimization in particle number density and high accuracy with less error than the MOPSO and can be replaced as an effective solution for solving multi-objective optimization. تفاصيل المقالة

حرية الوصول المقاله

40 - Multi-objective design of fuzzy logic controller in supply chain
Mahdi Ghane Mohammad Jafar Tarokh Jafar Tarokh

Unlike commonly used methods, in this paper, we have introduced a new approach for designing fuzzy controllers. In this approach, we have simultaneously optimized both objective functions of a supply chain over a two-dimensional space. Then, we have obtained a spectrum أکثر

Unlike commonly used methods, in this paper, we have introduced a new approach for designing fuzzy controllers. In this approach, we have simultaneously optimized both objective functions of a supply chain over a two-dimensional space. Then, we have obtained a spectrum of optimized points, each of which represents a set of optimal parameters which can be chosen by the manager according to the importance of objective functions. Our used supply chain model is a member of inventory and order-based production control system family, a generalization of the periodic review which is termed ‘Order-Up-To policy.’ An auto rule maker, based on non-dominated sorting genetic algorithm-II, has been applied to the experimental initial fuzzy rules. According to performance measurement, our results indicate the efficiency of the proposed approach. تفاصيل المقالة

حرية الوصول المقاله

41 - Multi-objective Dynamic Planning of Substations and Primary Feeders Considering Uncertainties and Reliability
Masoumeh Karimi Mahmoud Reza Haghifam

This research uses a comprehensive method to solve a combinatorial problem of distribution network expansion planning (DNEP) problem. The proposed multi-objective scheme aims to improve power system's accountability and system performance parameters, simultaneously, in أکثر

This research uses a comprehensive method to solve a combinatorial problem of distribution network expansion planning (DNEP) problem. The proposed multi-objective scheme aims to improve power system's accountability and system performance parameters, simultaneously, in the lowest possible costs. The dynamic programming approach is implemented in order to find the optimal sizing, siting and timing of HV/MV substations, feeders and distributed generations. Based on the input data, the results should be closer to the reality. So, the relevant uncertainties must well incorporate in DNEP modeling to achieve the best possible strategy. The most important uncertainties are the load forecasting, market price errors as well as the uncertainties related to the intermittent nature of the output power of renewable energy resources. Given that DNEP is a multi-objective optimization problem including several objective functions such as: cost based function, voltage deviation, voltage stability factor and measuring the amount of produced emission. NSGA-II as an appropriate alternative results several non-dominated solutions where finally fuzzy set theory is used to select the best compromise solution among them. The proposed scheme is applied to 54-bus system distribution network. The comparison study validates the efficiency of suggested method in the presence of distributed generations. تفاصيل المقالة

حرية الوصول المقاله

42 - Fuzzy PID Tuned by a Multi-Objective Algorithm to Solve Load Frequency Control Problem
Ehsan Tehrani Amir Reza Zare Bidaki Mohsen Farahani

Abstract In this paper, a fuzzy PID with new structure is proposed to solve the load frequency control in interconnected power systems. in this study, a new structure and effective of the fuzzy PID-type Load frequency control (LFC) is proposed to solve the load frequenc أکثر

Abstract In this paper, a fuzzy PID with new structure is proposed to solve the load frequency control in interconnected power systems. in this study, a new structure and effective of the fuzzy PID-type Load frequency control (LFC) is proposed to solve the load frequency control in interconnected power systems. The main objective is to eliminate the deviations in the frequency of different areas and tie-line power flow with the minimum settling time. In the structure of fuzzy PID, four gains are adjusted by a multi-objective algorithm. The genetic algorithm (GA) is used to generate the Pareto front. The best compromise solution from the obtained Pareto set is then chosen by a Fuzzy-based approach. In addition, we suggest a new control strategy based on the fuzzy PID for the LFC problem. The simulation results show that the frequency and tie-line power flow deviations are effectively damped and settling time in responses is considerably reduced. تفاصيل المقالة

حرية الوصول المقاله

43 - A new hybrid algorithm for multi-objective distribution feeder reconfiguration considering reliability
hossein lotfi

Reducing electricity losses is the main objective in distribution feeder reconfiguration (DFR) problem. Distribution feeder reconfiguration is an optimization problem in power system which is performed through changing switching state. In this study, distribution feeder أکثر

Reducing electricity losses is the main objective in distribution feeder reconfiguration (DFR) problem. Distribution feeder reconfiguration is an optimization problem in power system which is performed through changing switching state. In this study, distribution feeder reconfiguration is optimized in the presence of distributed generators (DGs). In common DFR problems, reliability constraint is not satisfied and power losses or voltage deviation of buses is selected as the objective function. In this study, multi-objective problem is considered as a combination of reliability along with power losses. By adding reliability, the problem becomes more complex and requires an accurate method for solving multi-objective optimization problem. For this purpose, in this paper proposed a new hybrid evolutionary algorithm for solving the DFR problem. The proposed hybrid evolutionary algorithm is the combination of PSO (particle swarm optimization) and SFLA (shuffled frog leaping algorithm), called Improved particle swarm optimization (IPSO). In order to investigate efficiency of the proposed method, two 33-bus and 70-bus test systems are tested and the results are compared with GA and PSO algorithms تفاصيل المقالة

حرية الوصول المقاله

44 - Multi-Objective Distribution Network Analysis Reconfiguration Considering Reliability of Power Supply based on Particle Swarm Optimization
Mostafa Karimi

The distribution dispatcher can modify the overall distribution network configuration without additional investment and resource input by optimizing the switch combination, thus changing the distribution network operating structure. A multi-objective power distribution أکثر

The distribution dispatcher can modify the overall distribution network configuration without additional investment and resource input by optimizing the switch combination, thus changing the distribution network operating structure. A multi-objective power distribution network reconfiguration model optimization algorithm is suggested in this article. The objective function is chosen as the minimum loss and the optimum reliability index of load balance and power supply, which can meet the conditions of load rate and voltage offset while reducing network loss and improving the efficiency and reliability of power. The objective function is chosen as the minimum loss and the optimum reliability index of load balance and power supply, which can meet the conditions of load rate and voltage offset while reducing network loss and improving the efficiency and reliability of power. Finally, an instance is given to check the efficacy of the proposed The multi-objective reconfiguration system of the network and the optimal solution collection of both security and reliability multi-objective network reconfiguration scheme are obtained. تفاصيل المقالة

حرية الوصول المقاله

45 - بهینه‏ سازی چندهدفه سبدسهام با استفاده از برنامه‌ریزی تصادفی چندمرحله‌ای
حامد عسگری جواد بهنامیان

در این تحقیق به ارائه مدلی با توجه به ماهیت داده‌های ورودی مسئله و همچنین ماهیت تصادفی رخدادهای آتی سهم‌ها پرداخته‌ شده است. به ‌منظور پویاسازی سبد سهام، مدل برنامه‌ریزی استفاده‌ شده است که در آن هر یک از زمان‌های تصمیم‌گیری به عنوان یک مرحله در مدل برنامه‌ریزی تصادفی د أکثر

در این تحقیق به ارائه مدلی با توجه به ماهیت داده‌های ورودی مسئله و همچنین ماهیت تصادفی رخدادهای آتی سهم‌ها پرداخته‌ شده است. به ‌منظور پویاسازی سبد سهام، مدل برنامه‌ریزی استفاده‌ شده است که در آن هر یک از زمان‌های تصمیم‌گیری به عنوان یک مرحله در مدل برنامه‌ریزی تصادفی در نظر گرفته‌ شده است. به دلیل وابستگی جواب‌های حاصل از مدل برنامه‌ریزی تصادفی با بازخورد به روش تولید سناریو، به ارائه روش مناسب تولید سناریو با توجه به ماهیت ورودی داده‌های مسئله پرداخته‌ شده است. در نهایت اعتبار مدل ارائه شده پس از حل با نرم‌افزار گمز ارزیابی شده است. همان‌طور که نشان داده‌ شده است استفاده از برنامه‌ریزی تصادفی با بازخورد و ترکیب آن با روش تولید سناریوی معرفی شده، این امکان را به سرمایه‌گذاران می‌دهد که بتوانند برنامه‌ریزی‌های کوتاه‌مدت و بلندمدت برای خریدها و فروش‌های خود در بازارهای مالی را داشته و نتایج مدل تا حد خوبی نشان‌دهنده کارایی مدل حاضر در بازارهای مالی است. تفاصيل المقالة

حرية الوصول المقاله

46 - Multi-Objective Optimization of the Depth and Cementation of Liquefiable Soil Surrounding Tunnels
Mohammad Shabani Soltan Moradi Mohammad Azadi Homayoun Jahanian

Designing tunnels in liquefiable sandy soils presents a significant challenge in determining the optimal depth and extent of soil cementation around them. Reducing the depth of the tunnel decreases both the bending anchor force and the axial load on the tunnel's shell, أکثر

Designing tunnels in liquefiable sandy soils presents a significant challenge in determining the optimal depth and extent of soil cementation around them. Reducing the depth of the tunnel decreases both the bending anchor force and the axial load on the tunnel's shell, yet it leads to an increase in ground surface settlement, and the opposite is true when depth is increased. Enhancing the cementation level at the tunnel's optimal depth reduces both structural uplift and shear forces exerted on the tunnel lining, but it also leads to an increase in axial loads and vice versa. Given the contradictory nature of these outcomes, the FLAC software was employed to simulate tunnels in liquefiable soils to address this dilemma. Subsequently, a neural network was utilized to identify correlations between the inputs and outputs of the simulation. This network was the objective function for identifying optimal values by applying a genetic algorithm. Optimal design parameters were derived using the NSGA-II modified algorithm, a multi-objective optimization technique based on the objective functions. Ultimately, Pareto charts generated from the multi-objective optimization process enabled designers to select the most suitable tunnel location according to their specific requirements concerning depth and soil cementation in liquefied soils. تفاصيل المقالة

فهرس المقالات Multi-Objective Optimization

سند

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية