Particle Swarm Optimization

دسترسی آزاد مقاله

1 - A New Architecture Based on Artificial Neural Network and PSO Algorithm for Estimating Software Development Effort
Amin Moradbeiky Amid Khatibi Bardsiri

Software project management has always faced challenges that have often had a great impact on the outcome of projects in future. For this, Managers of software projects always seek solutions against challenges. The implementation of unguaranteed approaches or mere perso چکیده کامل

Software project management has always faced challenges that have often had a great impact on the outcome of projects in future. For this, Managers of software projects always seek solutions against challenges. The implementation of unguaranteed approaches or mere personal experiences by managers does not necessarily suffice for solving the problems. Therefore, the management area of software projects requires tools and means helping software project managers confront with challenges. The estimation of effort required for software development is among such important challenges. In this study, a neural-network-based architecture has been proposed that makes use of PSO algorithm to increase its accuracy in estimating software development effort. The architecture suggested here has been tested by several datasets. Furthermore, similar experiments were done on the datasets using various widely used methods in estimating software development. The results showed the accuracy of the proposed model. The results of this research have applications for researchers of software engineering and data mining. پرونده مقاله

دسترسی آزاد مقاله

2 - A New Shuffled Sub-swarm Particle Swarm Optimization Algorithm for Speech Enhancement
Masoud Geravanchizadeh Sina Ghalami Osgouei

In this paper, we propose a novel algorithm to enhance the noisy speech in the framework of dual-channel speech enhancement. The new method is a hybrid optimization algorithm, which employs the combination of the conventional θ-PSO and the shuffled sub-swarms part چکیده کامل

In this paper, we propose a novel algorithm to enhance the noisy speech in the framework of dual-channel speech enhancement. The new method is a hybrid optimization algorithm, which employs the combination of the conventional θ-PSO and the shuffled sub-swarms particle optimization (SSPSO) technique. It is known that the θ-PSO algorithm has better optimization performance than standard PSO algorithm, when dealing with some simple benchmark functions. To improve further the performance of the conventional PSO, the SSPSO algorithm has been suggested to increase the diversity of particles in the swarm. The proposed speech enhancement method, called θ-SSPSO, is a hybrid technique, which incorporates both θ-PSO and SSPSO, with the goal of exploiting the advantages of both algorithms. It is shown that the new θ-SSPSO algorithm is quite effective in achieving global convergence for adaptive filters, which results in a better suppression of noise from input speech signal. Experimental results indicate that the new algorithm outperforms the standard PSO, θ-PSO, and SSPSO in a sense of convergence rate and SNRimprovement. پرونده مقاله

دسترسی آزاد مقاله

3 - حل مسایل هدایت گرمایی تصادفی معکوس با استفاده از الگوریتم‌های بهینه سازی ازدحام ذرات و ژنتیک
ایرج ﺣﺴﯿﻦ زاده ﺷﺎه ﺑﻼﻗﯽ رضا پورقلی حسن دانا مزرعه سید هاشم طبسی

ﻫﺪف اصلی در اﯾﻦ ﻣﻘﺎﻟﻪ، ﺣﻞ ﯾﮏ ﻣﺴﺄﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﻳﯽ ﺗﺼﺎدﻓﯽ ﻣﻌﮑﻮس ﺑﺎ اﺳﺘﻔﺎده از الگوریتم‌های تکاملی می‌باشد. الگوریتم‌ ازدحام ذرات و الگوریتم ژنتیک، دو الگوریتم مورد نظر می‌باشند که در این مقاله از آن‌ها استفاده می‌شود. در این مقاله، ﺑﺮای ﺣﻞ ﻣﺴﺎﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟ چکیده کامل

ﻫﺪف اصلی در اﯾﻦ ﻣﻘﺎﻟﻪ، ﺣﻞ ﯾﮏ ﻣﺴﺄﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﻳﯽ ﺗﺼﺎدﻓﯽ ﻣﻌﮑﻮس ﺑﺎ اﺳﺘﻔﺎده از الگوریتم‌های تکاملی می‌باشد. الگوریتم‌ ازدحام ذرات و الگوریتم ژنتیک، دو الگوریتم مورد نظر می‌باشند که در این مقاله از آن‌ها استفاده می‌شود. در این مقاله، ﺑﺮای ﺣﻞ ﻣﺴﺎﻟﻪ ﻣﻌﺎدﻟﻪ دﯾﻔﺮاﻧﺴﯿﻞ ﺟﺰﻳﯽ ﺗﺼﺎدﻓﯽ ﻣﻌﮑﻮس، اﺑﺘﺪا ﺑﺎ اﺳﺘﻔﺎده از روش ﮐﺮاﻧﮏ-ﻧﯿﮑﻠﺴﻮن ﻣﺴﺄﻟﻪ ﻣﻌﮑﻮس مورد نظر را ﮔﺴﺴﺘﻪ ﺳﺎزی می‌کنیم، ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ بهینه‌سازی ازدﺣﺎم ذرات و اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ ﺑﻪ ﺣﻞ آن‌ها می‌پردازیم. الگوریتم‌هایی که در این مقاله ارائه ‌شده است، ﻧﺴﺒﺖ ﺑﻪ سایر روش‌های قدیمی که تا بحال ارائه شده است، مزیت‌هایی دارد. پیاده‌سازی این الگوریتم‌ها ساده‌تر است، زﻣﺎن اﺟﺮای ﮐﻤﺘﺮی دارﻧﺪ و ﺗﻘﺮﯾﺐ ﺑﻬﺘﺮی تولید می‌کنند. همچنین نتایج عددی بدست آمده در این مقاله نشان می‌دهند که جواب‌های بدست آمده برای مثال‌های مطرح شده در بخش نتایج عددی، دارای دﻗﺖ ﺑﺎﻻیی هستند و خطای کمتری دارند. همه الگوریتم‌های موجود در این مقاله برای بدست آوردن نتایج عددی مورد نظر، بر روی پردازنده Pentium (R) Dual core E5700 با سرعت ۳.۰۰ گیگاهرتز پیاده‌سازی شده است. پرونده مقاله

دسترسی آزاد مقاله

4 - بکارگیری الگوریتم‌های ازدحام ذرات و جستجوی ممنوعه در انتخاب بهینه سبد دارایی
مریم کاظمی عقیله حیدری محمد لشکری

در سال‌های اخیر استفاده از روش‌های ابتکاری و الگوریتم‌های تکاملی برای حل مسائل سبد دارایی بسیار مورد توجه قرار گرفته است. در این پژوهش با استفاده از الگوریتم‌های بهینه‌سازی ازدحام ذرات و جستجوی ممنوعه مدل اندازه‌گیری ریسک دو طرفه، را بهینه می‌کنیم. لازم به ذکر است این م چکیده کامل

در سال‌های اخیر استفاده از روش‌های ابتکاری و الگوریتم‌های تکاملی برای حل مسائل سبد دارایی بسیار مورد توجه قرار گرفته است. در این پژوهش با استفاده از الگوریتم‌های بهینه‌سازی ازدحام ذرات و جستجوی ممنوعه مدل اندازه‌گیری ریسک دو طرفه، را بهینه می‌کنیم. لازم به ذکر است این مدل یک مسئله مقید می‌باشد که با استفاده از روش‌های جریمه به یک مسئله نامقید تبدیل می‌شود. در آخر اطلاعات مربوط به ارزش تاریخی سهام  در فاصله سال‌های 2004 تا 2009 به عنوان ورودی‌های مدل در نظر گرفته می‌شود و نتایج دو روش روی آنها مورد بررسی قرار میگیرد. پرونده مقاله

دسترسی آزاد مقاله

5 - بررسی روش های هوشمنددرحل مسئله سبد سهام مقید در بازار سهام تهران
عصمت جمشیدی عینی حمید خالوزاده

مسئله ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه ای ازدارایی های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن،صورت می گیرد.در این پژوهش، نشان داده می شود که یک سرمایه گذار با وجود سهم ریسکی، چگونه چکیده کامل

مسئله ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه ای ازدارایی های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن،صورت می گیرد.در این پژوهش، نشان داده می شود که یک سرمایه گذار با وجود سهم ریسکی، چگونه می توانددارایی اش را برای رسیدن به سود مشخص با حداقل ریسک بین این سهام پخش کند.چنین سبد سهامی، یک سبدسهام کارا نامیده می شود. برای این منظور، با بررسی الگوریتم های فراابتکاری ژنتیک، رقابت استعماری و ازدحامذرات و در نظر گرفتن قیدهای اساسی در مسئله سرمایه گذاری، از این روش های کاربردی برای حل مسئلهبهینه سازی سبد سهام استفاده می کنیم. ارزش سبد سرمایه و ریسک آن، به عنوان اهداف بهینه سازی و معیار ارزشدر معرض ریسک مشروط، به عنوان سنجه ریسک به کار برده شده است. نتایج عملی برای حل مسئله بهینه سازیسبد سرمایه در بازار بورس اوراق بهادار تهران، با انتخاب 20 شرکت از میان 30 صنعت فعال تر موجود، همراه بااعتبارسنجی آن ها به دست آمده است. هدف کمک به سرمایه گذاران برای انتخاب هرچه بهتر و عملی تر سهام هایمختلف و در نتیجه سرمایه گذاری مؤثر است. پرونده مقاله

دسترسی آزاد مقاله

6 - بررسی روش های هوشمند در حل مسئله سبد سهام مقید در بازار سهام تهران
عصمت جمشیدی عینی حمید خالوزاده

مسئله‌ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه‌ای از دارایی‌های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن، صورت می‌گیرد.در این پژوهش، نشان داده می‌شود که یک سرمایه‌گذار با وجود سهم ریسکی، چگو چکیده کامل

مسئله‌ی انتخاب سبد سهام بهینه، یافتن روشی بهینه برای تخصیص مقدار ثابتی سرمایه به مجموعه‌ای از دارایی‌های موجود است که با هدف داشتن حداکثر بازده مورد انتظار و در عین حال حداقل ریسک ممکن، صورت می‌گیرد.در این پژوهش، نشان داده می‌شود که یک سرمایه‌گذار با وجود سهم ریسکی، چگونه می‌تواند دارایی‌اش را برای رسیدن به سود مشخص با حداقل ریسک بین این سهام پخش کند.چنین سبد سهامی، یک سبد سهام کارا نامیده می‌شود. برای این منظور، با بررسی الگوریتم‌های فراابتکاری ژنتیک، رقابت استعماری و ازدحام ذرات و در نظر گرفتن قیدهای اساسی در مسئله سرمایه‌گذاری، از این روش‌های کاربردی برای حل مسئله بهینه‌سازی سبد سهام استفاده می‌کنیم. ارزش سبد سرمایه و ریسک آن، به ‌عنوان اهداف بهینه‌سازی و معیار ارزش در معرض ریسک مشروط، به عنوان سنجه ریسک ‌به‌کار برده شده است. نتایج عملی برای حل مسئله بهینه‌سازی سبد سرمایه در بازار بورس اوراق بهادار تهران، با انتخاب 20 شرکت از میان 30 صنعت فعال‌تر موجود، همراه با اعتبارسنجی آن‌ها به‌دست آمده است. هدف کمک به سرمایه‌گذاران برای انتخاب هرچه بهتر و عملی&lrm;تر سهام‌ مختلف و در نتیجه سرمایه&lrm;گذاری مؤثر است. پرونده مقاله

دسترسی آزاد مقاله

7 - پیش‏بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری
ابراهیم فدایی ایمان داداشی محمد جواد زارع بهنمیری کاوه آذین فر

هدف این مطالعه، بررسی پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری می باشد. در این پژوهش براساس داده های مرتبط با 96 نسبت مالی 140 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 9 ساله بین سال های 97-1389 اقدام به پیش بینی شوک منفی قیمت سهام مبتنی ب چکیده کامل

هدف این مطالعه، بررسی پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری می باشد. در این پژوهش براساس داده های مرتبط با 96 نسبت مالی 140 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 9 ساله بین سال های 97-1389 اقدام به پیش بینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری نموده ایم. در این تحقیق به منظور استخراج نسبت های مالی بهینه، از الگوریتم های ژنتیک و بهینه‌سازی ازدحام ذرات استفاده شده که در نهایت 8 نسبت مالی اثرگذار برای پیش بینی شوک ها(موقت و دائم) و تعداد آنها در طی یک سال انتخاب شدند. در ادامه مدل پیشنهادی با استفاده از این ویژگی های موثر استخراج شده، توسط ماشین بردار پشتیبان با هسته شعاعی و شبکه عصبی مصنوعی آزمون شده است. نتایج حاکی از آن بود که متغیرهای استخراجی از الگوریتم بهینه‌سازی ازدحام ذرات، به همراه الگوریتم یادگیری ماشین بردار پشتیبان، نتیجه بهتری را برای پیش بینی شوک ها(موقت و دائم) و تعداد آنها دارا هستند. پرونده مقاله

دسترسی آزاد مقاله

8 - پیش‌بینی سرانه مخارج بهداشتی در ایران تا افق 1420 با استفاده از الگوریتم‌های ژنتیک و بهینه‌سازی انبوه ذرات
ابوالقاسم گل خندان سمیه صحرائی

مقدمه: پیش‌بینی روند سرانه مخارج بهداشتی می‌تواند در تعیین بهترین سیاست‌ها برای تأمین مالی و مدیریت هزینه‌های سلامت، مفید و مؤثر باشد. بر این اساس، هدف اصلی این مطالعه پیش‌بینی روند سرانه مخارج بهداشتی در ایران بود. روش پژوهش: این مقاله با استفاده از مبانی نظری در زمینه چکیده کامل

مقدمه: پیش‌بینی روند سرانه مخارج بهداشتی می‌تواند در تعیین بهترین سیاست‌ها برای تأمین مالی و مدیریت هزینه‌های سلامت، مفید و مؤثر باشد. بر این اساس، هدف اصلی این مطالعه پیش‌بینی روند سرانه مخارج بهداشتی در ایران بود. روش پژوهش: این مقاله با استفاده از مبانی نظری در زمینه تابع مخارج بهداشتی و به‌کارگیری آن با دو ابزار الگوریتم ژنتیک (GA) و الگوریتم بهینه‌سازی انبوه ذرات (PSO)، به شبیه‌سازی تابع سرانه مخارج بهداشتی ایران طی سال‌های 1394-1358 در قالب سه معادله خطی، نمایی و درجه دوم پرداخت و سپس با استفاده از معیارهای انتخاب مدل رقیب، الگوریتم و مدل برتر انتخاب و اقدام به پیش‌بینی میزان سرانه مخارج بهداشتی تا سال 1420 شد. تحلیل داده‌ها نیز به کمک نرم‌افزار MATLAB نسخه R2016b صورت گرفت. یافته‌ها: نتایج پیش‌بینی نشان‌دهنده آن بود که سرانه مخارج بهداشتی در ایران با شیب افزایشی تا سال 1420 افزایش خواهد یافت. به‌گونه‌ای که میزان این مخارج از مقدار 1081 دلار (بر اساس قیمت‌های ثابت سال 2011) در سال 1394 به میزان 2628 دلار در سال 1420 خواهد رسید (چیزی حدود 2/5 برابر). نتیجه‌گیری: با توجه به مقادیر پیش‌بینی‌شده سرانه مخارج بهداشتی تا افق 1420، سیاست‌گزاران بخش سلامت بایستی تدابیر لازم را برای تأمین مالی مخارج این بخش اتخاذ کنند. پرونده مقاله

دسترسی آزاد مقاله

9 - مکان یابی حفر چاه با استفاده از الگوریتم فرا ابتکاریPSO و تحلیل سلسله مراتبی (مطالعه موردی دشت مشهد)
مسعود عبدی حسین ابراهیمی ابوالفضل اکبرپور

چکیدهتعیین بهینه تعداد چاه مورد نیاز و دبی پمپاژ بهمراه انتخاب محل حفر چاه برای تامین نیاز آبی مصارف مختلف از مسائل مهم مدیریت منابع آب در مناطق خشک و نیمه خشک است. در این تحقیق از الگوریتم ازدحام ذرات و فرایند تحلیل سلسله مراتبی استفاده شد. تغییر مختصات چاه‌ها با توجه چکیده کامل

چکیدهتعیین بهینه تعداد چاه مورد نیاز و دبی پمپاژ بهمراه انتخاب محل حفر چاه برای تامین نیاز آبی مصارف مختلف از مسائل مهم مدیریت منابع آب در مناطق خشک و نیمه خشک است. در این تحقیق از الگوریتم ازدحام ذرات و فرایند تحلیل سلسله مراتبی استفاده شد. تغییر مختصات چاه‌ها با توجه به ضخامت متغیر آبخوان و همچنین کیفیت متفاوت آب در مناطق مختلف، به ترتیب در هزینه‌های استخراج و تصفیه آب تاثیرگذار خواهد بود و از طرفی با فاصله گرفتن از محل مصرف، هزینه انتقال افزایش خواهد یافت. تغییر دبی پمپاژ چاه‌ها نیز بر روی انرژی مصرفی پمپ در فرایند استخراج آب و انتقال موثرخواهد بود. بر اساس نتایج حاصله هزینه طرح بهینه نسبت به طرح موجود تا حدود 10 درصد کاهش یافته است. نتایج AHP نشان داد افت سطح آب و کیفیت آب زیرزمینی بیشترین ضریب وزنی و فاصله از محل مصرف و اختلاف ارتفاع مناطق مختلف نسبت به محل مصرف کمترین ضریب وزنی را داشتند. با توجه به نتایج مدل منطقه با اولویت 1 جهت حفر چاه تعیین گردید متوسط افت سالیانه سطح آب در این قسمت از 13/1تا 3/0 متر متفاوت می باشد. در این قسمت422 حلقه چاه عمیق وجود دارد که حدود60 حلقه از آنها دارای آبدهی بیش از 20 لیتر در ثانیه بوده و گزینه مناسبی برای چایگزینی چاه های تامین آب شرب شهر هستند پرونده مقاله

دسترسی آزاد مقاله

10 - مدل‌سازی رفتار سدهای بتنی با استفاده از روش‌های شبکه عصبی مصنوعی و رگرسیون لجستیک
فردین سعید محسن ایران دوست نوید جلال کمالی

10.30495/wsrcj.2022.19230

زمینه و هدف: اندازه‌گیری و رفتارسنجی سد موضوع جدیدی می‌باشد که می‌تواند به دلیل تغییر پارامترهای موجود برای ارائه مدلی باشد که رفتار پارامترهای منفرد را بر روی سد و همچنین روی یکدیگر بررسی ‌کند و تغییرات ایجاد شده را آنالیز کرده و سیاست‌های لازم را ایجاد ‌کند. هدف این پ چکیده کامل

زمینه و هدف: اندازه‌گیری و رفتارسنجی سد موضوع جدیدی می‌باشد که می‌تواند به دلیل تغییر پارامترهای موجود برای ارائه مدلی باشد که رفتار پارامترهای منفرد را بر روی سد و همچنین روی یکدیگر بررسی ‌کند و تغییرات ایجاد شده را آنالیز کرده و سیاست‌های لازم را ایجاد ‌کند. هدف این پژوهش ایجاد یک روش ترکیبی از رگرسیون لجستکی با بهینه‌سازی الگوریتم بهینه‌سازی‌ گروه ذرات با مقدار حقیقی جهت پیش‌بینی رفتار تجهیزات سد می‌باشد.روش پژوهش: در این مطالعه از داده‌های 365 روز، از 31/01/1397 تا 31/01/1398 که 600 مجموعه ‌داده تجهیزات سد شامل پارامترهای دمای آب، سطح آب، فشار دریچه، میزان رسوب‌گذاری، فشار منافذ، دمای هوا، حجم آب ورودی، مشخصات ویژه سد، شرایط بتن، سطح آب مخزن، تغییر مکان افقی و عمودی، اجزای اتصال انتقالی و شتاب زمین، قدرت، فشار، کشش و تنش بالا برای مدل‌سازی استفاده شدند. برای آموزش مدل‌سازی الگوریتم بهینه‌سازی گروه ذرات مقدار حقیقی-رگرسیون لجستیک و 120 مجموعه‌ داده جهت آزمایش استفاده گردید. برای ارزیابی عملکرد روش پیشنهادی، از چهار آماره شامل ضریب تعیین (R2)، ریشه میانگین مربعات خطا (RMSE)، ضریب پراکندگی (SI) و میانگین خطاهای انحرافی (MBE) استفاده گردید.یافته‌ها: نتایج نشان داد که مدل در پیش بینی فشار پیزومتریک در بدنه سد عملکرد قابل قبولی دارد. همچنین نتایج حاصل از مدل شبکه عصبی مصنوعی با کسب 930/0 R2= و 587/8SI= همگرایی قابل قبولی را نشان می دهد. نتایج مربوط به داده‌های آموزش مدل نیز بیانگر این است که میانگین (µ) و انحراف معیار (σ) مدل ارائه شده، برای داده های آموزش به ترتیب برابر با 341/1 و 526/1 می‌باشد و برای داده های صحت‌سنجی این مقادیر برابر با 576/1 و 247/2 می باشد که این نشان از عملکرد خوب مدل پیشنهاد شده دارد. در معیار احتمال تجمعی، مدل پیشنهاد شده با 940/0P50= و 742/1P90= مبین این است که نتایج قابل قبول می باشد.نتایج: نتایج بیانگر این است که بهینه‌سازی گروه ذرات مقدار حقیقی-رگرسیون لجستیک در عوض به ‌حداقل ‌رساندن ریسک تجربی که تعمیم عالی برای اندازه‌های نمونه کوچک را فراهم می‌سازد، اصل کاهش ریسک سازه‌ای را اجرا می‌کند. نسبت مقادیر پیزومتریک پیش‌بینی‌شده به مقادیر قرائت‌شده برای حدود 72 درصد دادهها در این مدل در حدود یک بوده که بیانگر آموزش و قدرت پیشبینی مناسب این مدل میباشد. در نهایت بر اساس معیارهای ارزیابی مدل ترکیبی عملکرد بهتری نسبت به روش‌های بیان شده دارد. پرونده مقاله

دسترسی آزاد مقاله

11 - بهینه‌سازی و پیش‌بینی روند تغییرات پارامترهای کیفی آب زیرزمینی دشت دزفول با استفاده از دو مدل ANN+PSO و ANN+P-PSO
فهیمه صیادی شهرکی عبدالرحیم هوشمند عاطفه صیادی شهرکی

10.30495/jest.2021.11146

زمینه و هدف: برآورد و پیش بینی پارامترهای کیفی آب زیرزمینی به منظور تصمیم گیری‌های مدیریتی یکی از اهداف مدیران و برنامه ریزان منابع آب تلقی می‌گردد. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیش‌تر این مدل‌ها نیازمند پارامترهای چکیده کامل

زمینه و هدف: برآورد و پیش بینی پارامترهای کیفی آب زیرزمینی به منظور تصمیم گیری‌های مدیریتی یکی از اهداف مدیران و برنامه ریزان منابع آب تلقی می‌گردد. در این راستا تعداد زیادی مدل در زمینه مدیریت بهتر برای حفظ کیفیت آب گسترش یافته است. بیش‌تر این مدل‌ها نیازمند پارامترهای ورودی هستند که یا دسترسی به آن‌ها مشکل است و یا اینکه اندازه‌گیری آن‌ها محتاج صرف هزینه و زمان زیادی می‌باشد. در این میان مدل‌های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می‌نمایند، به‌عنوان گزینه‌ای برتر معرفی می‌شوند.روش بررسی: پژوهش حاضر به منظور شبیه‌سازی پارامترهای کیفی آب زیرزمینی دشت دزفول شامل SAR ، EC و TDS با استفاده از مدل‌های ANN+PSO و ANN+P-PSO و درنهایت مقایسه نتایج آن‌ها با داده‌های اندازه‌گیری شده‌، انجام گرفته است. اطلاعات ورودی به مدل‌ها برای پارامتر کیفی TDS شامل هدایت الکتریکی، نسبت جذبی سدیم، اسیدیته، سولفات، کلسیم، منیزیم و سدیم و برای پارامتر کیفی SAR شامل مقدار کل نمک‌های محلول، اسیدیته، سدیم، بی کربنات و برای پارامتر کیفی EC شامل سولفات، کلسیم، منیزیم، نسبت جذبی سدیم و اسیدیته، از سال 1390 تا 1394 جمع آوری شده است.یافته‌ها: نتایج نشان داد بالاترین دقت پیش‌بینی پارامترهای کیفی SAR ، EC و TDS مربوط به مدل ANN+P-PSO می‌باشد به‌طوری‌که مقدار آماره‌های و کم‌ترین مقدار و بیش‌ترین مقدار را برای مدل مذکور دارد. مقدار RMSE در مرحله تست برای الگوریتم PSO در پیش‌بینی SAR ، EC و TDS به ترتیب برابر 09/0، 045/0 (میکرو زیمنس بر سانتی متر) و 053/0 (میلی‌گرم بر لیتر) به دست آمد. این آماره‌ برای الگوریتم P-PSO در پیش‌بینی SAR ، EC و TDS به ترتیب برابر 039/0، 031/0 (میکرو زیمنس بر سانتی متر) و 045/0 (میلی‌گرم بر لیتر) تعیین شدند.بحث و نتیجه‌گیری: نتایج نشان داد که الگوریتم P-PSO از دقت بیش‌تری نسبت به الگوریتم PSO برخوردار بود. همچنین با توجه به این‌که تفاوت آماری معنی‌داری بین داده‌های اندازه‌گیری شده و شبیه‌سازی شده وجود نداشت؛ پیشنهاد می‌شود از شبکه‌ عصبی مصنوعی برای شبیه‌سازی پارامترهای کیفی در منابع آب زیرزمینی استفاده شود. پرونده مقاله

دسترسی آزاد مقاله

12 - ارائه مدل توسعه‌یافته بنیش با به‌کارگیری پدیده تونلینگ بر مبنای تکنیک شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات در شناسایی شرکت‌های دستکاری کننده سود
فرهاد آزادی مهرداد قنبری بابک جمشیدی نوید جواد مسعودی

امروزه اهمیت رقم سود و احتمال مدیریت و دستکاری سود بر هیچ کس پوشیده نیست وپژوهشگران همواره به دنبال راه کار هایی برای رفع ابهام سهامداران و سرمایه گذاران برای تصمیم گیری های مالی بوده اند.بنیش (1999) در راستای روشن نمودن مسیر تصیمیم گیری استفاده کنندگان از اطلاعات مالی چکیده کامل

امروزه اهمیت رقم سود و احتمال مدیریت و دستکاری سود بر هیچ کس پوشیده نیست وپژوهشگران همواره به دنبال راه کار هایی برای رفع ابهام سهامداران و سرمایه گذاران برای تصمیم گیری های مالی بوده اند.بنیش (1999) در راستای روشن نمودن مسیر تصیمیم گیری استفاده کنندگان از اطلاعات مالی اقدام به طرح مدلی برای پیش بینی مدیریت سود نمود که این مدل در جوامع مختلف نتایج متفاوتی داشته است لذا در این رساله جهت بهینه کردن و بومی سازی مدل بنیش، با اضافه نمودن متغیر تونلینگ به متغیرهای بنیش و بهره گیری از روشهای نوین شبکه عصبی و الگوریتم بهینه سازی حرکت تجمعی ذرات ،گام برداشتیم . جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران و تعداد شرکت مورد مطالعه، شامل 196 شرکت پذیرفته شده طی سال‌های 1393 تا 1398 است. روش پژوهش توصیفی کتابخانه ای و از نظر ارتباط بین متغیرها علی- همبستگی است و از نظر هدف کاربردی و از لحاظ رخداد، پس‌رویدادی است. به منظور تجزیه و تحلیل داده ها از روش رگرسیونی و شبکه عصبی مصنوعی و الگوریتم PSO استفاده شده است. نتایج حاصل از تحلیل مدل نشان داد که کلیه نسبت های مالی بر پیش بینی مدیریت سود بینش تاثیر معنادار داشته و بیشترین تاثیر در پیش بینی مدیریت سود بینش را شاخص پدیده تونلینگ و کمترین تاثیر را شاخص اهرم مالی داشته است. پرونده مقاله

دسترسی آزاد مقاله

13 - پیش‌بینی سود هر سهم: ترکیب شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات
داریوش فروغی حیدر فروغ نژاد منوچهر میرزایی

انتظارات مربوط به سود اثرات قابل ملاحظه‌ای بر تصمیمات مدیران و سرمایه گذاران دارد. یکی از معیار‌هایی که امروزه به عنوانشاخص سود‌آوری شرکت ها مورد توجه قرار می‌گیرد، مفهوم سود هر سهم است. سود هر سهم آثار عمده‌ای بر قیمت سهام شرکت ‌ها نیز دارد. از اینرو پیش‌بینی سود هر سه چکیده کامل

انتظارات مربوط به سود اثرات قابل ملاحظه‌ای بر تصمیمات مدیران و سرمایه گذاران دارد. یکی از معیار‌هایی که امروزه به عنوانشاخص سود‌آوری شرکت ها مورد توجه قرار می‌گیرد، مفهوم سود هر سهم است. سود هر سهم آثار عمده‌ای بر قیمت سهام شرکت ‌ها نیز دارد. از اینرو پیش‌بینی سود هر سهمهم برای سرمایه‌گذاران و هم برای مدیران از اهمیت بسزایی برخوردار است. هدف از انجام این پژوهش، مدل بندی پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس اوراق بهادار تهران،با استفاده از ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذراتبر مبنای مدل های تک متغیره و چند متغیره است. بدین منظور از اطلاعات مربوط به 114 شرکت از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، طی سال های 1380 تا 1389 استفاده شده است.نتایج این پژوهش نشان می دهدکهمدل تک متغیره بادقت 78.5% ومدل چند متغیره با دقت 91.7% سود هر سهم را پیش بینی می نماید. پرونده مقاله

دسترسی آزاد مقاله

14 - A cultural algorithm for data ‎clustering‎
M. R. Shahriari

Clustering is a widespread data analysis and data mining technique in many fields of study such as engineering, medicine, biology and the like. The aim of clustering is to collect data points. In this paper, a Cultural Algorithm (CA) is presented to optimize partition w چکیده کامل

Clustering is a widespread data analysis and data mining technique in many fields of study such as engineering, medicine, biology and the like. The aim of clustering is to collect data points. In this paper, a Cultural Algorithm (CA) is presented to optimize partition with N objects into K clusters. The CA is one of the effective methods for searching into the problem space in order to find a near optimal solution. This algorithm has been tested on different scale datasets and has been compared with other well-known algorithms in clustering, such as K-means, Genetic Algorithm (GA), Simulated Annealing (SA), Ant Colony Optimization (ACO) and Particle Swarm Optimization (PSO) algorithm. The results illustrate that the proposed algorithm has a good proficiency in obtaining the desired &lrm;results.&lrm; پرونده مقاله

دسترسی آزاد مقاله

15 - New Artificial Intelligence Modeling for the Photocatalytic Removal of C.I. Acid Yellow 23 in ‎Wastwater
F. Ganbary

This paper proposes two methods to predict the efficiency of photochemical removal of AY23 by UV/Ag-TiO$_{2}$ process. In this work the potential of the particle swarm optimization (PSO) and imperialist competitive algorithm (ICA) modeling approaches are presented to fo چکیده کامل

This paper proposes two methods to predict the efficiency of photochemical removal of AY23 by UV/Ag-TiO$_{2}$ process. In this work the potential of the particle swarm optimization (PSO) and imperialist competitive algorithm (ICA) modeling approaches are presented to forecast the photocatalytic removal of AY23 in the presence of Ag-TiO$_{2}$ nanoparticles prepared under desired conditions. To validate the techniques, a total of 100 data are used that randomly splitted in two parts, 80 samples for the training the models and 20 for testing of the models. Experimental results on datasets show that ICA approach is better than PSO approach. Remarkable analysis results reveal that AY23 initial concentration is the most significant factors that influence on the AY23 removal &lrm;efficiency.&lrm; پرونده مقاله

دسترسی آزاد مقاله

16 - رویکردی برای تشخیص حملات DDoS در محیط رایانش ابری با استفاده از آنتروپی و بهینه‌سازی ازدحام ذرات
مهدی آسایش جو مهدی صادق زاده مازیار گنجو

رایانش ابری یک فناوری نوظهور و در حال رشد است که به طور گسترده برای ارائه محاسبات، خدمات ذخیره‌سازی و سایر منابع از طریق اینترنت استفاده می‌شود. در دسترس بودن سرویس‌های ابری یکی از مهمترین نگرانی‌های ارائه‌دهندگان خدمات ابری است. در حالی که سرویس‌های ابری عمدتا از طریق چکیده کامل

رایانش ابری یک فناوری نوظهور و در حال رشد است که به طور گسترده برای ارائه محاسبات، خدمات ذخیره‌سازی و سایر منابع از طریق اینترنت استفاده می‌شود. در دسترس بودن سرویس‌های ابری یکی از مهمترین نگرانی‌های ارائه‌دهندگان خدمات ابری است. در حالی که سرویس‌های ابری عمدتا از طریق اینترنت منتقل می‌شوند، مستعد حملات مختلفی هستند که منجر به درز اطلاعات حساس شود. حمله DDoS به عنوان یکی از مهمترین تهدیدات امنیتی برای محیط رایانش ابری شناخته می‌شود. این حمله تلاشی صریح توسط یک مهاجم برای جلوگیری و عدم دسترسی به خدمات یا منابع مشترک در یک محیط ابری است. در این مقاله رویکردی ترکیبی برای مقابله با حمله DDoS در محیط رایانش ابری مورد بحث قرار گرفته است. این روش اهمیت روش‌های مبتنی بر انتخاب ویژگی‌های موثر و مدل‌های دسته‌بندی را برجسته می‌کند. در اینجا، رویکردی بر مبنای آنتروپی و بهینه‌سازی ازدحام ذرات برای مقابله با این حملات در محیط رایانش ابری ارائه می‌شود. دسته‌بندی داده‌های با ابعاد بالا معمولاً به انتخاب ویژگی به عنوان یک مرحله قبل از پردازش برای کاهش ابعاد نیاز دارد. با این حال، انتخاب ویژگی‌های موثر یک کار چالش برانگیز است که در این مقاله از بهینه‌سازی ازدحام ذرات برای اینکار استفاده می‌شود. در اینجا، مدل دسته‌بندی پیشنهادی بر مبنای استفاده از ساختمان داده درخت جستجوی دودویی متوازن و دیکشنری توسعه یافته است. شبیه‌سازی براساس مجموعه داده‌های NSL-KDD و CICDDoS2019 انجام شده که نتایج برتری روش پیشنهادی را با میانگین دقت تشخیص 99.84% نسبت به الگوریتم-های AGA و E-SVM اثبات می‌کند. پرونده مقاله

دسترسی آزاد مقاله

17 - کنترل مقاوم بازوی ربات با بهره گیری از روش بهینه‌سازی ازدحام ذرات
فضل اله رجایی سید محمد علی ریاضی سیامک آذرگشسب

10.30495/jce.2022.691482

در این مقاله، روشی جدید برای کنترل مقاوم موقعیت بازوهای رباتیک بـا اسـتفاده از بهینه سازی ازدحام ذرات ارائه شده است. کل سیستم رباتیک شامل بازوی ربات و موتورها در مسئله کنترلی در نظر گرفته شده است. هدف اصلی این مقاله بدست آوردن برآورد بهینه از پارامتر‌های قانون کنترل به چکیده کامل

در این مقاله، روشی جدید برای کنترل مقاوم موقعیت بازوهای رباتیک بـا اسـتفاده از بهینه سازی ازدحام ذرات ارائه شده است. کل سیستم رباتیک شامل بازوی ربات و موتورها در مسئله کنترلی در نظر گرفته شده است. هدف اصلی این مقاله بدست آوردن برآورد بهینه از پارامتر‌های قانون کنترل به منظور رسیدن به حداقل خطای ردگیری است که از بهینه سازی ازدحام استفاده می‌شود همچنین، طراحی قانون کنترل بر مبنای مدل نامی انجام میشود و برای جبـران عـدم قطعیـت ناشی از عدم تطابق مدل نامی و مدل واقعی از سیستمهای هوشمند استفاده میشود. کنترل بهینه مقاوم با تجزیه و تحلیل همگرایی تأیید می شود. اثبات پایداری سیستم با اسـتفاده از روش مستقیم لیاپانوف انجام میشود و نتایج شبیه سازی، اثربخشی روشهای پیشنهادی اعمال شده بر روی یک ربات کروی را که توسط موتورهای dc مغناطیس دائمی رانده می شود، ارائه می دهد. با استفاده از نتایج شبیه سازی، مقادیر بهینه پارامترها در کنترل کننده های گشتاور به دلیل وجود یک دینامیک بزرگ بدون مدل به مقادیر واقعی خود همگرا نشده اند در حالی که آنها به مقادیر واقعی خود در کنترل ولتاژ همگرا شده اند زیرا فقط عدم قطعیت پارامتری دارد. همچنین، قانون کنترل گشتاور به فیدبک‌های بردار موقعیت، بردار سرعت و بردار شتاب نیاز دارد. این بازخوردها را نمی توان به راحتی به دست آورد. در مقابل، قانون کنترل ولتاژ به بازخوردهای بردار موقعیت، بردار سرعت، بردار جریان و مشتق زمانی آن نیاز دارد. این بازخوردها می توانند به سادگی در دسترس باشند. پرونده مقاله

دسترسی آزاد مقاله

18 - 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 چکیده کامل

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. پرونده مقاله

دسترسی آزاد مقاله

19 - Design of an Intelligent Adaptive Control with Optimization System to Produce Parts with Uniform Surface Roughness in Finish Hard Turning
vahid pourmostaghimi Mohammad Zadshakoyan

In this paper, a real-time intelligent adaptive control with optimization methodology is proposed to produce parts with uniform surface roughness in finish turning of hardened AISI D2. Unlike traditional optimization approaches, the proposed methodology considers cuttin چکیده کامل

In this paper, a real-time intelligent adaptive control with optimization methodology is proposed to produce parts with uniform surface roughness in finish turning of hardened AISI D2. Unlike traditional optimization approaches, the proposed methodology considers cutting tool real condition. Wavelet packet transform of cutting tool vibration signals followed by neural network was used to estimate tool flank wear. Intelligent models (artificial neural networks and genetic programming) were utilized to predict surface roughness and tool wear during machining process. Particle swarm optimization algorithm determined optimum feed rate that resulted in desired surface roughness. Performed confirmatory experiments indicated that the proposed adaptive control method not only resulted in parts with acceptable uniform quality, but also decreased the machining cost up to 8.8% and increased material removal rate up to 20% in comparison with those of traditional CNC turning systems. پرونده مقاله

دسترسی آزاد مقاله

20 - The Inverse Method of Damage Detection using Swarm Life Cycle Algorithm (SLCA) via Modal Parameters in Beam Like Structures
Alireza Arghavan Ali Ghoddosian Ehsan Jamshidi

10.30495/admt.2021.1921979.1248

The Non-destructive vibration based structural damage detection techniques have been developed in the recent decades. They are usually converted into a mathematical optimization problem that should be solved using optimization algorithms. In this paper, a new hybrid alg چکیده کامل

The Non-destructive vibration based structural damage detection techniques have been developed in the recent decades. They are usually converted into a mathematical optimization problem that should be solved using optimization algorithms. In this paper, a new hybrid algorithm, using a particle swarm - genetic optimization, is proposed that is called Swarm Life Cycle Algorithm (SLCA). Additionally, Modified Total Modal Assurance Criterion (MTMAC) that is modal based and involved natural frequencies and mode shapes, is used as an objective function. A cantilever beam is modelled and simulated using finite element method as a numerical case study with several different damage scenarios. To compare the effectiveness of the proposed algorithm with GA and PSO, they are applied to detect the locations and severities of damages of numerical cases separately. To assess the robustness of them, the effects of environmental noise, coordinate and mode incompleteness on the accuracy of damage detection have investigated. For experimental validation of the proposed method, empirical studies of single and double crack aluminium cantilever beams were conducted. The numerical and experimental results show that the proposed algorithm has great potential in crack identification. It is observed that SLCA is able to detect the location and extent of damage irrespective of the noise level and perform well in the presence of mode and coordinate incompleteness. پرونده مقاله

دسترسی آزاد مقاله

21 - یک سیستم‌ توصیه‌گر مبتنی بر اعتماد با استفاده از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات
سجاد احمدیان محمدحسین اولیائی

سیستم‌های توصیه‌گر ابزارهای هوشمندی هستند که به کاربران کمک¬می‌کنند اطلاعات مورد نیاز خود را بر اساس علایق قبلی خود با صرف زمان کمتری نسبت به موتورهای جستجو پیداکنند. یکی از چالش‌های اصلی سیستم‌های توصیه‌گر تنکی ماتریس رتبه‌های کاربر-قلم می‌باشد. این چالش به این دلیل ات چکیده کامل

سیستم‌های توصیه‌گر ابزارهای هوشمندی هستند که به کاربران کمک¬می‌کنند اطلاعات مورد نیاز خود را بر اساس علایق قبلی خود با صرف زمان کمتری نسبت به موتورهای جستجو پیداکنند. یکی از چالش‌های اصلی سیستم‌های توصیه‌گر تنکی ماتریس رتبه‌های کاربر-قلم می‌باشد. این چالش به این دلیل اتفاق¬می‌افتد که کاربران عمدتاً به تعداد کمی از اقلام موجود رتبه می‌دهند. سیستم‌های توصیه‌گر مبتنی بر اعتماد از روابط اعتماد بین کاربران به¬منظور کاهش مشکل تنکی ماتریس رتبه‎های کاربر-قلم استفاده¬می‌کنند. ایده اصلی این سیستم‌ها این است که وجود رابطه اعتماد بین دو کاربر نشان‌دهنده‌ علایق مشابه آن دو کاربر می‌باشد. کارایی این سیستم‌ها به انتخاب درست کاربران همسایه برای کاربر هدف بر اساس میزان شباهت بین آن¬ها بستگی دارد. در این مقاله، یک سیستم توصیه‌گر مبتنی بر اعتماد جدید با استفاده از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات ارائه¬شده¬است. در این روش، ابتدا میزان شباهت بین کاربران بر اساس ماتریس رتبه‎های کاربر-قلم و روابط اعتماد محاسبه¬می‌گردد. سپس، از الگوریتم بهبودیافته بهینه‌سازی ازدحام ذرات برای وزن‌دهی بهینه کاربران همسایه‌ کاربر هدف استفاده¬می‌شود. به¬منظور بهبود الگوریتم بهینه‌سازی ازدحام ذرات از عملگرهای الگوریتم ژنتیک و الگوریتم بهینه‌سازی تولیدمثل تک¬جنسیتی مبتنی بر آشوب استفاده¬شده¬است. پس از وزن‌دهی بهینه کاربران همسایه، رتبه‎های نامشخص برای کاربر هدف پیش‌بینی¬می‌گردد. نتایج آزمایش¬ها بر روی یک مجموعه داده استاندارد کارایی بالای روش پیشنهادی را نسبت به سایر روش‎های مقایسه¬شده، نشان¬می‎دهد. پرونده مقاله

دسترسی آزاد مقاله

22 - بهبود پایداری یک سیستم قدرت مجهز به SVC بر اساس کمینه سازی تابع انرژی در یک ساختار کنترل هماهنگ بهینه چند مدله
الهه پاگرد شاهرخ شجاعیان محمد مهدی رضایی

10.30486/teeges.2023.1990843.1083

در این مقاله، بهبود میرایی نوسانات فرکانس پایین (LFO) در یک سیستم قدرت شامل SVC بررسی شده است. برای نیل به این هدف، استراتژی کنترلی جدیدی ارائه شده که در آن کنترل‌کننده چندمدله با استفاده از کنترل‌کننده بهینه خطی (LOC) و الگوریتم ازدحام ذرات (PSO) بهینه سازی می‌شود. بان چکیده کامل

در این مقاله، بهبود میرایی نوسانات فرکانس پایین (LFO) در یک سیستم قدرت شامل SVC بررسی شده است. برای نیل به این هدف، استراتژی کنترلی جدیدی ارائه شده که در آن کنترل‌کننده چندمدله با استفاده از کنترل‌کننده بهینه خطی (LOC) و الگوریتم ازدحام ذرات (PSO) بهینه سازی می‌شود. بانک کنترل در کنترل‌کننده چند مدله، شامل سه کنترل کننده LOC است که از طریق خطی سازی معادلات غیر خطی سیستم و کمینه سازی یک تابع انرژی، سیگنال‌های بهینه‌ای را تولید می‌کنند تا پس از ترکیب شدن بوسیله الگوریتم بازگشتی بیز بطور همزمان به سیستم تحریک ژنراتور و به SVC اعمال شوند. برای ایجاد سیگنال بهینه خطی بایستی معادله ریکاتی حل شود؛ این معادله دارای دو ماتریس وزنی Rric و Qric می‌باشد که بوسیله الگوریتم PSO بهینه سازی شده‌اند. الگوریتم PSO با دو تابع هدف ماکزیمم سازی کوچکترین جزء حقیقی در مقادیر ویژه و می‌نیمم‌سازی سطح زیر منحنی قدر مطلق انحراف سرعت، Rric و Qric بهینه را محاسبه نموده است. برای ارزیابی استراتژی کنترلی MMC-LOC-PSO خطای سه فاز متقارنی بر روی بدترین باس اعمال شده و نتایج این دو تابع هدف با یکدیگر مقایسه شده است. شبیه‌سازی سیستم قدرت تک ماشینه با کد نویسی درMATLAB انجام شده و نشان می‌دهد استراتژی کنترلی پیشنهادی، ضمن حفظ پایداری، LFO را نیز بطور موثری میرا می‌کند، خطای ماندگار سرعت و زاویه روتور را نیز به طور مطلوبی به سمت صفر سوق داده است. پرونده مقاله

دسترسی آزاد مقاله

23 - بهینه سازی کنترل توربین های بادی مبتنی بر ژنراتور های القایی دو سو تغذیه با استفاده از آنالیز حساسیت و بر اساس روش بهینه سازی تجمع ذرات
میثم جابرالانصار محمد مهدی رضایی حامد خدادادی سیدمحمد مدنی

10.30486/teeges.2022.1963760.1025

یکی از مسائل کلیدی در بهره برداری بهینه از توربینهای بادی مبتنی بر ژنراتورهای القایی دوسو تغذیه (DFIG)، بهینه سازی پارامترهای کنترلی نسبتا زیادی است که در این سیستم ها وجود دارند. اما، مشکل اصلی تعداد بالای پارامترهای کنترلی و غیرخطی بودن مدل این سیستم ها است که حل مسال چکیده کامل

یکی از مسائل کلیدی در بهره برداری بهینه از توربینهای بادی مبتنی بر ژنراتورهای القایی دوسو تغذیه (DFIG)، بهینه سازی پارامترهای کنترلی نسبتا زیادی است که در این سیستم ها وجود دارند. اما، مشکل اصلی تعداد بالای پارامترهای کنترلی و غیرخطی بودن مدل این سیستم ها است که حل مساله بهینه سازی را بسیار زمانبر و در برخی موارد واگرا می کند. در این مقاله، بمنظور بهینه سازی پارامترهای کنترلی یک روش مبتنی بر بهینه سازی تجمع ذرات (PSO) پیشنهاد شده است. در این روش، پس از خطی سازی مدل سیستم، مقادیر ویژه سیستم بصورت تابعی از پارامترهای کنترلی مورد بررسی قرار می گیرند. با بررسی حساسیت مقادیر ویژه به پارامترهای کنترلی، پارامترهای حساسیت برانگیزتر شناسایی می شوند و بر اساس روش PSO مورد بهینه سازی قرار می گیرند. صحت و کارایی روش پیشنهادی از طریق شبیه سازی در محیط نرم افزار MATLAB مورد بررسی قرار گرفته است. پرونده مقاله

دسترسی آزاد مقاله

24 - Optimal Locations on Timoshenko Beam with PZT S/A for Suppressing 2Dof Vibration Based on LQR-MOPSO
M Hasanlu A Bagheri

Neutralization of external stimuli in dynamic systems has the major role in health, life, and function of the system. Today, dynamic systems are exposed to unpredicted factors. If the factors are not considered, it will lead to irreparable damages in energy consumption چکیده کامل

Neutralization of external stimuli in dynamic systems has the major role in health, life, and function of the system. Today, dynamic systems are exposed to unpredicted factors. If the factors are not considered, it will lead to irreparable damages in energy consumption and manufacturing systems. Continuous systems such as beams, plates, shells, and panels that have many applications in different industries as the main body of a dynamic system are no exceptions for the damages, but paying attention to the primary design of model the automatic control against disturbances has highly met the objectives of designers and also has saved much of current costs. Beam structure has many applications in constructing blades of gas and wind turbines and robots. When it is exposed to external loads, it will have displacements in different directions. Now, it is the control approach that prevents from many vibrations by designing an automated system. In this study, a cantilever beam has been modeled by finite element and Timoshenko Theory. Using piezoelectric as sensor and actuator, it controls the beam under vibration by LQR controller. Now, in order to increase controllability of the system and reduce the costs, there are only spots of the beam where most displacement occurs. By controlling the spots and applying force on them, it has the most effect on the beam. By multi-objective particle swarm optimization or MOPSO algorithm, the best weighting matrices coefficients of LQR controller are determined due to sensor and actuator displacement or the beam vibration is controlled by doing a control loop. پرونده مقاله

دسترسی آزاد مقاله

25 - Investigating the Effect of Stiffness/Thickness Ratio on the Optimal Location of Piezoelectric Actuators Through PSO Algorithm
S Jafari Fesharaki S.Gh Madani S Golabi

This article has studied the effect of ratio of stiffness and thickness between piezoelectric actuators and host plat has been explored on optimal pattern for placement of piezoelectric work pieces around a hole in thin isotropic plate under static loading to reduce str چکیده کامل

This article has studied the effect of ratio of stiffness and thickness between piezoelectric actuators and host plat has been explored on optimal pattern for placement of piezoelectric work pieces around a hole in thin isotropic plate under static loading to reduce stress concentration. The piezoelectric actuators reduce directly or indirectly the stress concentration by applying positive and negative strains on the host plate. For this purpose, various modes as the thickness/stiffness ratios of the plate to the piezoelectric patches as ≥1 or ≤1 were considered. Then, a Python code was developed using particle swarm optimization algorithm in order to achieve the best model of piezoelectric actuators around the hole for maximum reduction in stress concentration factor. Also, the maximum stress concentration on the top and bottom of the hole was moved to another point around the edge by changing the location of piezoelectric patches. The results obtained from software solutions were confirmed by experimental tests. پرونده مقاله

دسترسی آزاد مقاله

26 - انتخاب ویژگی پایدار و دسته بندی براساس ساختار سلسله مراتبی مبتنی بر چند گونه سازی ازدحام ذرات آشوبی برای داده های ژنتیکی
مریم یاسی محمدحسین معطر مهدی یعقوبی

هرگونه افزایش و تکثیر غیرطبیعی سلولی را تومور گویند. سرطان زمانی اتفاق می افتد که رشد کنترل نشده ای بر روی سلولهایغیرطبیعی در یکی از اعضای بدن به وجود آید. تومورها به دو دستۀ خوش خیم و بدخیم تقسیم می شوند. با توجه به رشد روزافزونداده های پیرامون بشر، به کارگیری ابزارهای چکیده کامل

هرگونه افزایش و تکثیر غیرطبیعی سلولی را تومور گویند. سرطان زمانی اتفاق می افتد که رشد کنترل نشده ای بر روی سلولهایغیرطبیعی در یکی از اعضای بدن به وجود آید. تومورها به دو دستۀ خوش خیم و بدخیم تقسیم می شوند. با توجه به رشد روزافزونداده های پیرامون بشر، به کارگیری ابزارهایی برای تحلیل این نوع داده ها و دست یابی به دانش نهفته آنها کاری الزامی است . به ایندلیل که بشر دیدگاه ذاتی و بصری غیرقابل درکی درباره مسائل با ابعاد بالا و سایز بزرگ پایگاه داده ها دارد، از این رو استفاده ازروش های هوشمندانه تأثیر به سزایی در شناخت و درک بهتر بر روی داده های با ابعاد بالا م ی گذارد . در این مقاله ابتدا با ادغامروش های رتبه بندی، زیرمجموعه ای از ویژگیهای پایدار و متمایزکننده انتخاب می گردد و در گام بعدی ب ه کمک یک سیستمفازی به شناسایی و دسته بندی داده های بیولوژیکی از لحاظ خوش خ یم و بد خیم بودن آنها م ی پرداز یم. پرونده مقاله

دسترسی آزاد مقاله

27 - Stock price prediction using the Chaid rule-based algorithm and particle swarm optimization (pso)
Aliasghar Davoodi Kasbi Iman Dadashi

10.22034/amfa.2019.585043.1184

Stock prices in each industry are one of the major issues in the stock market. Given the increasing number of shareholders in the stock market and their attention to the price of different stocks in transactions, the prediction of the stock price trend has become signif چکیده کامل

Stock prices in each industry are one of the major issues in the stock market. Given the increasing number of shareholders in the stock market and their attention to the price of different stocks in transactions, the prediction of the stock price trend has become significant. Many people use the share price movement process when com-paring different stocks while investing, and also want to predict this trend to see if the trend continues to increase or decrease over time. In this research, stock price prediction for 1170 years -company during 2011-2016 (a six-year period) of listed companies in stock exchange has been studied using the machine learning method (Chaid rule-based algorithm and Particle Swarm Optimization Algorithm). The results of the research show that there is a significant relationship between earnings per share, e / p ratio, company size, inventory turnover ratio, and stock returns with stock prices. Also, particle swarm optimization (pso) algorithm has a good ability to predict stock prices. پرونده مقاله

دسترسی آزاد مقاله

28 - A new two-phase approach to the portfolio optimization problem based on the prediction of stock price trends
Hamid Reza Yousefzade Amin Karrabi Aghileh Heydari

10.22034/amfa.2021.1937022.1622

Forming a portfolio of different stocks instead of buying a particular type of stock can reduce the potential loss of investing in the stock market. Although forming a portfolio based solely on past data is the main theme of various researches in this field, considering چکیده کامل

Forming a portfolio of different stocks instead of buying a particular type of stock can reduce the potential loss of investing in the stock market. Although forming a portfolio based solely on past data is the main theme of various researches in this field, considering a portfolio of different stocks regardless of their future return can reduce the profits of investment. The aim of this paper is to introduce a new two-phase approach to forming an optimal portfolio using the predicted stock trend pat-tern. In the first phase, we use the Hurst exponent as a filter to identify stable stocks and then, we use a meta-heuristic algorithm such as the support vector regression algorithm to predict stable stock price trends. In the next phase, according to the predicted price trend of each stock having a positive return, we start arranging the portfolio based on the type of stock and the percentage of allocated capacity of the total portfolio to that stock. To this end, we use the multi-objective particle swarm optimization algorithm to determine the optimal portfolios as well as the optimal weights corresponding to each stock. The sample, which was selected using the systematic removal method, consists of active firms listed on the Tehran Stock Ex-change from 2018 to 2020. Experimental results, obtained from a portfolio based on the prediction of stock price trends, indicate that our suggested approach outperforms the retrospective approaches in approximating the actual efficient frontier of the problem, in terms of both diversity and convergence. پرونده مقاله

دسترسی آزاد مقاله

29 - چابکی عامل ها در زنجیره تامین سازمان های آموزشی با استفاده از الگوریتم بهینه سازی ازدحام ذرات
Abbass Toloie Ashlaghi shahrzad tayaran Reza Radfar Alireza Pourebrahimi

سرعت فزاینده تغییرات فن آورانه، از یک سو، و تغییر ماهیت تقاضای مشتریان و تشدید رقابت بین سازمان ها، از سوی دیگر، باعث شده است که سازمان ها به شدت به دنبال کسب مزیت های رقابتی جدید برای برتری بر رقبا و تامین بهتر نیاز مشتریان باشند. حصول چنین اهدافی در سایه مفهوم جدیدی ب چکیده کامل

سرعت فزاینده تغییرات فن آورانه، از یک سو، و تغییر ماهیت تقاضای مشتریان و تشدید رقابت بین سازمان ها، از سوی دیگر، باعث شده است که سازمان ها به شدت به دنبال کسب مزیت های رقابتی جدید برای برتری بر رقبا و تامین بهتر نیاز مشتریان باشند. حصول چنین اهدافی در سایه مفهوم جدیدی به نام چابکی سازمانی به دست می آید اما چابکی سازمان تحت تاثیر عامل های خود می باشند که در شرکت های خدماتی ، کارکنان تاثیر گذارترین عامل می باشند. در این پژوهش که دانشگاه علوم و تحقیقات به عنوان مطالعه موردی مطرح شده است کارکنان به سه دسته نرم ، خاطی و مقصور تقسیم بندی شده اند که عامل های مذکور تعیین کننده سه عنصر اصلی چابکی زنجیره تامین سازمان که عبارتند از محرک های چابکی، توانمندیهای چابکی و توانا سازهای چابکی می باشند. همچنین با استفاده از الگوریتم بهینه سازی ازدحام ذرات یک مدل هوشمند طراحی شده که تاثیرگذاری و تاثیر پذیری عوامل بر یکدیگر مورد سنجش قرار گرفته است. و پس از اجرای مدل در مطالعه موردی در نقطه Time=769 ، بهبودی سازمان در بهترین حالت ممکن می باشد. پرونده مقاله

دسترسی آزاد مقاله

30 - ارائه مدل زمانبندی استوار پروژه با منابع محدود و حل آن با استفاده از الگوریتم فرا ابتکاری بهینه سازی انبوه ذرات (مطالعه موردی: پالایشگاه میعانات گازی بندر عباس)
Mohammadhusein Nabizadeh Huseinali Hasanpoor Roozbeh Azizmohammadi Navid Hashtroodi

انجام فعالیت های پروژه مطابق برنامه زمان بندی یکی از مسائل مورد توجه دست اندرکاران پروژه ها به ویژه مدیران پروژه ها می باشد. همچنین ماهیت بسیار دشوار این مسئله، علت دیگری برای توجه زیاد محققین به آن می‌باشد. بنابراین تکنیک ها و روش‌های خاصی برای حل این مسائل مطرح شده‌ان چکیده کامل

انجام فعالیت های پروژه مطابق برنامه زمان بندی یکی از مسائل مورد توجه دست اندرکاران پروژه ها به ویژه مدیران پروژه ها می باشد. همچنین ماهیت بسیار دشوار این مسئله، علت دیگری برای توجه زیاد محققین به آن می‌باشد. بنابراین تکنیک ها و روش‌های خاصی برای حل این مسائل مطرح شده‌اند. از اینرو توجه بیشتر به پایداری زمانبندی پروژه برای مدیران پروژه موضوعیت دارد. در این مقاله برای یک مسئله واقعی زمانبندی پروژه پالایشگاهی ابتدا مدل زمانبندی پایدار ارائه‌شده و به دلیل اینکه زمانبندی پروژه با محدودیت منابع از جمله مسائل NP-Hard است، الگوریتم‌ فرا ابتکاری بهینه سازی انبوه ذرات برای حل این مسئله پیشنهاد شده است. به منظور اعتبارسنجی مدل نیز 4 مسئله با ابعاد کوچک انتخاب و جواب‌های به دست آمده از الگوریتم‌های پیشنهادی با جواب دقیق به دست آمده حاصل از نرم‌افزار Lingo مقایسه گردیده است. نتایج به دست آمده نشان می دهد الگوریتم پیشنهادی کارا و همگرا به جواب بهینه می‌باشند. پرونده مقاله

دسترسی آزاد مقاله

31 - استفاده از سیستم الگوریتم اجتماع ذرات (PSO ) جهت بهینه سازی هزینه طرح ضخامت روسازی راه ها و مقایسه ان با روش شل
منصور توحیدی نوید خیاط عبدالرسول تلوری

از آن جایی که هزینه روسازی راه ها بخش بزرگی ازمنابع مالی هزینه اجرا را به خود اختصاص می دهد، لذا یافتن مناسب ترین طرح ضخامت روسازی با حداقل هزینه یکی از دغدغه های مهندسین طراح می باشد. استفاده از الگوریتم های جستجوی هوشمند بعنوان یکی از راهکارهای موثر در یافتن طرح بهینه چکیده کامل

از آن جایی که هزینه روسازی راه ها بخش بزرگی ازمنابع مالی هزینه اجرا را به خود اختصاص می دهد، لذا یافتن مناسب ترین طرح ضخامت روسازی با حداقل هزینه یکی از دغدغه های مهندسین طراح می باشد. استفاده از الگوریتم های جستجوی هوشمند بعنوان یکی از راهکارهای موثر در یافتن طرح بهینه می تواند مطرح باشد . تحقیق حاضر با هدف بررسی کارائی تکنیک الگوریتم هوشمند اجتماع ذرات PSO در طرح ضخامت روسازی به روش اشتو و تعیین هزینه بهینه اقتصادی و عملکرد این الگوریتم را نسبت به روش شل مورد مقایسه قرار می دهد. به این منظور نرم افزارلازم برای پیاده سازی این الگوریتم جهت حل مسئله طراحی روسازی انجام و مدل شبیه سازی-بهینه سازی لازم توسعه داده شد. ، در ادامه با ذکر یک مثال با استفاده از 3 ترکیب از مصالح با مدول الاستیسیته متفاوت و قیود مختلف هزینه بهینه طرح ضخامت روسازی با استفاده از الگوریتم PSO و روش شل محاسبه و با یکدیگر مقایسه گردید . .نتایج نشان داد روش الگوریتم PSO توسعه یافته هزینه ها را در حالت با قید محدودیت ضخامت اساس و زیر اساس در روش شل برای ترکیبات سه گانه بین 0.5% تا 14% و در حالت بدون قید محدودیت ضخامت بین 2.9% تا 20.6% و در حالت بدون قید محدودیت ضخامت و استفاده از اساس سیمانی در طرح ضخامت روسازی بین 17.4% تا30.6% نسبت به روش شل کاهش می دهد. پرونده مقاله

دسترسی آزاد مقاله

32 - تشخیص عیب یاتاقان های پمپ سانتریفیوژ با استفاده از ترکیب روش های تحلیل مولفه های غیروابسته و بهینه سازی دسته ذرات
محمدصادق اعلائی مهدی شکارزاده

با توجه به پیشرفت علوم فنی و مهندسی و پیچیده تر شدن تجهیزات و ماشین آلات در سال های اخیر، تکنولوژی تعمیرات و نگهداری مبتنی بر پایش وضعیت و برآورد عیب تحت عناوین مختلفی مورد توجه قرار گرفته است. روش های عیب یابی هوشمند برای شناسایی خرابی ماشین های دوار در مراحل اولیه خرا چکیده کامل

با توجه به پیشرفت علوم فنی و مهندسی و پیچیده تر شدن تجهیزات و ماشین آلات در سال های اخیر، تکنولوژی تعمیرات و نگهداری مبتنی بر پایش وضعیت و برآورد عیب تحت عناوین مختلفی مورد توجه قرار گرفته است. روش های عیب یابی هوشمند برای شناسایی خرابی ماشین های دوار در مراحل اولیه خرابی به منظور جلوگیری از زیان های جانی، مالی و افزایش آهنگ تولید استفاده می شوند. در این مقاله یک سیستم عیب یابی برای تشخیص عیب یاتاقان پمپ سانتریفیوژ ارایه شده است. برای طراحی این سیستم عیب یابی هوشمند، مجموعه آزمایشی شامل محور، یاتاقان و شرایط تکیه گاهی واقعی در آزمایشگاه طراحی و اجرا شد. در این مجموعه آزمایشگاهی داده های ارتعاشی مورد نیاز از سه یاتاقان با شرایط یک عدد سالم، یک عدد فرسوده و یک عدد یاتاقان دارای کنس خارجی خراب پس از نصب (به صورت جداگانه) برداشت شد. پس از تشریح سیگنال ها در حوزه زمان، سیگنال نهایی استخراج گردید و سپس ویژگی های گوناگون به دست آمده از سیگنال ها به عنوان داده های ورودی طبقه بندی کننده استفاده گردید. بر اساس نتایج به دست آمده از این تحقیق، از میان ویژگی های آماری مختلف، ویژگی صدک، مناسب ترین است. برای طبقه بندی و شناسایی عیب، از روش تحلیل مولفه های غیر وابسته بهره برده شد و در نهایت دقت تشخیص عیب با استفاده از روش بهینه سازی دسته ذرات بهینه گردید و به بیش از سه برابر حالت غیربهینه ارتقا یافت. پرونده مقاله

دسترسی آزاد مقاله

33 - کنترل بهینه سیستم های تکه ای شبه خطی مقید برای خودرو بر روی شیب با استفاده از الگوریتم بهینه سازی ازدحام ذرات
احمد کیاکجوری جواد مشایخی فرد

علی‌رغم برتری¬های مبتنی بر مدل کنترل پیش‌بین مانند قابلیت اطمینان، بزرگ‌ترین مانع رشد تصاعدی تعداد مکان‌های چندوجهی، با بزرگتر شدن افق پیش بینی رخ می‌دهد. این امر باعث افزایش پیچیدگی محاسباتی قانون کنترل می‌شود. در این مقاله، حل مسئله كنترل بهينه سيستم هاي تكه¬اي شبه خط چکیده کامل

علی‌رغم برتری¬های مبتنی بر مدل کنترل پیش‌بین مانند قابلیت اطمینان، بزرگ‌ترین مانع رشد تصاعدی تعداد مکان‌های چندوجهی، با بزرگتر شدن افق پیش بینی رخ می‌دهد. این امر باعث افزایش پیچیدگی محاسباتی قانون کنترل می‌شود. در این مقاله، حل مسئله كنترل بهينه سيستم هاي تكه¬اي شبه خطی مقيد بر اساس روش كنترل پيش بين و كنترل افق پيشرو در نظر گرفته شده است. برای کاهش پیچیدگی از الگوریتم بهینه¬سازی ازدحام ذرات استفاده گردیده است. به بیان دیگر، در این پژوهش دو هدف دنبال می¬شود، نخست اینکه مسئله كنترل بهينه سيستم تكه¬اي شبه خطی مقيد فرموله و حل صريح مسئله ‌با روش کنترل پیش‌بین و بكارگيري برنامه¬ريزي چند پارامتري به صورت قانون كنترل روي نواحي چندوجهي، بيان و سپس مشكلات مربوط به پيچيدگي حل و رشد نمايي آن به علت افزايش افق پيش‌بين ارائه می¬شود. سپس با تعريف تابع هدف جديد بر اساس كاهش چندوجهي‌هاي قانون كنترل، با تلفيق الگوريتم بهینه‌سازی ازدحام ذرات و حل صريح بدست آمده روش کنترل پیش‌بین و تنظيم پارامترهاي سيستم تكه¬¬اي شبه خطی مقيد به‌كاهش پيچيدگي¬¬¬هاي سيستم اقدام شده است، به طوري¬كه تعداد چندوجهي‌هاي حاصل به حداقل‌ برسد. برای نشان دادن کارآیی روش، مدلسازی یک خودرو در حال بالا رفتن از یک تپه شیب¬دار و حفظ تعادل خود درنظر گرفته شده است. تعداد قانون کنترل چند‌وجهی از 129 به 25 کاهش یافته است. پرونده مقاله

دسترسی آزاد مقاله

34 - پیش‌بینی الگوی توزیعBemisia tabaci G. (Hem.: Aleyrodidae ) با استفاده از شبکه عصبی مصنوعی بهینه شده توسط الگوریتم حرکت تجمعی ذرات
علیرضا شعبانی‌نژاد بهرام تفقدی‌نیا

با پدید آمدن تکنیک ‌های آماری قوی و شبکه‌ های عصبی، مدل ‌های پیش بینی کننده پراکنش آفات به سرعت در اکولوژی توسعه پیدا کرده است. این پژوهش به منظور پیش بینی و ترسیم نقشه توزیع Bemisia tabaci G. با استفاده از شبکه‌ های عصبـی پرسپترون چنـد لایه (MLP) ترکیب شده با حرکت تجمع چکیده کامل

با پدید آمدن تکنیک ‌های آماری قوی و شبکه‌ های عصبی، مدل ‌های پیش بینی کننده پراکنش آفات به سرعت در اکولوژی توسعه پیدا کرده است. این پژوهش به منظور پیش بینی و ترسیم نقشه توزیع Bemisia tabaci G. با استفاده از شبکه‌ های عصبـی پرسپترون چنـد لایه (MLP) ترکیب شده با حرکت تجمعی ذرات در سطح مزرعه خیار انجام شد. داده ‌های مربوط به جمعیت این آفت از طریق نمونه برداری از 100 نقطه از سطح مزرعه شهرستان رامهرمز در سال 1396 به دست آمد. به منظور ارزیابی قابلیت شبکه‌ های عصبی مورد استفاده در پیش بینی توزیع از مقایسه آماری پارامتر هایی مانند واریانس، توزیع آماری و میانگین بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی و مقادیر واقعی آن‌ ها استفاده شد. نتایج نشان داد که در فاز های آموزش و آزمایش بین مقادیر ویژگی ‌های آماری واریانس، توزیع آماری و میانگین مجموعه داده ‌های واقعی و پیش بینی شده مکانی این آفت توسط شبکه عصبی ترکیب شده، تفاوت معنی داری وجود نداشت. نقشه‌ های ترسیم شده نشان داد که توزیع این آفت تجمعی است و امکان کنترل متناسب با توزیع مکانی را در مزرعه دارد. پرونده مقاله

دسترسی آزاد مقاله

35 - Solving Security Constrained Unit Commitment by Particle Swarm Optimization
Shiva Alipour Ghorbani Hossein Nasiraghdam

The issue of unit commitment is one of the most important economic plans in power system. In modern and traditional power systems, in addition to being economical of the planning, the issue of security in unit operation is also of great importance. Hence power system op چکیده کامل

The issue of unit commitment is one of the most important economic plans in power system. In modern and traditional power systems, in addition to being economical of the planning, the issue of security in unit operation is also of great importance. Hence power system operation confronts units’ participation and input considering network security constrains. The issue of units’ participation is defined as an optimization problem aimed at determining units' on or off condition and optimized level of units’ production پرونده مقاله

دسترسی آزاد مقاله

36 - A PSO-Based Static Synchronous Compensator Controller for Power System Stability Enhancement
Meisam Mahdavi Ali Nazari Vahid Hosseinnezhad Amin Safari

In this paper Power system stability enhancement through static synchronous compensator (STATCOM)based controller is investigated. The potential of the STATCOM supplementary controllers to enhance thedynamic stability is evaluated. The design problem of STATCOM based da چکیده کامل

In this paper Power system stability enhancement through static synchronous compensator (STATCOM)based controller is investigated. The potential of the STATCOM supplementary controllers to enhance thedynamic stability is evaluated. The design problem of STATCOM based damping controller is formulatedas an optimization problem according to the eigenvalue based objective function that is solved by a particleswarm optimization (PSO) algorithm. The controllers are tuned to simultaneously shift the lightly dampedand un-damped electro-mechanical modes of machine to a prescribed zone in the s-plane. The resultsanalysis reveals that the designed PSO based STATCOM damping controller has an excellent capability indamping the power system low frequency oscillations and enhance greatly the dynamic stability of thepower system. پرونده مقاله

دسترسی آزاد مقاله

37 - Load Frequency Control in Power Systems Using Improved Particle Swarm Optimization Algorithm
Milad Babakhani Qazijahan

The purpose of load frequency control is to reduce transient oscillation frequencies than its nominal valueand achieve zero steady-state error for it.A common technique used in real applications is to use theproportional integral controller (PI). But this controller has چکیده کامل

The purpose of load frequency control is to reduce transient oscillation frequencies than its nominal valueand achieve zero steady-state error for it.A common technique used in real applications is to use theproportional integral controller (PI). But this controller has a longer settling time and a lot of Extramutation in output response of system so it required that the parameters be adjusted as appropriate . In thispaper, we aim to design a system based on PI controllers using improved particle swarm optimizationalgorithm for load frequency control .Multi-population approach and local search to improve theoptimization algorithms is used and displayed. That this approach will lead to accelerating the achievementof results, preventing entrapment in a local minimum, and get better system output compared with similarmethods. پرونده مقاله

دسترسی آزاد مقاله

38 - MMDT: Multi-Objective Memetic Rule Learning from Decision Tree
Bahareh Shaabani Hedieh Sajedi

In this article, a Multi-Objective Memetic Algorithm (MA) for rule learning is proposed. Prediction accuracy and interpretation are two measures that conflict with each other. In this approach, we consider accuracy and interpretation of rules sets. Additionally, individ چکیده کامل

In this article, a Multi-Objective Memetic Algorithm (MA) for rule learning is proposed. Prediction accuracy and interpretation are two measures that conflict with each other. In this approach, we consider accuracy and interpretation of rules sets. Additionally, individual classifiers face other problems such as huge sizes, high dimensionality and imbalance classes’ distribution data sets. This article proposed a way to handle imbalance classes’ distribution. We introduce Multi-Objective Memetic Rule Learning from Decision Tree (MMDT). This approach partially solves the problem of class imbalance. Moreover, a MA is proposed for refining rule extracted by decision tree. In this algorithm, a Particle Swarm Optimization (PSO) is used in MA. In refinement step, the aim is to increase the accuracy and ability to interpret. MMDT has been compared with PART, C4.5 and DTGA on numbers of data sets from UCI based on accuracy and interpretation measures. Results show MMDT offers improvement in many cases. پرونده مقاله

دسترسی آزاد مقاله

39 - PSO-Based Path Planning Algorithm for Humanoid Robots Considering Safety
Roham Shakiba Mostafa E. Salehi

In this paper we introduce an improvement in the path planning algorithm for the humanoid soccer playing robot which uses Ferguson splines and PSO (Particle Swarm Optimization). The objective of the algorithm is to find a path through other playing robots to the ball, w چکیده کامل

In this paper we introduce an improvement in the path planning algorithm for the humanoid soccer playing robot which uses Ferguson splines and PSO (Particle Swarm Optimization). The objective of the algorithm is to find a path through other playing robots to the ball, which should be as short as possible and also safe enough. Ferguson splines create preliminary paths using random generated parameters. The random parameters are then iteratively fed into the PSO for optimization and converging to optimal path. Our proposed method makes a balance between the path shortness and the safety which makes it more efficient for humanoid soccer playing robots and also for any other crowded environment with various moving obstacles. Experimental results show that our proposed algorithm converges in at most 60 iterations with the average accuracy of 92% and the maximum path length overhead of 14% for planning the shortest and yet safest path. پرونده مقاله

دسترسی آزاد مقاله

40 - Enhanced Comprehensive Learning Cooperative Particle Swarm Optimization with Fuzzy Inertia Weight (ECLCFPSO-IW)
Mojtaba Gholamian Mohammad Reza Meybodi

So far various methods for optimization presented and one of most popular of them are optimization algorithms based on swarm intelligence and also one of most successful of them is Particle Swarm Optimization (PSO). Prior some efforts by applying fuzzy logic for improvi چکیده کامل

So far various methods for optimization presented and one of most popular of them are optimization algorithms based on swarm intelligence and also one of most successful of them is Particle Swarm Optimization (PSO). Prior some efforts by applying fuzzy logic for improving defects of PSO such as trapping in local optimums and early convergence has been done. Moreover to overcome the problem of inefficiency of PSO algorithm in high-dimensional search space, some algorithms such as Cooperative PSO offered. Accordingly, in the present article, we intend, in order to develop and improve PSO algorithm take advantage of some optimization methods such as Cooperatives PSO, Comprehensive Learning PSO and fuzzy logic, while enjoying the benefits of some functions and procedures such aslocal search function and Coloning procedure, propose the Enhanced Comprehensive Learning Cooperative Particle Swarm Optimization with Fuzzy Inertia Weight (ECLCFPSO-IW) algorithm. By proposing this algorithm we try to improve mentioned deficiencies of PSO and get better performance in high dimensions. پرونده مقاله

دسترسی آزاد مقاله

41 - Fraud Detection of Credit Cards Using Neuro-fuzzy Approach Based on TLBO and PSO Algorithms
Maryam Ghodsi Mohammad Saniee Abadeh

The aim of this paper is to detect bank credit cards related frauds. The large amount of data and their similarity lead to a time consuming and low accurate separation of healthy and unhealthy samples behavior, by using traditional classifications. Therefore in this stu چکیده کامل

The aim of this paper is to detect bank credit cards related frauds. The large amount of data and their similarity lead to a time consuming and low accurate separation of healthy and unhealthy samples behavior, by using traditional classifications. Therefore in this study, the Adaptive Neuro-Fuzzy Inference System (ANFIS) is used in order to reach a more efficient and accurate algorithm. By combining evolutionary algorithms with ANFIS, the optimal tuning of ANFIS parameters is achieved by the Teaching-Learning-Based Optimization (TLBO) and the Particle Swarm Optimization (PSO). The aim of using this approach is to improve the network performance and to reduce calculation complexities compared to gradient descent and least square methods. The proposed algorithm is implemented and evaluated on credit cards data to detect fraud. The results demonstrate superior performance of the designed scheme compared to other intelligent identification methods. پرونده مقاله

دسترسی آزاد مقاله

42 - Negative Selection Based Data Classification with Flexible Boundaries
Lena Nemati Mojtaba Shakeri

One of the most important artificial immune algorithms is negative selection algorithm, which is an anomaly detection and pattern recognition technique; however, recent research has shown the successful application of this algorithm in data classification. Most of the n چکیده کامل

One of the most important artificial immune algorithms is negative selection algorithm, which is an anomaly detection and pattern recognition technique; however, recent research has shown the successful application of this algorithm in data classification. Most of the negative selection methods consider deterministic boundaries to distinguish between self and non-self-spaces. In this paper, two negative selection based algorithms are proposed for two-class and multi-class classification problems; using a Gaussian mixture model which is fitted on normal space to create a flexible boundary between self and non-self-spaces, by determining the dynamic subsets of effective detectors to solve the problem of data classification. Initialization of effective parameters such as the detection threshold, the maximum number of detectors etc. for each dataset, is one of the challenges in negative selection based classification algorithms, which affects the precision and accuracy of the classification; therefore, an adaptive and optimal calculation of these parameters is necessary. To overcome this problem, the particle swarm optimization algorithm has been used to properly set the parameters of the proposed methods. The experimental results showed that using a Gaussian mixture model and dynamic adjustment of parameters such as optimum number of Gaussian components according to the shape of the boundaries, creation of appropriate number of detectors, and also automatic adjustment of the training and testing thresholds, using particle swarm optimization algorithm as well as utilization of a combinatorial objective function has led to a better classification with fewer detectors. The proposed algorithms showed competitive performance compared with some of the existing classification algorithms, including several immune-inspired models, especially negative selection ones, and other traditional classification methods. پرونده مقاله

دسترسی آزاد مقاله

43 - Diversified Particle Swarm Optimization for Hybrid Flowshop Scheduling
Javad Behnamian

10.22094/joie.2018.671.1433

The aim of this paper is to propose a new particle swarm optimization algorithm to solve a hybrid flowshop scheduling with sequence-dependent setup times problem, which is of great importance in the industrial context. This algorithm is called diversified particle swarm چکیده کامل

The aim of this paper is to propose a new particle swarm optimization algorithm to solve a hybrid flowshop scheduling with sequence-dependent setup times problem, which is of great importance in the industrial context. This algorithm is called diversified particle swarm optimization algorithm which is a generalization of particle swarm optimization algorithm and inspired by an anarchic society whose members behave anarchically to improve their situations. Such anarchy lets the algorithm explore the solution space perfectly and prevent falling in the local optimum traps. Besides, for the first time, for the hybrid flowshop, we proposed eight different local search algorithms and incorporate them into the algorithm in order to improve it with the help of systematic changes of the neighborhood structure within a search for minimizing the makespan. The proposed algorithm was tested and the numerical results showe that the proposed algorithm significantly outperforms other effective heuristics recently developed. پرونده مقاله

دسترسی آزاد مقاله

44 - 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 چکیده کامل

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 پرونده مقاله

دسترسی آزاد مقاله

45 - Hub Covering Location Problem Considering Queuing and Capacity Constraints
Mehdi Seifbarghy Mojtaba Hemmati Sepideh Soltan Karimi

10.22094/joie.2017.351.0

In this paper, a hub covering location problem is considered. Hubs, which are the most congested part of a network, are modeled as M/M/C queuing system and located in placeswhere the entrance flows are more than a predetermined value.A fuzzy constraint is considered in چکیده کامل

In this paper, a hub covering location problem is considered. Hubs, which are the most congested part of a network, are modeled as M/M/C queuing system and located in placeswhere the entrance flows are more than a predetermined value.A fuzzy constraint is considered in order to limit the transportation time between all origin-destination pairs in the network.On modeling, a nonlinear mathematical program is presented.Then, the nonlinear constraints are convertedto linear ones.Due to the computational complexity of the problem,genetic algorithm (GA),particle swarm optimization (PSO)based heuristics, and improved hybrid PSO are developedto solve the problem. Since the performance of the given heuristics is affected by the corresponding parameters of each, Taguchi method is appliedin order to tune the parameters. Finally,the efficiency ofthe proposed heuristicsis studied while designing a number of test problems with different sizes.The computational results indicated the greater efficiency of the heuristic GA compared to the other methods for solving the problem پرونده مقاله

دسترسی آزاد مقاله

46 - Three Hybrid Metaheuristic Algorithms for Stochastic Flexible Flow Shop Scheduling Problem with Preventive Maintenance and Budget Constraint
Sadigh Raissi Ramtin Rooeinfar Vahid Reza Ghezavati

10.22094/joie.2018.242.1532

Stochastic flexible flow shop scheduling problem (SFFSSP) is one the main focus of researchers due to the complexity arises from inherent uncertainties and also the difficulty of solving such NP-hard problems. Conventionally, in such problems each machine’s job pr چکیده کامل

Stochastic flexible flow shop scheduling problem (SFFSSP) is one the main focus of researchers due to the complexity arises from inherent uncertainties and also the difficulty of solving such NP-hard problems. Conventionally, in such problems each machine’s job process time may encounter uncertainty due to their relevant random behaviour. In order to examine such problems more realistically, fixed interval preventive maintenance (PM) and budget constraint are considered.PM activity is a crucial task to reduce the production efficiency. In the current research we focused on a scheduling problem which a job is processed at the upstream stage and all the downstream machines get busy or alternatively PM cost is significant, consequently the job waits inside the buffers and increases the associated holding cost. This paper proposes a new more realistic mathematical model which considers both the PM and holding cost of jobs inside the buffers in the stochastic flexible flow shop scheduling problem. The holding cost is controlled in the model via the budget constraint. In order to solve the proposedmodel, three hybrid metaheuristic algorithms are introduced. They include a couple of well-known metaheuristic algorithms which have efficient quality solutions in the literature. The two algorithms of them constructed byincorporationof the particle swarm optimization algorithm (PSO) and parallel simulated annealing (PSA) methods under different random generation policies. The third one enriched based on genetic algorithm (GA) with PSA. To evaluate the performance of the proposed algorithms, different numerical examples are presented. Computational experiments revealed that the proposed algorithms embedboth desirable accuracy and CPU time. Among them, the PSO-PSAП outperforms than other algorithms in terms of makespan and CPU time especially for large size problems. پرونده مقاله

دسترسی آزاد مقاله

47 - Modelling and optimization of a tri-objective Transportation-Location-Routing Problem considering route reliability: using MOGWO, MOPSO, MOWCA and NSGA-II
Fariba Maadanpour Safari Farhad Etebari Adel Pourghader Chobar

10.22094/joie.2020.1893849.1730

In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a w چکیده کامل

In this research, a tri-objective mathematical model is proposed for the Transportation-Location-Routing problem. The model considers a three-echelon supply chain and aims to minimize total costs, maximize the minimum reliability of the traveled routes and establish a well-balanced set of routes. In order to solve the proposed model, four metaheuristic algorithms, including Multi-Objective Grey Wolf Optimizer (MOGWO), Multi-Objective Water Cycle Algorithm (MOWCA), Multi-objective Particle Swarm Optimization (MOPSO) and Non-Dominated Sorting Genetic Algorithm- II (NSGA-II) are developed. The performance of the algorithms is evaluated by solving various test problems in small, medium, and large scale. Four performance measures, including Diversity, Hypervolume, Number of Non-dominated Solutions, and CPU-Time, are considered to evaluate the effectiveness of the algorithms. In the end, the superior algorithm is determined by Technique for Order of Preference by Similarity to Ideal Solution method. پرونده مقاله

دسترسی آزاد مقاله

48 - Designing Stochastic Cell Formation Problem Using Queuing Theory
Parviz fattahi Bahman Esmailnezhad Amir Saman Kheirkhah

This paper presents a new nonlinear mathematical model to solve a cell formation problem which assumes that processing time and inter-arrival time of parts are random variables. In this research, cells are defined as a queue system which will be optimized via queuing th چکیده کامل

This paper presents a new nonlinear mathematical model to solve a cell formation problem which assumes that processing time and inter-arrival time of parts are random variables. In this research, cells are defined as a queue system which will be optimized via queuing theory. In this queue system, each machine isassumed as a server and each part asa customer. The grouping of machines and parts are optimized based on the mean waiting time. For solving exactly, the proposed model is linearized. Since the cell formation problem is NP-Hard, two algorithms based on genetic and modified particle swarm optimization (MPSO) algorithms are developed to solve the problem. For generating of initial solutions in these algorithms, a new heuristic method is developed, which always creates feasible solutions. Also, full factorial and Taguchi methods are used to set the crucial parameters in the solutions procedures. Numerical experiments are used to evaluate the performance of the proposed algorithms. The results of the study show that the proposed algorithms are capable of generating better quality solutions in much less time. Finally, a statistical method is used which confirmed that the MPSO algorithm generates higher quality solutions in comparison with the genetic algorithm (GA). پرونده مقاله

دسترسی آزاد مقاله

49 - Fuzzy Particle Swarm Optimization Algorithm for a Supplier ClusteringProblem
esmaeil Mehdizadeh reza Tavakkoli Moghaddam

This paper presents a fuzzy decision-making approach to deal with a clustering supplier problem in a supply chain system. During recent years, determining suitable suppliers in the supply chain has become a key strategic consideration. However, the nature of these decis چکیده کامل

This paper presents a fuzzy decision-making approach to deal with a clustering supplier problem in a supply chain system. During recent years, determining suitable suppliers in the supply chain has become a key strategic consideration. However, the nature of these decisions is usually complex and unstructured. In general, many quantitative and qualitative factors, such as quality, price, and flexibility and delivery performance, must be considered to determine suitable suppliers. The aim of this study is to present a new approach using particle swarm optimization (PSO) algorithm for clustering suppliers under fuzzy environments and classifying smaller groups with similar characteristics. Our numerical analysis indicates that the proposed PSO improves the performance of the fuzzy c-means (FCM) algorithm. پرونده مقاله

دسترسی آزاد مقاله

50 - ارائه مدل توام قیمت‌گذاری و مسیریابی موجودی در زنجیره تامین دو سطحی حلقه بسته
محمد محمدنژاد عیسی نخعی کمال آبادی رامین صادقیان فردین احمدی زر

چکیده این مقاله مسئله قیمت‌گذاری محصول در زنجیره تامین حلقه بسته چند دوره‌ای چند محصولی با تقاضای وابسته به قیمت را بررسی می‌کند. هدف، اختصاص مکان برای مرکز جمع‌آوری و دمونتاژ، مسیریابی وسایل نقلیه و سفارش‌دهی مواد به منظور به حداکثر رساندن سود است. در این مقاله یک مدل چکیده کامل

چکیده این مقاله مسئله قیمت‌گذاری محصول در زنجیره تامین حلقه بسته چند دوره‌ای چند محصولی با تقاضای وابسته به قیمت را بررسی می‌کند. هدف، اختصاص مکان برای مرکز جمع‌آوری و دمونتاژ، مسیریابی وسایل نقلیه و سفارش‌دهی مواد به منظور به حداکثر رساندن سود است. در این مقاله یک مدل ریاضی غیرخطی برای حل مسائل در ابعاد کوچک ارائه شده است. از آنجا که مسئله حاضر دارای پیچیدگی سخت است، دو روش فراابتکاری الگوریتم ژنتیک و بهینه‌سازی تجمع ذرات برای حل مسائل با ابعاد متوسط و بزرگ استفاده شده است. برای اعتبارسنجی این دو الگوریتم، نتایج آنها با نتایج به دست آمده از مدل ریاضی مورد مقایسه قرار گرفته است. نهایتاً، مقایسه عملکرد دو الگوریتم فراابتکاری از طریق تحلیل‌های آماری نشان داده است که الگوریتم بهینه‌سازی تجمع ذرات عملکرد بهتری نسبت به الگوریتم ژنتیک دارد. پرونده مقاله

دسترسی آزاد مقاله

51 - Solving the Problem of Scheduling Unrelated Parallel Machines with Limited Access to Jobs
Mohammadreza Naghibi Abolfazl Adressi

Nowadays, by successful application of on time production concept in other concepts like production management and storage, the need to complete the processing of jobs in their delivery time is considered a key issue in industrial environments. Unrelated parallel machin چکیده کامل

Nowadays, by successful application of on time production concept in other concepts like production management and storage, the need to complete the processing of jobs in their delivery time is considered a key issue in industrial environments. Unrelated parallel machines scheduling is a general mood of classic problems of parallel machines. In some of the applications of unrelated parallel machines scheduling, when machines have different technological levels and are not necessarily able to process each one of the existing jobs in the group of jobs and in many of the industrial environments, a sequence dependent setup time takes place during exchanging jobs on the machines. In this research, the unrelated parallel machines scheduling problem has been studied considering the limitations of sequence dependent setup time of processing of jobs and limited accessibility to machines and jobs with the purpose of minimizing the total weighting lateness and earliness times. An integer scheduling model is proposed for this problem. Also, a meta-heuristically combined method consisting of Genetic algorithm and Particle swarm optimization (PSO) algorithm for its solutions is proposed. The obtained results of the proposed algorithm show that the proposed algorithm is very efficient especially in problems with large dimensions. پرونده مقاله

دسترسی آزاد مقاله

52 - A Heuristic Approach for Optimization of Gearbox Dimension
Mehrdad Hosseiniasl Javad Jafari Fesharaki

A powerful optimization method is proposed in this study for the minimal dimensional designproblem of gearbox. It is a general model that is suitable to use for any series of gear drives systemand can extract both dimensional and layout of components-limited optimizatio چکیده کامل

A powerful optimization method is proposed in this study for the minimal dimensional designproblem of gearbox. It is a general model that is suitable to use for any series of gear drives systemand can extract both dimensional and layout of components-limited optimization design together.The objective function in this study has many local extremes so for avoiding this situation, variousconstraints have been determined Then, Particle swarm optimization algorithm has beenimplemented to speed up the convergence of optimization and elitist particles searched in problemspace to find optimum value of goal function until all of them converge to the similar set of values.At the end, Results have been presented in the utilitarian diagrams to obtain optimal parametersfrom useful diagrams. The results display that the proposed method in this study is better than otherreported in last works and it shows optimum volume of gearbox being related to a decrease of notjust space but costs, material used to make gearbox component, etc. پرونده مقاله

دسترسی آزاد مقاله

53 - طراحی کنترل‌کننده‌ی STATCOM با استفاده از الگوریتم پسگام مقاوم بهبودیافته مبتنی بر PSO جهت کاهش اغتشاشات سیگنال بزرگ در سیستم‌های قدرت
فریبرز حقیقت دار فشارکی علیرضا حق شناس

در این مقاله به منظور تضعیف اغتشاش در سیستم تک ماشینه متصل به شین بی‌نهایت یک جبران‌کننده سنکرون استاتیکی توسط الگوریتم پسگام مقاوم بهبود‌یافته مبتنی بر رویکرد بهینه‌سازی ازدحام ذرات پیشنهاد شده است. در رویکرد پیشنهادی از روش پسگام تطبیقی برای ایجاد تابع ذخیره‌سازی جهت چکیده کامل

در این مقاله به منظور تضعیف اغتشاش در سیستم تک ماشینه متصل به شین بی‌نهایت یک جبران‌کننده سنکرون استاتیکی توسط الگوریتم پسگام مقاوم بهبود‌یافته مبتنی بر رویکرد بهینه‌سازی ازدحام ذرات پیشنهاد شده است. در رویکرد پیشنهادی از روش پسگام تطبیقی برای ایجاد تابع ذخیره‌سازی جهت تضعیف اغتشاش داخلی و خارجی استفاده می‌گردد. همچنین یک کنترل‌کننده غیرخطی با ویژگی حذف تداخل و بروزرسانی قانون جایگزینی پارامترهای غیرخطی بطور همزمان بکارگرفته می‌شود. در این تحقیق، به منظور حفظ ویژگی غیر خطی، تخمین بلادرنگ پارامترهای نامعین، حصول اطمینان از مقاوم بودن و عدم حساسیت کنترل‌کننده نسبت به اغتشاش سیگنال بزرگ در سیستم STATCOM، روش کنترل مد لغزشی پسگام تطبیقی در بخش طراحی جبرانساز خطا اعمال شده است. لازم به ذکر است که کنترل‌کننده پیشنهادی دارای تعداد زیادی پارامترهای طراحی است که بر روی کارآیی و عملکرد آن تاثیرگذارند. بنابراین، در اینجا رویکرد بهینه‌سازی ازدحام ذرات به منظور تعیین پارامترهای طراحی براساس تابع هزینه انتگرال قدرمطلق خطا استفاده شده است. در نهایت، نتایج شبیه‌سازی صورت گرفته توسط نرم‌افزار MATLAB، موید کارآیی بهتر روش کنترل مد لغزشی پسگام تطبیقی بهینه پیشنهادی از نظر سرعت انطباق‌پذیری و پاسخ سیستم STATCOM نسبت به رویکرد پسگام تطبیقی متداول و کنترل مد لغزشی پسگام تطبیقی معمولی است. پرونده مقاله

دسترسی آزاد مقاله

54 - طراحی بهینه، مدلسازی و بررسی عملکرد موتور القایی تک فاز شار محوری خازن دائم با استفاده از الگوریتم بهینه سازی تجمع ذرات بهبود یافته (IPSO)
امین ابوطالبی نجف آبادی

کاربرد روز افزون موتورهای القایی تکفاز شار محوری خازن دائم و بازده پایین آنها، باعث اهمیت مساله بهینه سازی این نوع موتورها گردیده است. در این مقاله، ضمن معرفی اصول الگوریتم های کلاسیک طراحی این نوع موتورها که شامل یافتن ابعاد قسمت های مختلف موتور و محاسبه پارامترهای الک چکیده کامل

کاربرد روز افزون موتورهای القایی تکفاز شار محوری خازن دائم و بازده پایین آنها، باعث اهمیت مساله بهینه سازی این نوع موتورها گردیده است. در این مقاله، ضمن معرفی اصول الگوریتم های کلاسیک طراحی این نوع موتورها که شامل یافتن ابعاد قسمت های مختلف موتور و محاسبه پارامترهای الکتریکی مانند مقاومت ها و راکتانس ها و خازن است، با معرفی مدار معادل پیشنهادی در حالت دائمی به منظور کاهش فاصله هوایی موتور، به‌معرفی ساختار الگوریتم های بهینه سازی پرداخته و در ادامه از الگوریتم های بهینه سازی ژنتیک و تجمع ذرات بهبودیافته در راستای بهینه سازی طراحی موتور شار محوری جهت افزایش بازده، افزایش ضریب توان و کاهش حجم هسته استفاده می شود. بدین منظور یک موتور القایی تک فاز شار محوری با خازن دائم که کاربرد قابل توجهی در سیستم های تهویه دارد، انتخاب شده، مورد بررسی عملکردی قرار گرفته و با استفاده از فرمول های طراحی و به‌کمک مدار معادل حالت دائمی پیشنهادی و همچنین با استفاده از روش های هوشمند نظیر الگوریتم ژنتیک و تجمع ذرات بهبودیافته، بهینه سازی موتور جهت افزایش حداکثری بازده صورت گرفته و نتایج آن در قالب نمودارهای گشتاور- سرعت و بازده- سرعت رسم و با‌ یکدیگر مقایسه شده است. در پایان موتور طراحی شده به روش اجزای محدود جهت تایید الگوریتم طراحی، مدل حالت دائمی، الگوریتم بهینه سازی پیشنهادی و نتایج آزمایش ها شبیه سازی شده است. پرونده مقاله

دسترسی آزاد مقاله

55 - مسیریابی شبکه های حسگر بی سیم با استفاده از خوشه بندی مبتنی بر الگوریتم بهینه سازی ازدحام ذرات چندهدفه
سید رضا نبوی نفیسه اوسطی عراقی جواد اکبری ترکستانی

در سال های اخیر، با گسترش کاربردهای شبکه های حسگر بی سیم، بهره‌برداری از این نوع شبکه ها به منظور رسیدگی بر محیط و تحلیل داده های جمع آوری شده از محیط های خاص و متنوع بسیار رواج یافته است. شبکه های حسگر بی سیم با توجه به سهولت پیکربندی و عدم نیاز به تجهیزات گران چکیده کامل

در سال های اخیر، با گسترش کاربردهای شبکه های حسگر بی سیم، بهره‌برداری از این نوع شبکه ها به منظور رسیدگی بر محیط و تحلیل داده های جمع آوری شده از محیط های خاص و متنوع بسیار رواج یافته است. شبکه های حسگر بی سیم با توجه به سهولت پیکربندی و عدم نیاز به تجهیزات گران قیمت، یکی از بهترین گزینه ها برای جمع آوری داده ها از محیط هستند. انرژی گره های حسگر در شبکه های حسگر بی سیم محدود است که با توجه به عدم وجود منبع شارژ ثابت یکی از چالش های اساسی است که با آن مواجه می‌شویم. از آن جایی که بیشترین مقدار انرژی گره ها در طی انتقال داده ها اتلاف می شود، گره ای که بیشتر از بقیه به انتقال داده ها بپردازد و یا بسته های داده ای را در فواصل طولانی انتقال دهد، انرژی آن زودتر از بقیه به اتمام می رسد. با اتمام انرژی یک حسگر در شبکه ممکن است در روند کار شبکه اختلال ایجاد شود. بنابراین، با توجه به توپولوژی پویا و طبیعت توزیع‌شده شبکه‌های حسگر بی‌سیم، طراحی پروتکل‌های انرژی کارآمد برای مسیریابی یکی از چالش‌های اصلی است. ازاین‌رو در این مقاله پروتکل مسیریابی آگاه از انرژی براساس الگوریتم بهینه سازی ازدحام ذرات چندهدفه ارائه شده است. در رویکرد پیشنهادی تابع شایستگی الگوریتم بهینه سازی ازدحام ذرات برای انتخاب گره سرخوشه بهینه براساس هدف های کیفیت خدمات شامل انرژی باقیمانده، کیفیت پیوند، تأخیر انتها به انتها و نرخ تحویل استفاده شده است. نتایج شبیه سازی نشان می دهد روش پیشنهادی با توجه به ایجاد توازن در اهداف معیارهای کیفیت خدمات، نسبت به سایر روش های موجود اتلاف انرژی کمتر و طول عمر بیشتری دارد. پرونده مقاله

دسترسی آزاد مقاله

56 - بهینه‌سازی سیستم هیبرید بادی- خورشیدی- باتری جدا از شبکه با در نظر گرفتن قابلیت اطمینان با استفاده از الگوریتم بهینه‌سازی ملخ
روناک جهانشاهی باوندپور حمید قدیری حامد خدادادی

انرژی‌های تجدیدپذیر در سال‌های اخیر به دلیل محدودیت و احتمال اتمام منابع سوخت‌های فسیلی و مسائل زیست محیطی مرتبط به شدت توسعه یافته است. مهمترین چالش در این نوع سیستم‌ها، دستیابی به اندازه بهینه برای داشتن یک سیستم مقرون به صرفه بر اساس ذخیره انرژی خورشیدی و بادی است. د چکیده کامل

انرژی‌های تجدیدپذیر در سال‌های اخیر به دلیل محدودیت و احتمال اتمام منابع سوخت‌های فسیلی و مسائل زیست محیطی مرتبط به شدت توسعه یافته است. مهمترین چالش در این نوع سیستم‌ها، دستیابی به اندازه بهینه برای داشتن یک سیستم مقرون به صرفه بر اساس ذخیره انرژی خورشیدی و بادی است. در این مقاله بهینه‌سازی سیستم هیبرید بادی-خورشیدی با سیستم ذخیره باتری برای تامین یک بار مشخص ساعتی با هدف حداقل‌سازی هزینه‌های سالیانه سیستم و احتمال تلفات عرضه توان مورد توجه قرار گرفته است. هزینه‌های سالیانه سیستم شامل هزینه‌های سرمایه‌گذاری اولیه، هزینه نگهداری و هزینه تعویض تجهیزات می‌باشد. هدف بهینه‌سازی، تعیین بهینه تعداد پنل‌های خورشیدی، توربین‌های بادی، تعداد باتری‌ها، ارتفاع برج بادی و زاویه پنل خورشیدی نسبت به تابش خورشید است. به این منظور الگوریتم جدید بهینه‌سازی ملخ مورد استفاده قرار گرفته است. همچنین در این مطالعه، اثر تغییرات راندمان اینورتر، تغییرات تقاضای بار و اثر تغییرات ماکزیمم احتمال تلفات عرضه توان بر طراحی سیستم مورد ارزیابی قرار گرفته است. نتایج شبیه‌سازی نشان می‌دهد که کاهش راندمان، افزایش بار و حداکثر قابلیت اطمینان در سیستم در قالب کاهش احتمال تلفات عرضه توان موجب افزایش هزینه‌های سالیانه انرژی سیستم می‌گردد. به‌علاوه، نتایج حاصله موید برتری روش بهینه‌سازی ملخ نسبت به روش اجتماع ذرات در دست‌یابی به تابع هدف بهتر و هزینه کمتر می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

57 - بهینه‌سازی برش ورق‌های اینکونل 718 با لیزر CO2 به روش الگوریتم ازدحام ذرات
سعید کیانی رسول ترکش اصفهانی زهرا زجاجی

در این پژوهش متغیرهای اثر گذار بر روی کیفیت برش ورق اینکونل 718 در فرایند برشکاری با لیزر بررسی شده است. با کمک طراحی آزمایش به روش تاگوچی، متغیرهای ورودی شامل توان لیزر دی اکسید کربن و سرعت برش برای برش سه ضخامت مختلف از آلیاژ اینکونل 718 مورد بررسی قرار گرفت تا شرایط چکیده کامل

در این پژوهش متغیرهای اثر گذار بر روی کیفیت برش ورق اینکونل 718 در فرایند برشکاری با لیزر بررسی شده است. با کمک طراحی آزمایش به روش تاگوچی، متغیرهای ورودی شامل توان لیزر دی اکسید کربن و سرعت برش برای برش سه ضخامت مختلف از آلیاژ اینکونل 718 مورد بررسی قرار گرفت تا شرایط بهینه در نهایت به دست آید. پس از مشخص شدن داده های تست های تجربی، مجموعه داده به دست امده به کمک الگوریتم شبکه عصبی مدل سازی گردید. این مدل در مرحله بعد توسط الگوریتم بهینه سازی تجمعی ذرات (PSO) استفاده شد تا پارامترهای کاندید به دست امده را ارزیابی کند و کیفیت برش را بر این اساس پیش بینی نماید. در نهایت الگوریتم بهینه سازی تجمعی ذرات، مقدار بهینه شرایط برش را تعیین می کند. نتایج نشان داد که هنگامی که توان لیزر 1714 وات، سرعت برش 1382 میلی‌متر بر دقیقه و ضخامت قطعه 8/0 میلی‌متر باشد، بهترین کیفیت برای برش ورق سوپر آلیاژ اینکونل 718 با دستگاه برش لیزر دی اکسید کربن به دست می آید. نتایج به دست آمده برای مقادیر بهینه برای پارامترهای برش آلیاژ اینکونل با لیزر دی اکسید کربن با استفاده الگوریتم بهینه سازی تجمعی ذرات توسط یک آزمایش تجربی و تحقیقات مشابه راستی آزمایی شد. نتایج این آزمایش تجربی بسیار نزدیک به مقادیر بهینه الگوریتم بهینه سازی تجمعی ذرات است و این نشان دهنده کارایی مدل شبکه های عصبی در تخمین کیفیت برش و کارایی بهینه سازی انجام شده توسط PSO در یافتن شرایط بهینه است. پرونده مقاله

دسترسی آزاد مقاله

58 - افزایش کارایی الگوریتم تخلیه در محاسبات مه با کمک الگوریتم بهینه‌سازی ازدحام ذرات
سید ابراهیم دشتی حسین زارع

با توجه به کاربرد روزافزون محاسبات مه لزوم ارائه راه حل هایی جهت افزایش کارآیی آنها به شدت احساس می شود. بر اساس این مسئله که تعداد دستگاه‌های لبه‌ای زیاد است، باید ساز و کاری برای انتخاب این وظایف و تخلیه آن‌ها به ابر وجود داشته باشد. مسئله مورد نظر برای تصمیم گیری این چکیده کامل

با توجه به کاربرد روزافزون محاسبات مه لزوم ارائه راه حل هایی جهت افزایش کارآیی آنها به شدت احساس می شود. بر اساس این مسئله که تعداد دستگاه‌های لبه‌ای زیاد است، باید ساز و کاری برای انتخاب این وظایف و تخلیه آن‌ها به ابر وجود داشته باشد. مسئله مورد نظر برای تصمیم گیری این است که از بین آن دستگاه لبه‌های موجود برای تخلیه کدام ‌یک از آن‌ها انتخاب و سپس تخلیه گردد، که این مسئله در زمره مسائل غیر چندجمله‌ای سخت قرار گرفته و با استفاده از الگوریتم‌های قطعی به ‌سادگی و در زمان چندجمله‌ای نمی‌توان راه‌حلی مناسب و کارآمد برای آن یافت نمود. در این مقاله برای حل این مساله از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) استفاده شده است. روش پیشنهادی با تعریف تابع هدف مناسب برحسب تخلیه مناسب بار و توزیع عادلانه وظایف بر روی منابع محاسباتی کارآیی را نسبت به روش های مشابه بهبود داده است. در مقایسه با روش‌های دیگر، مانند روش بدون بارگیری، بارگیری کامل به روش ابر و بارگذاری کامل به روش ابر، آزمایش‌ها و شبیه‌سازی‌های گسترده نشان داده‌اند که روش پیشنهادی مؤثر است و می‌تواند استراتژی بارگذاری بهینه را برای کاربران سیار فراهم کند. برای ارزیابی این روش از داده‌های واقعی پلنت لب استفاده شده و نتایج بیانگر این است که روش پیشنهادی مصرف انرژی را بین 3 تا 10 درصد و زمان اجرای کل نیز بین 5 تا 8 درصد در مقایسه با روش‌های دیگر کاهش ‌یافته است. پرونده مقاله

دسترسی آزاد مقاله

59 - کاهش نوسانات زیر سنکرون با استفاده از ادوات D-FACTS با کنترل‌کننده‌های هوشمند
زهرا امینی خویی عباس کارگر

هنگامی که یک توربین-ژنراتور به یک خط انتقال طولانی وصل می‌شود ممکن است عوارض جانبی مانند پدیده SSR در آن به وجود آید. هدف این است که با استفاده از قابلیت‌های جبران کننده سری (DSSC) به عنوان یک عضو از خانواده D- FACTS به کاهش SSR پرداخته شود. برای رسیدن به هدف مورد نظر ا چکیده کامل

هنگامی که یک توربین-ژنراتور به یک خط انتقال طولانی وصل می‌شود ممکن است عوارض جانبی مانند پدیده SSR در آن به وجود آید. هدف این است که با استفاده از قابلیت‌های جبران کننده سری (DSSC) به عنوان یک عضو از خانواده D- FACTS به کاهش SSR پرداخته شود. برای رسیدن به هدف مورد نظر از کنترل‌کننده فازی، بهینه سازی ازدحام ذرات (PSO) و شبکه عصبی استفاده شده است. بهینه سازی ازدحام ذرات (PSO) بر اساس کنترل‌کننده میرایی مرسوم (CDC)، منطق فازی بر اساس کنترل میرایی (FLBDC) و شبکه عصبی نیز بر اساس کنترل میرایی با استفاده از آموزش داده‌های سرعت و تغییرات سرعت طراحی شده اند. پایداری سیستم از طریق شبیه‌سازی در حوزه زمان و با مطالعه شاخص عملکرد (PI) بر اساس دینامیک سیستم قدرت مورد بررسی قرار گرفته است. نتایج شبیه‌سازی با استفاده از نرم افزار Matlab / Simulinkآورده شده است. موارد مورد مطالعه به منظور نشان دادن این واقعیت است که الگوریتم های مربوطه قادر به کاهش تشدیدهای زیر سنکرون می‌باشند. نشان داده شده که کنترل‌‌کننده فازی و الگوریتم بهینه‌سازی PSOبه همراه شبکه عصبی به خوبی می‌توانند این نوسانات ‌را کاهش دهند. پرونده مقاله

دسترسی آزاد مقاله

60 - تنظیم بهینه کنترل کننده PID بر روی سیستم چند متغیره خلبان خودکار طولی هواپیما براساس الگوریتم اجتماع ذرات (PSO)
مصطفی لطفی فروشانی بهرام کریمی غضنفر شاهقلیان

در این مقاله طراحی کنترل کننده بهینه حول محور طولی در یکی از شرایط پروازی سیستم چندمتغیره هواپیما برای کنترل مجزای زاویه حمله از زاویه وضعیت پیچش (که در مدهای اعمال نیروی مستقیم حول محورطولی مورد استفاده می‌گیرد) با استفاده از الگوریتم بهینه سازی اجتماع ذرات (PSO) ارائه چکیده کامل

در این مقاله طراحی کنترل کننده بهینه حول محور طولی در یکی از شرایط پروازی سیستم چندمتغیره هواپیما برای کنترل مجزای زاویه حمله از زاویه وضعیت پیچش (که در مدهای اعمال نیروی مستقیم حول محورطولی مورد استفاده می‌گیرد) با استفاده از الگوریتم بهینه سازی اجتماع ذرات (PSO) ارائه می‌شود. همان طور که می‌دانیم طراحی کنترل کننده حول محور طولی و حول محور سمتی- جانبی منجر به طراحی سیستم خلبان خودکار در هواپیما خواهد شد. سیستم خلبان خودکار در اکثر سازه‌های هوایی امروزی به یک جزء اساسی و جدایی‌ناپذیر تبدیل شده است. به نحوی که کمترهواپیمای نظامی و یا غیرنظامی را می توان یافت که از این سامانه بی‌بهره مانده باشد. از طرف دیگر به دلیل مشکلاتی نظیر معادلات حرکتی غیرخطی و پیچیده حاکم بر رفتار دینامیکی این گونه سازه‌ها، طراحی سیستم خلبان خودکار به راحتی امکان‌پذیر نمی‌باشد. ارائه این روش می‌تواند پیچیدگی‌های طراحی سیستم خلبان خودکار را کاهش دهد. این روش بر روی هواپیمای جنگنده HIMAT شبیه سازی شده است و نتایج بیانگر کارایی آن می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

61 - برآورد ضریب رفتار سازه‌ فولادی با مهاربندی واگرا تحت زلزله‌های حوزه نزدیک گسل پالس‌گونه بکمک الگوریتم‌ ازدحام ذرات
سیدعبدالنبی رضوی نوید سیاه پلو مهدی مهدوی عادلی

تحلیل ارتجاعی سازه‌ها، سبب ایجاد نیروی برش پایه و تنش هایی می‌شود که به میزان قابل توجهی بزرگتر از پاسخ های واقعی سازه می‌باشند. سازه با ورود به حوزه غیرارتجاعی می‌تواند مقدار زیادی از انرژی زلزله را جذب نموده و مقاومت کند. از طرفی، تحلیل غیرخطی سازه‌ها مستلزم انجام عمل چکیده کامل

تحلیل ارتجاعی سازه‌ها، سبب ایجاد نیروی برش پایه و تنش هایی می‌شود که به میزان قابل توجهی بزرگتر از پاسخ های واقعی سازه می‌باشند. سازه با ورود به حوزه غیرارتجاعی می‌تواند مقدار زیادی از انرژی زلزله را جذب نموده و مقاومت کند. از طرفی، تحلیل غیرخطی سازه‌ها مستلزم انجام عملیات محاسباتی زمانبر و پرحجم می‌باشد، بنابراین در اکثر آیین‌نامه‌ها، روش ساده و مناسبی تحت عنوان روش استاتیکی معادل، جهت دستیابی به پاسخ معقولی از رفتار غیرخطی سازه (بدون انجام یک تحلیل غیرخطی) ارائه شده ا‌ست. از این رو به دلیل اهمیت شکل‌پذیری در جذب انرژی زلزله، نیروهای محاسباتی ناشی از زلزله با معرفی ضریب رفتار سازه ، R، کاهش می‌یابد. در این مقاله یک بانک داده ی وسیع متشکل از 12960 سازه ی مهاربندی واگرا با تعداد طبقات 3، 6، 9، 12، 15 و 20 طبقه، 3 تیپ سختی ستون و 3 درجه لاغری مهاربندی طراحی شده و در برابر 20 زلزله نزدیک گسل دارای اثرات جهت پذیری پیش‌رونده برای 4 سطح عملکردی مختلف تحلیل شدند. جهت تولید رابطه ی تخمینی R، 6769 داده با استفاده از الگوریتم ازدحام ذرات مورد تعبیر و تفسیر قرار گرفت. نتایج حاصل از همبستگی 86/0 در داده های آزمون، دقت در رابطه ی پیشنهادی را نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

62 - بهینه‌سازی سازه‌های هایپربولیک چند لایه با استفاده از روش ترکیبی جستجوی ذرات باردار
امیر عباس پور سیامک طلعت اهری

سازه فضاکار عبارت است از سازه ای که از اجزای خرپا مانند سبک و محکم تشکیل شده از پایه هایی که در یک الگوی هندسی در کنار هم قرار گرفته اند. سازه فضاکار برای پوشش دادن دهانه های بزرگ بدون تکیه گاه میانی به کار می روند. در این مقاله، مسئله بهینه سازی همزمان شکل و اندازه چکیده کامل

سازه فضاکار عبارت است از سازه ای که از اجزای خرپا مانند سبک و محکم تشکیل شده از پایه هایی که در یک الگوی هندسی در کنار هم قرار گرفته اند. سازه فضاکار برای پوشش دادن دهانه های بزرگ بدون تکیه گاه میانی به کار می روند. در این مقاله، مسئله بهینه سازی همزمان شکل و اندازه سازه ی هایپربولیک سه لایه مورد بررسی قرار گرفته است. در این روش، از الگوریتم ترکیبی جستجوی ذرات باردار-توده ذرات به عنوان الگوریتم بهینه سازی استفاده شده است و نتایج حاصل با نتایج الگوریتم توده ذرات مقایسه شده است. هدف از این تحقیق، یافتن وزن بهینه می باشد که متغیرهای طراحی درنظر گرفته شده ارتفاع و سطح مقطع می باشند. برای انجام این کار، سازه ی هایپربولیک سه لایه با نرم افزار سپ طراحی شده و سپس با الگوریتم های ترکیبی جستجوی ذرات باردار و توده ذرات بهینه سازی شده است. نتایج حاصل برتری الگوریتم ترکیبی جستجوی ذرات باردار-توده ذرات را نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

63 - الگوریتم تجمع ذرات اصلاح شده با جهش دینامیکی و کاربرد آن در بهینه‌سازی قابهای خمشی بتن آرمه
سیامک علی زاد احمد ملکی

هدف از تحقیق حاضر، بررسی میزان تاثیرگذاری جهش دینامیکی در بهبود عملکرد الگوریتم PSO استاندارد است. الگوریتم جدید تولید شده، الگوریتم تجمع ذرات اصلاح شده MPSO نامگذاری شده است که در آن جهت گریز از بهینه‌های محلی، از جهش دینامیکی بهره جسته شده است. بهینه‌سازی به معنای یاف چکیده کامل

هدف از تحقیق حاضر، بررسی میزان تاثیرگذاری جهش دینامیکی در بهبود عملکرد الگوریتم PSO استاندارد است. الگوریتم جدید تولید شده، الگوریتم تجمع ذرات اصلاح شده MPSO نامگذاری شده است که در آن جهت گریز از بهینه‌های محلی، از جهش دینامیکی بهره جسته شده است. بهینه‌سازی به معنای یافتن بهترین پاسخ یک مسئله تحت شرایط یک سری قیود از پیش تعیین شده است. منظور از بهترین پاسخ بسته به نوع مسئله می‌تواند متفاوت باشد. بعنوان مثال در مسائل مهندسی سازه، بهترین پاسخ می‌تواند هزینه حداقل ساخت و ساز یا توزیع بسیار نزدیک به یکنواخت تغییرمکان نسبی طبقات و غیره باشد. در دیگر علوم نیز این موضوع مطرح است که از آن میان می‌توان به مسائل مربوط به حمل و نقل، برق و الکترونیک، زیست‌شناسی، جامعه‌شناسی و غیره اشاره نمود. روشهای مختلفی برای حل مسائل بهینه‌سازی مطرح شده است که می‌توان آنها را در دو مجموعه کلی روشهای مبتنی بر مشتق و روشهای فراکاوشی طبقه بندی کرد. روشهای مبتنی بر مشتق جزو روشهای ابتدایی ولی قدرتمند مطرح بودند و مزیت آنها نسبت به روشهای فراکاوشی آن بود که حجم محاسبات کمتری را می طلبیدند. ولی لازم بود که تابع هدف از یک رابطه پیوسته بر اساس متغیرهای طراحی پیروی نماید. با گسترش مسائل مهندسی و دسترسی به کامپیوترهای قوی، حجم زیاد محاسبات دیگر بعنوان یک مشکل برای روشهای فراکاوشی مطرح نشد. این روشها نسبت به روشهای مبتنی بر مشتق، از مفاهیم ساده‌تری بهره می‌برند و لازم نیست به مفاهیم پیچیده ریاضی وارد شد. در نتیجه در دهه اخیر به شدت رشد پیدا کرده‌اند. الگوریتم تجمع ذرات جزو طبقه‌&lrm;بندی روشهای فراکاوشی است. جهت بررسی عملکرد این الگوریتم جدید، از آن برای حل مسئله‌های بهینه‌سازی سازه‌ای استفاده شده است. این مسئله ها، قابهای خمشی بتن آرمه هستند که قبلا توسط محققین مختلف مورد ارزیابی قرار گرفته اند. نتایج بهینه‌سازی با استفاده از MPSO بسیار مطلوب ارزیابی می‌شود و بهبودهای چشمگیری در حلهای نهایی حاصل شده است. پرونده مقاله

دسترسی آزاد مقاله

64 - Optimal Inventory Control of Obsolete Products with Permissible Delay in Payments and Time-dependent Demand using PSO Algorithm
حسن زمانی باجگانی محمدرضا غلامیان

This study provides an inventory control model for determining the optimal replenishment cycle of obsolete items, in which the customer demand is regarded as a decreasing function of time in sudden obsolescence. Further, to encourage the buyer for more purchasing, the s چکیده کامل

This study provides an inventory control model for determining the optimal replenishment cycle of obsolete items, in which the customer demand is regarded as a decreasing function of time in sudden obsolescence. Further, to encourage the buyer for more purchasing, the seller can allow the buyer to pay the cost with a delay. Accordingly, the present paper focuses on investigating an inventory control model for obsolete items while considering a trade credit policy with time-dependent demand and sudden obsolescence. Given the nonlinearity of the proposed model, the Taylor series approximation was used to solve it. In addition, to avoiding the effect of Taylor series approximation on the optimal solution, an efficient particle swarm optimization meta-heuristic algorithm was applied to find the near-optimal solution, indicating better answers. Numerical examples in the case study of mobile phone wholesale industry, were considered and solved to demonstrate the validation of the proposed model. Finally, a sensitivity analysis was performed on the effects of the main parameters on the total profit and replenishment cycle time. The numerical results indicated that the inclusion of obsolescence risk in the inventory model with obsolete items has a significant effect on increasing profits while reducing the costs of these items. پرونده مقاله

دسترسی آزاد مقاله

65 - An Improved Algorithmic Method for Software Development Effort Estimation
Elham Khatibi Vahid Khatibi Bardsiri

Accurate estimating is one of the most important activities in the field of software project management. Different aspects of software projects must be estimated among which time and effort are of significant importance to efficient project planning. Due to complexity o چکیده کامل

Accurate estimating is one of the most important activities in the field of software project management. Different aspects of software projects must be estimated among which time and effort are of significant importance to efficient project planning. Due to complexity of software projects and lack of information at the early stages of project, reliable effort estimation is a challenging issue. In this paper, a hybrid model is proposed to estimate the effort of software projects. The proposed model is a combination of particle swarm optimization algorithm and a linear regression method in which coefficient finding is optimally performed. Moreover, the estimation equation is adjusted using project size metric so that the most accurate estimate is achieved. A relatively real large data set is employed to evaluate the performance of the proposed model and the results are compared with other models. The obtained results showed that the proposed hybrid model can improve the accuracy of estimates. پرونده مقاله

دسترسی آزاد مقاله

66 - 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 چکیده کامل

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. پرونده مقاله

دسترسی آزاد مقاله

67 - Heuristic algorithms for task scheduling in Cloud Computing using Combined Particle Swarm Optimization and Bat Algorithms
Behnam Barzegar Samaneh Habibian Mehrnoush Fazlollah Nejad

Abstract The rapid growth in demand for computing power has led to a shift towards a cloud-based model relying on virtual data centers. In order to meet the demand of cloud computing clients, cloud service providers need to maintain service quality parameters at optimu چکیده کامل

Abstract The rapid growth in demand for computing power has led to a shift towards a cloud-based model relying on virtual data centers. In order to meet the demand of cloud computing clients, cloud service providers need to maintain service quality parameters at optimum levels. This paper presents a hybrid algorithm dubbed PSOBAT-Greedy, which is expected to reduce cost and time while enhancing the efficiency of resources. The main idea behind the newly proposed algorithm is to find an optimal weight for local and global search using Range and Tuning functions as an important solution overcoming various problems in task scheduling and provide the right response within an acceptable time. The new hybrid algorithm is less time-consuming and costly than the other two algorithms. As compared to particle swarm optimization (PSO) algorithm and combined particle swarm optimization and bat algorithm (PSOBat), resource efficiency improves by 15% and 5%, respectively. Keywords: Quality of Service, Cloud Computing, Particle Swarm Optimization, Bat Algorithm پرونده مقاله

دسترسی آزاد مقاله

68 - 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 چکیده کامل

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. پرونده مقاله

دسترسی آزاد مقاله

69 - Application of New Hybrid Particle Swarm Optimization and Gravitational Search Algorithm for Non Convex Economic Load Dispatch Problem
Mani Ashouri Seyed Mehdi Hosseini

The Gravitational Search Algorithm (GSA) is a novel optimization method based on the law of gravity and mass interactions. It has good ability to search for the global optimum, but its searching speed is really slow in the last iterations. So the hybridization of Partic چکیده کامل

The Gravitational Search Algorithm (GSA) is a novel optimization method based on the law of gravity and mass interactions. It has good ability to search for the global optimum, but its searching speed is really slow in the last iterations. So the hybridization of Particle Swarm Optimization (PSO) and GSA can resolve the aforementioned problem. In this paper, a modified PSO, which the movement of particles is also based on getting away from individual worst solution other than going toward the best ones, is combined with GSA, named (PSOGSA) and is applied on ELD problem. A 6 unit case study considering transmission loss, prohibited zones and ramp rate limits and also a 40 unit system with valve point loading effect has been used to show the feasibility of the method. The results show fast and great convergence compared to the many other previously applied methods. پرونده مقاله

دسترسی آزاد مقاله

70 - Flexible Beam Robust Loop Shaping Controller Design Using Particle Swarm Optimization
Roja Eini

In this paper a new strategy is proposed to design a fixed-structure robust controller for a flexible beam. Robust controller designed by the conventional loop‌ shaping method is not appropriate for a beam because of its high order and complicated form. Fixed-structure چکیده کامل

In this paper a new strategy is proposed to design a fixed-structure robust controller for a flexible beam. Robust controller designed by the conventional loop‌ shaping method is not appropriate for a beam because of its high order and complicated form. Fixed-structure loop shaping control in conjunction with particle swarm optimization (PSO)algorithm is used to overcome this drawback. The performance and robust stability conditions of the loop shaping controller are formulated as the cost function in the optimization problem. PSO is adopted to optimize the parameters and cost function. The proposed control design and loop shaping method are successfully applied on the flexible beam, and results of the two approaches are compared. Simulation results show the superiorities of the proposed controller in terms of having a lower order and simple structure; besides the beam stability and robust performance are retained as well. Also in comparison to the solutions based on genetic algorithms, the use of PSO shows better efficiency in terms of computational time. پرونده مقاله

دسترسی آزاد مقاله

71 - Solving Flexible Job-Shop Scheduling Problem using Hybrid Algorithm Based on Gravitational Search Algorithm and Particle Swarm Optimization
Behnam Barzegar Homayun Motameni

Job Shop scheduling problem has significant importance in many researching fields such as production management and programming and also combined optimizing. Job Shop scheduling problem includes two sub-problems: machine assignment and sequence operation performing. In چکیده کامل

Job Shop scheduling problem has significant importance in many researching fields such as production management and programming and also combined optimizing. Job Shop scheduling problem includes two sub-problems: machine assignment and sequence operation performing. In this paper combination of particle swarm optimization algorithm (PSO) and gravitational search algorithm (GSA) have been presented for solving Job Shop Scheduling problem with criteria of minimizing the maximal completion time of all the operations, which is denoted by Makespan. In this combined algorithm, first gravitational search algorithm finds best mass with minimum spent time for a job and then particle swarm Optimization algorithm is performed for optimal processing all jobs.experimental results show that proposed algorithm for solving job shop scheduling problem, especially for solving larger problem presents better efficiency. Combined proposed algorithm has been named GSPSO. پرونده مقاله

دسترسی آزاد مقاله

72 - Optimal Design of Three Phase Surface Mounted Permanent Magnet Synchronous Motor by Particle Swarm optimization and Bees Algorithm for Minimum Volume and Maximum Torque
Sahra Khazaei Abdolhossein Tahani Mohammad Yazdani-Asrami S. Asghar Gholamian

In this paper, the optimal design of a three phase surface mounted permanent magnet synchronous motor has been done by particle swarm optimization and bees algorithm. This machine has been designed for high speed applications, and an epoxy and glass fiber bandage is use چکیده کامل

In this paper, the optimal design of a three phase surface mounted permanent magnet synchronous motor has been done by particle swarm optimization and bees algorithm. This machine has been designed for high speed applications, and an epoxy and glass fiber bandage is used for permanent magnet protection against centrifugal forces. The optimization has been done by new design equations to improve loss and torque in the machine. The results show the simultaneous improvement of loss and torque compared with the initial design of the motor پرونده مقاله

دسترسی آزاد مقاله

73 - Production Planning Optimization Using Genetic Algorithm and Particle Swarm Optimization (Case Study: Soofi Tea Factory)
منصور صوفی مریم محسنی

Production planning includes complex topics of production and operation management that according to expansion of decision-making methods, have been considerably developed. Nowadays, Managers use innovative approaches to solving problems of production planning. Given th چکیده کامل

Production planning includes complex topics of production and operation management that according to expansion of decision-making methods, have been considerably developed. Nowadays, Managers use innovative approaches to solving problems of production planning. Given that the production plan is a type of prediction, models should be such that the slightest deviation from their reality. In this study, in order to minimize deviations from the values stated in the tea industry, two Particle Swarm optimization algorithm and genetic algorithm were used to solve the model. The data were obtained through interviews with Securities and Exchange Organization and those in financial units, industrial, commercial, and production. The results indicated the superiority of birds swarm optimization algorithm in the tea industry. پرونده مقاله

دسترسی آزاد مقاله

74 - Effects of Atmospheric Changes on Reducing the Performance of Solar Panels by Particle Swarm Optimization Algorithm
Shahrokh Jalili Elay Mehrpourazari

Solar energy as the most important source of renewable energy is an important alternative to fossil and non-renewable energies. This energy source, in addition to many benefits, is also very sensitive to environmental changes. Atmospheric changes can be expressed as a m چکیده کامل

Solar energy as the most important source of renewable energy is an important alternative to fossil and non-renewable energies. This energy source, in addition to many benefits, is also very sensitive to environmental changes. Atmospheric changes can be expressed as a main factor in reducing the performance of Solar Cells. In this study, by using particle swarm optimization algorithm, the amount of solar energy dissipation in solar panels affected by atmospheric changes (the most important factor), including radiation, precipitation and wind, has been investigated. For this purpose, a comparative method with the base state has been used and the amount of difference between the two results in the solar cells is measured. In this regard, created solar cells in Maragheh city are considered as the basis for analysis. Based on the results of measurements and simulation by particle swarm optimization algorithm, the maximum atmospheric effect is related to the variations curve of the precipitation and then the variations curve of the radiation (shadow). Also, wind changes have had the least impact on reducing the performance of solar panels in the area. پرونده مقاله

دسترسی آزاد مقاله

75 - Application of orthogonal array technique and particle swarm optimization approach in surface roughness modification when face milling AISI1045 steel parts
Masoud Azadi Moghaddam Farhad Kolahan

Face milling is an important and common machining operation because of its versatility and capability to produce various surfaces. Face milling is a machining process of removing material by the relative motion between a work piece and rotating cutter with multiple cutt چکیده کامل

Face milling is an important and common machining operation because of its versatility and capability to produce various surfaces. Face milling is a machining process of removing material by the relative motion between a work piece and rotating cutter with multiple cutting edges. It is an interrupted cutting operation in which the teeth of the milling cutter enter and exit the work piece during each revolution. This paper is concerned with the experimental and numerical study of face milling of AISI1045. The proposed approach is based on statistical analysis on the experimental data gathered using Taguchi design matrix. Surface roughness is the most important performance characteristics of the face milling process. In this study the effect of input face milling process parameters on surface roughness of AISI1045 steel milled parts have been studied. The input parameters are cutting speed (v), feed rate (fz) and depth of cut (ap ). The experimental data are gathered using Taguchi L9design matrix. In order to establish the relations between the input and the output parameters, various regression functions have been fitted on the data based on output characteristics. The significance of the process parameters on the quality characteristics of the process was also evaluated quantitatively using the analysis of variance method. Then, statistical analysis and validation experiments have been carried out to compare and select the best and most fitted models. In the last section of this research, mathematical model has been developed for surface roughness prediction using particle swarm optimization (PSO) on the basis of experimental results. The model developed for optimization has been validated by confirmation experiments. It has been found that the predicted roughness using PSO is in good agreement with the actual surface roughness. پرونده مقاله

دسترسی آزاد مقاله

76 - A discrete particle swarm optimization algorithm with local search for a production-based two-echelon single-vendor multiple-buyer supply chain
Mehdi Seifbarghy Masoud Mirzaei Kalani Mojtaba Hemmati

This paper formulates a two-echelon single-producer multi-buyer supply chain model, while a single product is produced and transported to the buyers by the producer. The producer and the buyers apply vendor-managed inventory mode of operation. It is assumed that the pro چکیده کامل

This paper formulates a two-echelon single-producer multi-buyer supply chain model, while a single product is produced and transported to the buyers by the producer. The producer and the buyers apply vendor-managed inventory mode of operation. It is assumed that the producer applies economic production quantity policy, which implies a constant production rate at the producer. The operational parameters of each buyer are sales quantity, sales price and production rate. Channel profit of the supply chain and contract price between the producer and each buyer is determined based on the values of the operational parameters. Since the model belongs to nonlinear integer programs, we use a discrete particle swarm optimization algorithm (DPSO) to solve the addressed problem; however, the performance of the DPSO is compared utilizing two well-known heuristics, namely genetic algorithm and simulated annealing. A number of examples are provided to verify the model and assess the performance of the proposed heuristics. Experimental results indicate that DPSO outperforms the rival heuristics, with respect to some comparison metrics. پرونده مقاله

دسترسی آزاد مقاله

77 - Bi-product inventory planning in a three-echelon supply chain with backordering, Poisson demand, and limited warehouse space
Maryam Alimardani Fariborz Jolai Hamed Rafiei

In this paper, we apply continuous review (S-1, S) policy for inventory control in a three-echelon supply chain (SC) including r identical retailers, a central warehouse with limited storage space, and two independent manufacturing plants which offer two kinds of prod چکیده کامل

In this paper, we apply continuous review (S-1, S) policy for inventory control in a three-echelon supply chain (SC) including r identical retailers, a central warehouse with limited storage space, and two independent manufacturing plants which offer two kinds of product to the customer. The warehouse of the model follows (M/M/1) queue model where customer demands follow a Poisson probability distribution function, and customer serving time is exponential random variable. To evaluate the effect of considering bi-product developed model, solution of the developed model is compared with that of the two (M/M/1) queue models which are separately developed for each product. Moreover, and in order to cope with the computational complexity of the developed model, a particle swarm optimization algorithm is adopted. Through the conducted numerical experiments, it is shown that total profit of the SC is significantly enhanced using the developed model. پرونده مقاله

دسترسی آزاد مقاله

78 - Multi-period project portfolio selection under risk considerations and stochastic income
Ali Asghar Tofighian Hamid Moezzi Morteza Khakzar Barfuei Mahmood Shafiee

This paper deals with multi-period project portfolio selection problem. In this problem, the available budget is invested on the best portfolio of projects in each period such that the net profit is maximized. We also consider more realistic assumptions to cover wider r چکیده کامل

This paper deals with multi-period project portfolio selection problem. In this problem, the available budget is invested on the best portfolio of projects in each period such that the net profit is maximized. We also consider more realistic assumptions to cover wider range of applications than those reported in previous studies. A novel mathematical model is presented to solve the problem, considering risks, stochastic incomes, and possibility of investing extra budget in each time period. Due to the complexity of the problem, an effective meta-heuristic method hybridized with a local search procedure is presented to solve the problem. The algorithm is based on genetic algorithm (GA), which is a prominent method to solve this type of problems. The GA is enhanced by a new solution representation and well selected operators. It also is hybridized with a local search mechanism to gain better solution in shorter time. The performance of the proposed algorithm is then compared with well-known algorithms, like basic genetic algorithm (GA), particle swarm optimization (PSO), and electromagnetism-like algorithm (EM-like) by means of some prominent indicators. The computation results show the superiority of the proposed algorithm in terms of accuracy, robustness and computation time. At last, the proposed algorithm is wisely combined with PSO to improve the computing time considerably. پرونده مقاله

دسترسی آزاد مقاله

79 - An improved particle swarm optimization with a new swap operator for team formation problem
Walaa H. El-Ashmawi Ahmed F . Ali Mohamed A. Tawhid

Formation of effective teams of experts has played a crucial role in successful projects especially in social networks. In this paper, a new particle swarm optimization (PSO) algorithm is proposed for solving a team formation optimization problem by minimizing the commu چکیده کامل

Formation of effective teams of experts has played a crucial role in successful projects especially in social networks. In this paper, a new particle swarm optimization (PSO) algorithm is proposed for solving a team formation optimization problem by minimizing the communication cost among experts. The proposed algorithm is called by improved particle optimization with new swap operator (IPSONSO). In IPSONSO, a new swap operator is applied within particle swarm optimization to ensure the consistency of the capabilities and the skills to perform the required project. Also, the proposed algorithm is investigated by applying it on ten different experiments with different numbers of experts and skills; then, IPSONSO is applied on DBLP dataset, which is an example for benchmark real-life database. Moreover, the proposed algorithm is compared with the standard PSO to verify its efficiency and the effectiveness and practicality of the proposed algorithm are shown in our results. پرونده مقاله

دسترسی آزاد مقاله

80 - A New Optimal Correlation for Behavior factor of EBFs under Near-fault Earthquakes using Artificial Intelligence Models
Seyed Abdonnabi Razavi Navid Siahpolo

10.1007/ijase.2022.698628

Behavior factor of the structures is a coefficient that includes the inelastic performance of the structure and indicates the hidden resistance of the structure in the inelastic stage. In most seismic codes, this coefficient is merely dependent on the type of lateral re چکیده کامل

Behavior factor of the structures is a coefficient that includes the inelastic performance of the structure and indicates the hidden resistance of the structure in the inelastic stage. In most seismic codes, this coefficient is merely dependent on the type of lateral resistance system and is introduced with a fixed number. However, there is a relationship between the behavior factor, ductility (performance level), structural geometric properties, and type of earthquake (near and far). In this paper, a new optimal correlation is attempted to predict the behavior factor (q) of EBF steel frames, under near-fault earthquakes, using Particle Swarm Optimization (PSO) and Simulated Annealing (SA) algorithms. For this purpose, a databank consists of 12960 data created. To establishing different geometrical properties of models, 3-,6-, 9-, 12-, 15, 20- stories steel EBF frames considered with 3 different types of link beam, 3 different types of column stiffness and 3 different types of brace slenderness. Using nonlinear time history under 20 near-fault earthquake, all models analyzed to reach 4 different performance level. data were used as training data of the Artificial Intelligence Models. Results shows the high accuracy of proposed correlation, established by PSO algorithm. The results of the correlation between the studied algorithms show more accuracy in the relations produced than the previous algorithms and confirm the significance of the governing relations. پرونده مقاله

دسترسی آزاد مقاله

81 - Improving Reliability by Optimal Allocation of Protection Devices and Distributed Generation Units
حمیدرضا اکبری Amirhosein Bolurian Mahmoud Modaresi

In this paper, two protective devices, recloser and cutout fuse, are placed simultaneously. Indeed, main contribution of this research is considering Distribution Generation (DG) placement in this problem. The multi objective function has been formulated based on minimi چکیده کامل

In this paper, two protective devices, recloser and cutout fuse, are placed simultaneously. Indeed, main contribution of this research is considering Distribution Generation (DG) placement in this problem. The multi objective function has been formulated based on minimizing power loss and maximizing reliability. Selection of reliability indices has been performed based on a compromise between customer satisfaction and seller. This problem is solved by Particle Swarm Optimization (PSO) algorithm and tested on the part of practical distribution system. The reliability indices are System Average Interruption Duration Index (SAIFI), Cost of Energy Not Supplied (CENS), System Average Interruption Frequency Index (SAIFI) and Momentary Average Interruption Frequency Index (MAIFI). Simulation has been performed in part of practical distribution system by introduced several scenarios and cases. پرونده مقاله

دسترسی آزاد مقاله

82 - Integrating Wind Farms and Pumped Storage Plants in Power System Unit Commitment Using Modified Particle Swarm Optimization
Hassan Siahkali

Wind energy as a main part of renewable energy has important role in many electricity industries, because of increasing concerns about environmental impacts of conventional power plants fuels. Wind power integration in the electricity system operation has some technical چکیده کامل

Wind energy as a main part of renewable energy has important role in many electricity industries, because of increasing concerns about environmental impacts of conventional power plants fuels. Wind power integration in the electricity system operation has some technical and economic effects because of the intermittent and variety nature of wind power production. Therefore, it is important for every utility or system operator to consider these technical or economical aspects especially as unit commitment problem. One of the most important strategies for increasing profits of each utility is integrating the wind power resources with limited energy resources such as pumped storage (PS) plants. Pumped storage can provide some of the flexibility that power system operators need to balance load and generation in an uncertain environment, and thus enhance a power system’s ability to incorporate wind power. This paper presents a new approach for solving the weekly unit commitment including wind farms and PS plants. For this purpose, the modified PSO mechanism is recommended. The proposed PSO is applied to two test systems (which are included two wind farms and one PS plant) and the results of this modified PSO are compared with the conventional PSO. Evaluation of the results of these test systems’ solutions show that better optimal schedules are obtained. پرونده مقاله

دسترسی آزاد مقاله

83 - Customer Clustering by Combining the Particle Swarm And K-Means Algorithms and Analyzing Their Behavior on Commercial Websites
MohammadReza Mehrazma Behrad Mahboobi

One of the trends in modern management is the consideration of the principle of customer orientation and customer satisfaction. Following this approach, online shopping, as one of the goods and services distribution channels, is also inclined to maintain and expand rela چکیده کامل

One of the trends in modern management is the consideration of the principle of customer orientation and customer satisfaction. Following this approach, online shopping, as one of the goods and services distribution channels, is also inclined to maintain and expand relations with customers. Nonetheless, what has become even more highlighted in the competition arena is going beyond customer satisfaction by predicting the customers’ behavior in order to properly respond to their needs and ultimately, establish loyalty. One of the methods used to know the customers is the clustering approach. Clustering is a data mining technique that takes a number of items and places them in clusters based on their attributes. One of the problems of the k-means clustering is that it has no specific method for primary determination or calculation of the cluster centers. Therefore, in order to optimize the clusters, we use the particle swarm optimization (PSO) algorithm. In the end, we analyze these clusters using the RFM model to analyze the customers’ behavior. What is achieved by analysis of each cluster is finding the cluster of the most loyal customers. In this study, we specify the number of optimized clusters using the k-means clustering algorithm. Then, we use the obtained number of clusters for the primary adjustment in the particle swarm optimization algorithm. Finally, we score the achieved clusters by the RFM method so that we can identify the most loyal customers that are placed in the cluster with the highest score. پرونده مقاله

دسترسی آزاد مقاله

84 - Joint Coordination of Wind Farms and Pumped Storage Plants in Generation Scheduling Using Modified Particle Swarm Optimization with Bacteria Foraging Concept
Hassan Siahkali

Increasing penetration of renewable energy resources, especially wind power in power system operation, has some technical and economic effects because of the variable and uncertain nature of these resources. Therefore, it is very important for system operators to consid چکیده کامل

Increasing penetration of renewable energy resources, especially wind power in power system operation, has some technical and economic effects because of the variable and uncertain nature of these resources. Therefore, it is very important for system operators to consider these behaviors necessary to solve the problem in this regard, especially generation scheduling problem. One of the most important strategies to increase the benefit of power system operation is to manage and control of wind power generation using pumped storage plants. A pumped storage plant can be used to provide added value to a wind farm to manage power output uncertainties. This paper presents a new approach for solving the weekly generation scheduling including wind farms and pumped storage plants. The hybrid PSO mechanism is suggested to solve this scheduling problem based on implementation of bacterial foraging concepts. The proposed PSO is applied to two test systems (which are included two wind farms and one pumped storage plant) and the results of this modified PSO are compared with the conventional PSO. Evaluation of the results of these test systems’ solutions show that better optimal schedules are obtained. پرونده مقاله

دسترسی آزاد مقاله

85 - بررسی کارآمدی مدل‌های بهینه ‌سازی فرا ابتکاری الگوریتم ژنتیک چندهدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR در تعیین سبد سهام شرکت‌های پذیرفته شده در سازمان بورس اوراق بهادار
داریوش آدینه وند ابراهیم علی رازینی محمود خدام فریدون اوحدی الهام سادات هاشمی زاده

10.30495/fed.2023.707996

چکیده انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک‌های متعددی برای اندازه‌گیری ریسک سبد سرمایه‌گذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونه‌گیری هدفمند از شرکتهای برتر سازمان ب چکیده کامل

چکیده انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک‌های متعددی برای اندازه‌گیری ریسک سبد سرمایه‌گذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونه‌گیری هدفمند از شرکتهای برتر سازمان بورس اوراق بهادار تهران انتخاب شده‌اند که شامل خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند، ابتدا بازده این سهام بصورت روزانه در بازه زمانی31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه می‌شوند و سپس با استفاده از نرم افزار متلب مدل‌های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چند هدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR با هم مقایسه می‌شوند. نتایج نشان می‌دهد که مدل‌ الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV دارای بازده بیشتر و ریسک کمتری می باشد، در نتیجه مدل‌ الگوریتم ژنتیک تحت معیار ریسک MSV از مدل الگوریتم ازدحام ذرات تحت معیار ریسک CVaR کارآمدتر می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

86 - پیش‌بینی شوک منفی قیمت سهام با تأکید بر نسبت‌های مالی
ابراهیم فدایی محمدجواد زارع بهنمیری

10.30495/faar.2022.697093

چکیدهبراساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگی‌های خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیش‌بینی شوک، می‌تواند بر تصمیمات سرمایه‌گذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس داده‌های مرتبط با 140 ش چکیده کامل

چکیدهبراساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگی‌های خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیش‌بینی شوک، می‌تواند بر تصمیمات سرمایه‌گذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس داده‌های مرتبط با 140 شرکت‌ها اقدام به پیش‌بینی شوک قیمتی سهام با تأکید بر نسبتهای مالی شده است. به‌منظور انتخاب متغیرهای بهینه از مجموعه 96 متغیر، از دو الگوریتم تکاملی بهینه‌سازی ازدحام ذرات و الگوریتم ژنتیک استفاده‌شده است. پس از به‌کارگیری الگوریتمهای ذکرشده درنهایت 8 متغیر تأثیرگذار بر شوکهای دائم و موقت استخراج گردید که در مدل رگرسیونی باقیمانده مستحکم در تحقیق تأثیر آنها بر متغیر پیشبینی شونده شوک بررسی گردید. نتایج حاصل از RSME مدلهای بررسی‌شده بهترتیب برای شوک دائم (الگوریتم ژنتیک)، شوک دائم (الگوریتم تکاملی بهینه‌سازی ازدحام ذرات)، شوک موقت (الگوریتم ژنتیک) و شوک موقت (الگوریتم تکاملی بهینه‌سازی ازدحام ذرات)، 5.8433، 5.6284، 7.537 و 7.295 میباشد. همان‌طور که مشاهده میشود RSME در شوک دائم براساس الگوریتم ژنتیک، بیشتر از RSME مدل شوک دائم براساس الگوریتم تکاملی بهینه‌سازی ازدحام ذرات میباشد. همچنین در مدل شوک موقت براساس الگوریتم ژنتیک RSME مدل، بیشتر از RSME مدل شوک موقت براساس الگوریتم تکاملی بهینه‌سازی ازدحام ذرات میباشد. بنابراین می‌توان بیان نمود که رگرسیون برآورد شده بر اساس متغیرهای انتخابی از الگوریتم تکاملی بهینه‌سازی ازدحام ذرات دارای RSME پایین‌تر بوده و قدرت پیش‌بینی‌کنندگی بهتری نسبت به متغیرهای انتخابی از الگوریتم ژنتیک دار پرونده مقاله

دسترسی آزاد مقاله

87 - Optimal Detection of Oil Contamination at Sea by the FPSO Algorithm
mostafa zamani mohiabadi

Leakage of oil from pipelines and oil tankers into seas and oceans is ecologically important and can have significant social and economic impacts on the environment. An early detection of deliberate or accidental oil spills can reduce serious hazards that may threaten c چکیده کامل

Leakage of oil from pipelines and oil tankers into seas and oceans is ecologically important and can have significant social and economic impacts on the environment. An early detection of deliberate or accidental oil spills can reduce serious hazards that may threaten coastal residents and help identify pollutants. Iran has been surrounded by seas from the north and the south and they provide us with valuable natural resources, in general, and oil reserves in particular. Besides, the seas are where oil is mined and oil tankers pass. Therefore, protecting the seas against oil contamination is essential. Due to the vastness of seas and the need for early detection of contamination source, modern methods must be employed to prevent excessive environmental damage. Unfortunately, a few studies have been conducted on it to date. In the present study, a number of robots controlled by the Fuzzy Particle Swarm Optimization (FPSO) algorithm were used to discover the source of contamination. In this paper a z coefficient was added to FPSO algorithm derived from fuzzy logic and contamination condition. This z coefficient informed the velocity of particles in a PSO model. We showed that using a fuzzy logic can improve the treatment of standard PSO algorithm in detecting oil contamination. پرونده مقاله

دسترسی آزاد مقاله

88 - Simultaneous Placement of Capacitor and DG in Distribution Networks Using Particle Swarm Optimization Algorithm
Hossein Lotfi Mohammad Borhan Elmi Sina Saghravanian

Nowadays, using distributed generation (DG) resources, such as wind and solar, also improving the voltage profile in distribution companies has been considered. As optimal placement and sizing of shunt capacitors become more prevalent, utilities want to determine the im چکیده کامل

Nowadays, using distributed generation (DG) resources, such as wind and solar, also improving the voltage profile in distribution companies has been considered. As optimal placement and sizing of shunt capacitors become more prevalent, utilities want to determine the impact of the various capacitors placement in distribution systems. Locating and determining the optimal capacity of shunt capacitors in order to reduce power losses and improving the voltage profile and using the maximum capacity of transmission lines, are one of the common problems in the design and control of power systems. Using the shunt capacitors, not only improve voltage profiles, but also reduce system losses. In this study, a genetic algorithm (GA) and particle swarm optimization (PSO) algorithm are proposed forsimultaneous placement of capacitors and DG resources in order to reduce power losses and improve the voltage profile in a case study radial distribution network. Simulations applied on IEEE 70-bus and 86-bus test system, and finally solutions of the proposed algorithms are compared. پرونده مقاله

دسترسی آزاد مقاله

89 - 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 چکیده کامل

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 پرونده مقاله

دسترسی آزاد مقاله

90 - Distribution Network Reconfiguration Considering Energy Storage Devices Based on Binary Particle Swarm Optimization
Mostafa Karimi Mohsen Simab

10.30495/ijsee.2021.684016

This paper studies a new method for reconfiguration of the distribution network that considers access to energy storage devices. Initially, a new distribution network reconfiguration model is being created that takes into account access to energy storage devices. This m چکیده کامل

This paper studies a new method for reconfiguration of the distribution network that considers access to energy storage devices. Initially, a new distribution network reconfiguration model is being created that takes into account access to energy storage devices. This model takes as an objective function the minimum of network losses and takes into account the current power and voltage constraints induced by energy storage devices. In reconfiguration schemes, the dual power flow directions are also deliberated. To solve the proposed model, the Binary Particle Swarm Optimization (BPSO) is implemented to get the optimal reconfiguration scheme. Finally, to check the correctness and efficacy of the proposed process, two distribution networks with admission to energy storage systems are being checked (Initial topology of 12-bus system - Optimal topology without considering energy storage - Optimal topology considering energy storage), Then proposed more suitable method for solving the proposed reconfiguration models in this manuscript. پرونده مقاله

دسترسی آزاد مقاله

91 - Load Balancing Distribution Network Reconfiguration Based on Binary Particle Swarm Optimization
Mostafa Karimi Mohsen Simab Mehdi Nafar

10.30495/ijsee.2021.683685

A reconfiguration model for the distribution network with the optimization objective of reducing three -phase disequilibrium is suggested in order to cope with an increasingly serious three -phase unbalance in distribution network. Second, the distribution network recon چکیده کامل

A reconfiguration model for the distribution network with the optimization objective of reducing three -phase disequilibrium is suggested in order to cope with an increasingly serious three -phase unbalance in distribution network. Second, the distribution network reconfiguration problem is transformed into a problem of constructing the spanning tree of the graph by evaluating the distribution network in topology, which is solved by the process of breaking -cycle -basis. Then an improved Binary Particle Swarm Optimization (BPSO) algorithm is suggested to solve the reconfiguration problem by randomly choosing the first-branch and canceling the heuristic value of the network, which will extend the search scope and prevent search stagnation. Relevant examples of verification show that, relative to traditional approaches, the proposed algorithm can achieve the best global solution with less computational time and greater probability. The proposed algorithm is tested in 33 bus system and the results show the load balancing in distribution network. پرونده مقاله

دسترسی آزاد مقاله

92 - Reducing Displacement of Spring Mass in Active Vehicle Suspension System Using Sliding Mode Controller Based on Disturbance Observer
Mohammad Vatankhah Mohammad Yousefi Sayyed Mohammad Mehdi Mirtalaei Zahra Alale

10.30495/ijsee.2022.1968573.1230

The main cause of oscillation during the movement of the vehicle is the unevenness of the road. Therefore, in order to maintain the stability of the car in swing states, the suspension system plays an essential role. Therefore, the active suspension system is used to re چکیده کامل

The main cause of oscillation during the movement of the vehicle is the unevenness of the road. Therefore, in order to maintain the stability of the car in swing states, the suspension system plays an essential role. Therefore, the active suspension system is used to replace the conventional passive suspension system, to improve comfort and smoothness. To reduce the displacement of the spring mass in the active vehicle suspension system, a high-order sliding mode controller is proposed in this paper. Uncertainty of system parameters, nonlinear characteristic of damping and spring, load changes and unknown path disturbance are estimated by disturbance observer. The controller only needs the information of the spring mass state variables and therefore does not need separate sensors to measure the suspension mass state variables. Particle swarm optimization algorithm has been used to determine the control parameters. The efficiency of the proposed method has been shown using simulation in MATLAB software and the results have been compared with the passive suspension system. پرونده مقاله

دسترسی آزاد مقاله

93 - Synchronizing of Smart Homes in Microgrids using Whale Optimization Algorithm
Farhad Nourozi Navid Ghardash khani

The household energy management system (HEMS) can optimally schedule home appliances for transferring loads from peak to off-peak times. Consumers of smart houses have HEM, renewable energy sources and storage systems to reduce the bill. In this article, a new HEM model چکیده کامل

The household energy management system (HEMS) can optimally schedule home appliances for transferring loads from peak to off-peak times. Consumers of smart houses have HEM, renewable energy sources and storage systems to reduce the bill. In this article, a new HEM model based on the time of usage pricing planning with renewable energy systems is proposed to use the energy more efficiently. The new meta-heuristic whale optimization algorithm (WOA) and the common meta-heuristic of particle swarm optimization (PSO) are used to achieve that. To improve the performance, a mapping chaos theory (CWOA) is proposed. Also, an independent solar energy source is used as a support of the microgrid to achieve a better performance. It is concluded that the energy saving achieved by the proposed algorithm is able to decrease the electricity bill by about 40-50% rather than the WOA and PSO methods. The proposed system is simulated in MATLAB environment. پرونده مقاله

دسترسی آزاد مقاله

94 - Mix proportioning of high-performance concrete by applying the GA and PSO
Alireza rezaee mohamad reza hasani ahangar

High performance concrete is designed to meets special requirements such as high strength, high flowability, and high durability in large scale concrete construction. To obtain such performance many trial mixes are required to find desired combination of materials and چکیده کامل

High performance concrete is designed to meets special requirements such as high strength, high flowability, and high durability in large scale concrete construction. To obtain such performance many trial mixes are required to find desired combination of materials and there is no conventional way to achieve proper mix proportioning. Genetic algorithm is a global optimization technique based on mechanics of natural selection and natural genetics and can be used to find a near optimal solution to a problem that may have many solutions. Particle swarm optimization is another evolutionary searching strategy motivated by social behaviors to obtain optimum answer. This paper presents a method whereby the mixture proportion of concrete can be optimized to reduce the number of trial mixtures with desired properties by using the genetic algorithm and particle swarm optimization techniques. پرونده مقاله

دسترسی آزاد مقاله

95 - Per Unit Coding for Combined Economic Emission Load Dispatch using Smart Algorithms
Naser Ghorbani Ebrahim Babaei Sara Laali Payam Farhadi

This paper proposes per unit coding for combined economic emission load dispatch problem. In the proposed coding, it is possible to apply the percent effects of elements in any number and with high accuracy in objective function. In the proposed per unit coding, each fu چکیده کامل

This paper proposes per unit coding for combined economic emission load dispatch problem. In the proposed coding, it is possible to apply the percent effects of elements in any number and with high accuracy in objective function. In the proposed per unit coding, each function is transformed into per unit form based on its own maximum value and has a value from 0 to 1. In this paper, particle swarm optimization is used for solving economic emission load dispatch problem. In order to show the advantages of the proposed method, 25 independent case studies are conducted on systems holding three and six power units with different influence percentages of each function are investigated. The obtained results are compared with those of other methods such as Biogeography Based Optimization, Tabu Search, NSGA-II and etc. The obtained results properly show the superiority of the proposed method to combine economic emission dispatch problem over the penalty factor technique and other conventional combined approaches. پرونده مقاله

دسترسی آزاد مقاله

96 - Optimization of grid independent diesel-based hybrid system for power generation using improved particle swarm optimization algorithm
Akbar Maleki Fathollah Pourfayaz

The power supply of remote sites and applications at minimal cost and with low emissions is an important issue when discussing future energy concepts. This paper presents modeling and optimization of a photovoltaic (PV)/wind/diesel system with batteries storage for elec چکیده کامل

The power supply of remote sites and applications at minimal cost and with low emissions is an important issue when discussing future energy concepts. This paper presents modeling and optimization of a photovoltaic (PV)/wind/diesel system with batteries storage for electrification to an off-grid remote area located in Rafsanjan, Iran. For this location, different hybrid systems are studied and compared in terms of cost. For cost analysis, a mathematical model is introduced for each system's component and then, in order to satisfy the load demand in the most cost-effective way, particle swarm optimization algorithm are developed to optimally size the systems components. As an efficient search method, IPSO has simple concept, is easy to implement, can escape local optima, by use of probabilistic mechanisms, and only needs one initial solution to start its search. Simulation results indicate that, the role of the diesel generator decreases in hybrid (PV/wind/diesel/battery) energy systems پرونده مقاله

دسترسی آزاد مقاله

97 - Solving Economic Dispatch in Competitive Power Market Using Improved Particle Swarm Optimization Algorithm
Hossein Lotfi Ali Dadpour Mahdi Samadi

IJSEE-1705-1054

Generally the generation units in the traditional structure of the electricity industry try to minimize their costs. However, in a deregulated environment, generation units are looking to maximize their profits in a competitive power market. Optimum generation planning چکیده کامل

Generally the generation units in the traditional structure of the electricity industry try to minimize their costs. However, in a deregulated environment, generation units are looking to maximize their profits in a competitive power market. Optimum generation planning in such structure is urgent. This paper presents a new method of solving economic dispatch in the competitive electricity market with the aim of maximizing the total contribution profit of power generation. In this regard, with a combination of two intelligent optimizations, a new efficient algorithm which called improved particle swarm optimization algorithm is suggested. The simulation of the new approach and conventional PSO algorithm were performed on two case study systems, 10-units and 15-units. According to the results, the suggested method not only resolves the convergence problem, but it also makes more efficient response. پرونده مقاله

دسترسی آزاد مقاله

98 - Artificial Intelligence Based Approach for Identification of Current Transformer Saturation from Faults in Power Transformers
A. R Moradi Y Alinejad Beromi K Kiani Z Moravej

Protection systems have vital role in network reliability in short circuit mode and proper operating for relays. Current transformer often in transient and saturation under short circuit mode causes mal-operation of relays which will have undesirable effects. Therefore, چکیده کامل

Protection systems have vital role in network reliability in short circuit mode and proper operating for relays. Current transformer often in transient and saturation under short circuit mode causes mal-operation of relays which will have undesirable effects. Therefore, proper and quick identification of Current transformer saturation is so important. In this paper, an Artificial Neural Network (ANN) which is trained by two different swarm based algorithms; Gravitational Search Algorithm (GSA) and Particle Swarm Optimization (PSO) have been used to discriminate between Current transformer saturation and fault currents in power transformers. In fact, GSA operates based on gravity law and in opposite of other swarm based algorithms, particles have identity and PSO is based on behaviors of bird flocking. Proposed approach has two general stages. In first step, obtained data from simulation have been processed and applied to an ANN, and then in second step, using training data considered ANN has been trained by GSA & PSO. Finally, a proposed technique has been compared with one of the common training approach which is called Genetic algorithm (GA). پرونده مقاله

دسترسی آزاد مقاله

99 - Efficient Data Mining with Evolutionary Algorithms for Cloud Computing Application
Hamid Malmir Fardad Farokhi Reza Sabbaghi-Nadooshan

With the rapid development of the internet, the amount of information and data which are produced, are extremely massive. Hence, client will be confused with huge amount of data, and it is difficult to understand which ones are useful. Data mining can overcome this prob چکیده کامل

With the rapid development of the internet, the amount of information and data which are produced, are extremely massive. Hence, client will be confused with huge amount of data, and it is difficult to understand which ones are useful. Data mining can overcome this problem. While data mining is using on cloud computing, it is reducing time of processing, energy usage and costs. As the speed of data mining is very important, this paper proposes four faster classification algorithms in comparison with each other. In this paper, A Multi-Layer perceptron (MLP) Network is trained with Imperialist Competitive Algorithm (ICA), Particle Swarm Optimization (PSO), Differential Evolution (DE), and Invasive Weed Optimization (IWO) separately. The classifications are done on Wisconsin Breast Cancer (WBC) data base. At the end, to illustrate the speed and accuracy of these classifiers, they are compared with each other and two other types of Genetic algorithm classifiers (GA). پرونده مقاله

دسترسی آزاد مقاله

100 - A Triple State Time Variant Cost Function Unit Commitment with Significant Vehicle to Grid Penetration
Morteza Aien Mahmud Fotuhi Firuzabad

Hastening the power industry toward smart operation juxtaposed with the unrivaled restructuring and privatization agendas, some of the ubiquitous smart grid advantages are glanced more and more. Recently, the vehicle to grid (V2G) technology, as one of these beneficial چکیده کامل

Hastening the power industry toward smart operation juxtaposed with the unrivaled restructuring and privatization agendas, some of the ubiquitous smart grid advantages are glanced more and more. Recently, the vehicle to grid (V2G) technology, as one of these beneficial aspects, has found a worldwide attention due to its important advantages. The V2G technology can raise the system operation efficiency, if well committed. Unit commitment (UC) is an operation problem to find the optimal schedule of generation units. In a typical UC problem, the generation units have two operational states, producing power or not, while a V2G may have an additional state i.e. consuming power due to its capability of having bi-directional power flow. In this work, this feature is modeled by the third state i.e. -1 for V2G power consumption. In addition, this work considers different cost function coefficients for different time intervals. The binary particle swarm optimization (BPSO) method is used to solve this sophisticated problem. The proposed methodology is justified through two dimensionally different case studies. What makes the results particularly interesting is that when V2Gs are taken into account, the total operation cost of the system decreases and also the V2G owners can obtain considerable profits. پرونده مقاله

دسترسی آزاد مقاله

101 - Optimal Allocation of the Distributed Active Filters Based on Total Loss Reduction
Vahid Chakeri Mehrdad Tarafdar Hagh

With the dramatic growth of nonlinear loads, it is desired to improve active filters performance and enhance their capacity. One of the most favorable methods is applying distributed active filter system (DAFS) in which leads to minimizing the cost, weight & size .The m چکیده کامل

With the dramatic growth of nonlinear loads, it is desired to improve active filters performance and enhance their capacity. One of the most favorable methods is applying distributed active filter system (DAFS) in which leads to minimizing the cost, weight & size .The main purpose of this paper is to determine the locations and sizes of distributed active filter system (DAFS) With emphasis on reducing losses. Minimizing the total losses can have a significant impact on reducing costs. Therefore, placement has been studied by total line losses & minimized loss allocation while satisfying harmonic voltages, total harmonic voltage distortions within IEEE-519 recommended limits. Finally, A typical 37-bus distribution system is selected to verify the validity of the proposed procedures. پرونده مقاله

دسترسی آزاد مقاله

102 - Frequency Control of Isolated Hybrid Power Network Using Genetic Algorithm and Particle Swarm Optimization
Mahdie Hasanpour Qadikolai Sina mohammadi

This paper, presents a suitable control system to manage energy in distributed power generation system with a Battery Energy Storage Station and fuel cell. First, proper Dynamic Shape Modeling is prepared. Second, control system is proposed which is based on Classic Con چکیده کامل

This paper, presents a suitable control system to manage energy in distributed power generation system with a Battery Energy Storage Station and fuel cell. First, proper Dynamic Shape Modeling is prepared. Second, control system is proposed which is based on Classic Controller. This model is educated with Genetic Algorithm and particle swarm optimization. The proposed strategy is compared with Classic Controller. The robustness of suggested strategy in the front of nature of wind energy and Environmental conditions led to Parameter changes and load changes. It was investigated and simulated in MATLAB and the result was observed. As a result of simulation, control system has reflected a better behavior rather than load changes. The proposed methods are applied on various situations with actual climate data. پرونده مقاله

دسترسی آزاد مقاله

103 - Particle Swarm Optimization with Smart Inertia Factor for Combined Heat and Power Economic Dispatch
Naser Ghorbani Babak Adham Payam Farhadi

In this paper particle swarm optimization with smart inertia factor (PSO-SIF) algorithm is proposed to solve combined heat and power economic dispatch (CHPED) problem. The CHPED problem is one of the most important problems in power systems and is a challenging non-conv چکیده کامل

In this paper particle swarm optimization with smart inertia factor (PSO-SIF) algorithm is proposed to solve combined heat and power economic dispatch (CHPED) problem. The CHPED problem is one of the most important problems in power systems and is a challenging non-convex and non-linear optimization problem. The aim of solving CHPED problem is to determine optimal heat and power of generating units with the minimized cost of total system and satisfied constraints of problem. In proposed algorithm inertia coefficients are controlled with respect to cost function in each population. So, each population has unique inertia coefficient and as a result unique velocity in convergent direction for the best group solution. In order to examine the proposed algorithm's capabilities and find optimum solution for CHPED problem, two test systems considering valve-point effect, system power loss and system constraints are optimized. The obtained results demonstrate the superiority of the proposed method in solving non-convex CHPED problem over other new and efficient algorithms. پرونده مقاله

دسترسی آزاد مقاله

104 - بهینه‌سازی سبد سهام با استفاده از الگوریتم رقابت استعماری (ICA) و الگوریتم ازدحام ذرات (PSO) تحت معیار ریسک ارزش در معرض خطر مشروط (CVaR)
آرزو کریمی سارا گودرزی دهریزی

انتخاب سبد سهام یک مبحث ویژه در حوزه‌ی سرمایه‌گذاری است. با توجه به گستردگی انتخاب‌ها در بازار سهام یکی از دغدغه‌های مهم مجموعه‌های سرمایه‌گذاری تخصیص بهینه‌ی دارایی‌هاست. ازاین‌رو اغلب این مجموعه‌ها از مدل‌های انتخاب سبد استفاده می‌کنند. ارزش در معرض خطر مشروط که یکی ا چکیده کامل

انتخاب سبد سهام یک مبحث ویژه در حوزه‌ی سرمایه‌گذاری است. با توجه به گستردگی انتخاب‌ها در بازار سهام یکی از دغدغه‌های مهم مجموعه‌های سرمایه‌گذاری تخصیص بهینه‌ی دارایی‌هاست. ازاین‌رو اغلب این مجموعه‌ها از مدل‌های انتخاب سبد استفاده می‌کنند. ارزش در معرض خطر مشروط که یکی از مدل‌های انتخاب سبد است از برنامه‌ریزی درجه دوم تبعیت می‌کند. با توجه به اینکه برنامه‌ریزی درجه دوم نیازمند محاسبات وسیعی است، استفاده از الگوریتم‌های فرا ابتکاری در حل این مسائل سرعت و دقت محاسبات را افزایش می‌دهند. هدف این پژوهش حداقل سازی ارزش در معرض خطر مشروط با استفاده از دو الگوریتم رقابت استعماری و ازدحام ذرات است. ازاین‌رو با استفاده از داده‌های ۸۰۰ روز از ۱۲ شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی 5/2/92 تا 28/1/98 به تشکیل سبد پرداخته شد و وزن مربوط به هر سهم در سبد بهینه و میزان ریسک و بازدهی سبدها با استفاده از نرم‌افزار MATLAB2018 محاسبه شد. سپس با استفاده از امکانات نرم-افزار SPSS به آزمون میانگین تفاوت بین ریسک و بازدهی دو الگوریتم پرداخته شد. نتایج نشان داد که ریسک و بازدهی دو الگوریتم ازنظر آماری تفاوت معناداری ندارند، اما الگوریتم رقابت استعماری در زمان کوتاه‌تری به جواب بهینه می‌رسد. پرونده مقاله

دسترسی آزاد مقاله

105 - ارائه مدلی برای پیش‌بینی سری زمانی قیمت های نویزدار سهام با استفاده از تحلیل طیف تکین، رگرسیون بردار پشتیبان بهمراه بهینه‌سازی ازدحام ذرات و مقایسه آن با عملکرد مدل های تبدیل موجک، شبکه عصبی، فرآیند میانگین متحرک خودرگرسیون و رگرسیون چندجمله‌ای
شعبان محمدی هادی سعیدی عبدالحسین طالبی نجف آبادی قاسم الهی شیروان

در این پژوهش مدلی برای تحلیل و پیش‌بینی سری زمانی مالی نویزدار قیمت سهام با استفاده از تحلیل طیف تکین و رگرسیون بردار پشتیبان همراه با بهینه‌سازی ازدحام ذرات ارائه شده است. بدین صورت که سری زمانی قیمت بسته ‌شده 140 سهم از شرکتهایی در صنایع مختلف در هر دقیقه در روز برای چکیده کامل

در این پژوهش مدلی برای تحلیل و پیش‌بینی سری زمانی مالی نویزدار قیمت سهام با استفاده از تحلیل طیف تکین و رگرسیون بردار پشتیبان همراه با بهینه‌سازی ازدحام ذرات ارائه شده است. بدین صورت که سری زمانی قیمت بسته ‌شده 140 سهم از شرکتهایی در صنایع مختلف در هر دقیقه در روز برای دوره‌ای از 28 اردیبهشت تا 11 خرداد برای سال های 1392 تا 1398 بصورت جداگانه از بورس اوراق بهادار تهران مورد بررسی قرار گرفت. همچنین عملکرد مدل پیشنهادی با عملکرد چهار مدل تبدیل موجک همراه با شبکه عصبی، فرآیند میانگین متحرک خود رگرسیون، رگرسیون چندجمله‌ای و مدل نایو مقایسه شد. از میانگین خطای مطلق، میانگین درصد خطای مطلق، و میانگین ریشه مربعات خطا به عنوان معیارهای اصلی عملکرد استفاده گردید. نتایج نشان می دهد که عملکرد مدل ارائه شده برای تحلیل و پیش‌بینی سری زمانی مالی نویزدار بر اساس میانگین خطای مطلق، میانگین درصد خطای مطلق و میانگین ریشه مربعات خطا، بهتر از مدل های دیگر(شامل: تبدیل موجک، میانگین متحرک خود رگرسیون، رگرسیون چندجمله‌ای، مدل نایو) است. پرونده مقاله

دسترسی آزاد مقاله

106 - بررسی کارآمدی مدل های بهینه‌سازی؛ ارزش در معرض خطر مشروط و میانگین قدر مطلق انحراف و الگوریتم‌ ازدحام ذرات تحت معیار ریسک CVaR و MAD در تعیین سبد سهام شرکتهای پذیرفته شده در سازمان بورس اوراق بهادار
داریوش آدینه وند ابراهیم علی رازینی رحمانی محمود خدام فریدون اوحدی الهام سادات هاشمی زاده

انتخاب سبد بهینه سهام یکی از اهداف مهم مدیریت سرمایه است. تکنیک‌ها و ابزارهای متعددی برای حل مساله سبد بهینه‌ سهام وجود دارد. در این پژوهش با استفاده از داده‌های 15 سهم از بازار سهام تهران انتخاب شده‌اند که شامل نمادهای؛ خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، ت چکیده کامل

انتخاب سبد بهینه سهام یکی از اهداف مهم مدیریت سرمایه است. تکنیک‌ها و ابزارهای متعددی برای حل مساله سبد بهینه‌ سهام وجود دارد. در این پژوهش با استفاده از داده‌های 15 سهم از بازار سهام تهران انتخاب شده‌اند که شامل نمادهای؛ خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند. ابتدا بازده این سهام بصورت روزانه در بازه زمانی31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه شد و با استفاده از مدل‌های ریسک میانگین قدر مطلق انحراف و ارزش در معرض خطر مشروط، ریسک سبد سرمایه-گذاری آنها محاسبه ‌می‌شوند و این دو معیار از روش حل کلاسیک با هم مقایسه می‌شوند. خروجی بهینه سازی سبد با هر یک از این ریسک‌ها وزن متفاوتی از هر سهم را نشان می‌دهد. سپس مدل‌های ریسک انحراف مطلق و ارزش در معرض خطر مشروط از روش فرا ابتکاری الگوریتم ازدحام ذرات با هم مقایسه می‌شوند. نتایج حاکی از آن است که روش فرا ابتکاری الگوریتم ازدحام ذرات در مقایسه با روش کلاسیک بازدهی سبد بیشتری در معیار MAD به نمایش گذاشت. لذا این روش بهتری برای بهینه ‌سازی سبد سهام می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

107 - طراحی الگوی بهینه سازی سبد اعتباری در صنعت بانکداری با استفاده از الگوریتم فرا ابتکاری
علی اصغر طهرانی پور ابراهیم عباسی حسین دیده خانی آرش نادریان

هدف از انجام تحقیق حاضر طراحی الگوی بهینه سازی سبد اعتباری در صنعت بانکداری با استفاده از الگوریتم فرا ابتکاری می باشد . ریسک یکی از مفاهیم پایه ای در بازارهای مالی می باشد که از پیچیدگی خاصی برخوردار است. با توجه به عدم وجود تصویر دقیق از تحقق ریسک، بازارهای مالی نیازم چکیده کامل

هدف از انجام تحقیق حاضر طراحی الگوی بهینه سازی سبد اعتباری در صنعت بانکداری با استفاده از الگوریتم فرا ابتکاری می باشد . ریسک یکی از مفاهیم پایه ای در بازارهای مالی می باشد که از پیچیدگی خاصی برخوردار است. با توجه به عدم وجود تصویر دقیق از تحقق ریسک، بازارهای مالی نیازمند رویکردهای کنترل و مدیریت ریسک هستند. تحقیق حاضر از لحاظ جمع آوری اطلاعات در زمره تحقیقات توصیفی پیمایشی و از لحاظ هدف از نوع کاربردی است . جامعه آماری تحقیق شامل کلیه پرونده های تسهیلاتی 10 سال اخیر و هچنین صورت وضعیت های مالی شعب بانک انصار وابسته به بانک سپه می‌باشد که به روش سرشماری انتخاب شدند . معیارهای ریسک استفاده شده در مدل ها عبارتند از : ارزش در معرض خطر فازی، قدرمطلق انحرافات روبه پایین فازی و نیم آنتروپی. مدل های پژوهش با استفاده از الگوریتم بهینه سازی ازدحام ذرات چند هدفه اجرا شد. نرم‌افزار مورد استفاده در اجرای تحقیق نرم افزار متلب می باشد. نتایج تحقیق نشان می دهد عملکرد مدل میانگین – ارزش در معرض خطر فازی نسبت به دو مدل دیگر در ارزیابی پرتفوهای بهینه بهتر است . بنابراین استفاده از مدل فوق در بهینه سازی سبداعتباری پیشنهاد می شود . پرونده مقاله

دسترسی آزاد مقاله

108 - بهینه ‌سازی بر روی شبکه ماشین یادگیری حداکثری (ELM) با استفاده از دو روش بهینه‌سازی ماشین یادگیری حداکثری پی‌در‌پی(OSELM) و الگوریتم پرواز پرندگان( ازدحام ذرات (PSO)) برای پیش‌بینی شاخص صنعت در بورس اوراق بهادار تهران
بنیامین حکیم زاده احسان طیبی ثانی مهدی سعیدی کوشا

همواره برای پیش‌بینی در بازارهای مالی دو رویکرد سنتی و هوشمند وجود داشته که در روش سنتی این پیش‌بینی بر اساس مدل‌های آماری و در روش هوشمند بر اساس مدل‌های هوش مصنوعی است. روش‌های سنتی عمدتاً از الگوهای خطی برای مدل کردن رفتار بازار استفاده می‌کنند در حالی ‌که مزیت و برت چکیده کامل

همواره برای پیش‌بینی در بازارهای مالی دو رویکرد سنتی و هوشمند وجود داشته که در روش سنتی این پیش‌بینی بر اساس مدل‌های آماری و در روش هوشمند بر اساس مدل‌های هوش مصنوعی است. روش‌های سنتی عمدتاً از الگوهای خطی برای مدل کردن رفتار بازار استفاده می‌کنند در حالی ‌که مزیت و برتری اصلی مدل‌های هوشمند توانایی یادگیری و مدل کردن رفتارهای غیرخطی موجود در بازار است. همیشه این موضوع مطرح بوده است که کدام روش‌ها می‌توانند رفتار بازار را بهتر مدل کنند و با وجود مدل‌های فراوانی که برای پیش‌بینی ارائه‌شده است کماکان تلاش برای ساخت مدلی که بتواند متغیرهای مؤثر بیشتری را برای پیش‌بینی مورد استفاده قرار دهد و بتواند فاکتورهایی مانند زمان، ریسک و بازده را هم در نظر بگیرد، ادامه دارد. هدف از این پژوهش ارائه مدلی برای پیش‌بینی شاخص صنعت در بورس اوراق بهادار تهران می‌باشد. این کار توسط شبکه عصبی ماشین یادگیری حداکثری و با استفاده از دو روش بهینه‌سازی ماشین یادگیری حداکثری پی‌در‌پی و الگوریتم پرواز پرندگان صورت گرفته است. نتایج نشان می‌دهد که دقت پیش‌بینی دو روش از لحاظ آماری تفاوت معناداری با یکدیگر نداشته اما ازلحاظ مدت‌زمان اجرای الگوریتم شبکه عصبی با روش بهینه‌سازی ماشین یادگیری حداکثری پی‌در‌پی عملکرد بهتری داشته است. پرونده مقاله

دسترسی آزاد مقاله

109 - بهینه سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکویتز
علی بیات لیدا اسدی

هدف از مدیریت پرتفوی انتخاب سبد سهام است، سبد سهامی که راهنمایی سرمایه گذاران برای دستیابی به بیشترین بازده می باشد؛ در این پژوهش جهت انتخاب سبد سهام از الگوریتم پرندگان و مدل مارکویتز استفاده شده است و مقایسه ای نیز بین انها صورت پذیرفته است. معرفی یک مدلی جهت انتخاب پ چکیده کامل

هدف از مدیریت پرتفوی انتخاب سبد سهام است، سبد سهامی که راهنمایی سرمایه گذاران برای دستیابی به بیشترین بازده می باشد؛ در این پژوهش جهت انتخاب سبد سهام از الگوریتم پرندگان و مدل مارکویتز استفاده شده است و مقایسه ای نیز بین انها صورت پذیرفته است. معرفی یک مدلی جهت انتخاب پرتفوی برای سرمایه گذاران که بتوانند با ارزیابی ان مدل به انتخاب درست سبد پرتفوی اقدام کنند، از اهداف ما در این پژوهش می باشد.از میان شرکت های پذیرفته شده در بورس اوراق بهادار تهران تعداد 65 شرکت برای دوره زمانی 1388تا1392 انتخاب گردید و به عنوان حجم نمونه امار در تجزیه و تحلیل داده ها وارد گردید. برای تجزیه وتحلیل داده ها ابتدا داده ها در نرم افزار EXCEL جمع اوری و پس از طبقه بندی و انجام محاسبات بوسیله نرم افزارMATLAB مورد تجزیه وتحلیل قرار گرفت. نتایج پژوهش در ارتباط با مقایسه الگوریتم پرندگان و مدل مارکویتز حاکی از ان بود که الگوریتم پرندگان در مقایسه با مدل مارکویتز دارای خطای کمتری در انتخاب سبد بهینه سرمایه گذاری می باشد. مهمترین پیشنهاد ما برای تحقیقات اتی مقایسه الگوریتم پرندگان باسایر مدلهای بهینه سازی نظیررقابت استعماری، فرا ابتکاری، مدل آربیتراژ و......مقایسه گردد. پرونده مقاله

دسترسی آزاد مقاله

110 - تبیین الگوی اندازه گیری مدیریت سود با استفاده از روش ترکیبی هوشمند شبکه های عصبی و الگوریتم های فراابتکاری(ژنتیک و ازدحام ذرات)
اقبال قادری پیمان امینی ایرج نوروش عطا محمدی

شناخت مدیریت سود برای استفاده کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش بینی سودآوری و تعیین ارزش واقعی شرکت بسیار حائز اهمیت است. هدف از این تحقیق برآورد الگوی برای پیش بینی مدیریت سود با استفاده الگوی شبکه های عصبی و سپس استفاده از الگوریتم های فراابتکار چکیده کامل

شناخت مدیریت سود برای استفاده کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش بینی سودآوری و تعیین ارزش واقعی شرکت بسیار حائز اهمیت است. هدف از این تحقیق برآورد الگوی برای پیش بینی مدیریت سود با استفاده الگوی شبکه های عصبی و سپس استفاده از الگوریتم های فراابتکاری ژنتیک و ازدحام ذرات برای یافتن ترکیبی بهتر از داده های ورودی است به گونه ای که بتواند الگو اولیه را بهینه نماید. برای این منظور از 28 متغیر تاثیر گذار در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سال های 1390 الی 1395 در شرکت های پذیرفته شده در بورس اوراق بهادار تهران استفاده گردید. نتایج حاصل نشان می دهد که کاربرد این دو الگوریتم قدرت تبیین الگوهای اولیه را افزایش داده است. همچنین ارزیابی عملکرد الگو های شبکه عصبی حاکی از برتری این الگو ها در قیاس با الگوی رگرسیون خطیLR) ( است. روش ترکیبی شبکه های عصبی الگوریتم های ازدحام ذرات (A-PSO) و ژنتیک(A-GA) با شناسایی چهار متغیر بهینه به ترتیب شامل دقت پیش بینی، سهم مالکیت سهامداران عمده، اندازه شرکت و نسبت کیفیت، مدیریت سود را با دقت به ترتیب (59/95%) و (75/94%) پیش بینی کردند. بعلاوه روش های ترکیبی هوشمند فوق با بهبود ضریب همبستگی و معیار متوسط مربعات خطا نسبت به روش های رگرسیون خطی (LR) و روش شبکه های عصبی (ANN) در پیش بینی نتایج گروه ویژگی های مدیریتی و شرکتی کارآمدتر است. پرونده مقاله

دسترسی آزاد مقاله

111 - ANALYSIS OF A DISCRETE-TIME IMPATIENT CUSTOMER QUEUE WITH BERNOULLI-SCHEDULE VACATION INTERRUPTION
P. Vijaya Laxmi K. Jyothsna

This paper investigates a discrete-time impatient customer queue with Bernoulli-schedule vacation interruption. The vacation times and the service times during regular busy period and during working vacation period are assumed to follow geometric distribution. We obtain چکیده کامل

This paper investigates a discrete-time impatient customer queue with Bernoulli-schedule vacation interruption. The vacation times and the service times during regular busy period and during working vacation period are assumed to follow geometric distribution. We obtain the steady-state probabilities at arbitrary and outside observer's observation epochs using recursive technique. Cost analysis is carried out using particle swarm optimization. Computational experiences with a variety of numerical results are discussed. پرونده مقاله

دسترسی آزاد مقاله

112 - Prediction of the GC-MS Retention Indices for a Diverse Set of Terpenes as Constituent Components of Camu-camu (Myrciaria dubia (HBK) Mc Vaugh) Volatile Oil, Using Particle Swarm Optimization-Multiple Linear Regression (PSO-MLR)
Majid Mohammadhosseini

10.22034/jchr.2018.544059

A reliable quantitative structure retention relationship (QSRR) study has been evaluated to predict the retention indices (RIs) of a broad spectrum of compounds, namely 118 non-linear, cyclic and heterocyclic terpenoids (both saturated and unsaturated), on an HP-5MS fus چکیده کامل

A reliable quantitative structure retention relationship (QSRR) study has been evaluated to predict the retention indices (RIs) of a broad spectrum of compounds, namely 118 non-linear, cyclic and heterocyclic terpenoids (both saturated and unsaturated), on an HP-5MS fused silica column. A principal component analysis showed that seven compounds lay outside of the main cluster. After elimination of the outliers, the data set was divided into training and test sets involving 80 and 28 compounds. The method was tested by application of the particle swarm optimization (PSO) method to find the most effective molecular descriptors, followed by multiple linear regressions (MLR). The PSO-MLR model was further confirmed through â€œleave one out cross validationâ€ (LOO-CV) and â€œleave group out cross validationâ€ (LGO-CV), as well as external validations. The promising statistical figures of merit associated with the proposed model (R2train=0.936, Q2LOO=0.928, Q2LGO=0.921, F=376.4) confirm its high ability to predict RIs with negligible relative errors of predictions (REP train=4.8%, REP test=6.0%). پرونده مقاله

دسترسی آزاد مقاله

113 - Simulation of Human Foot Mechanism with a Degree of Freedom Motion
دامون بختیاریان هادی همایی امین ملکی زاده مراد شهبازی تک آبی

The need for simulation of human foot mechanism has made researchers and engineers move towards different patterns to describe this movement. In this regard, optimal solutions such as energy consumption, accuracy, etc. are of utmost importance. In this paper, efforts ha چکیده کامل

The need for simulation of human foot mechanism has made researchers and engineers move towards different patterns to describe this movement. In this regard, optimal solutions such as energy consumption, accuracy, etc. are of utmost importance. In this paper, efforts have been made to present a new solution by designing a fully two-dimensional six-bar mechanism with one degree of freedom so that it has the least error with regard to human foot while walking. Meanwhile, the findings of this paper present a process for the optimization of multi-bar mechanisms so that they can be employed in any other field such as making human foot prosthesis. Here, the particle swarm optimization algorithm was used. The results from the optimization were compared with experimental data regarding human feet. The results show that while optimizing many motor parameters, the proposed six-bar mechanism is able to simulate the movement of the human foot very well. پرونده مقاله

دسترسی آزاد مقاله

114 - Optimal Placement of Static VAR Compensator to decrease Loadability Margin by a Novel Modified Particle Swarm Optimization Algorithm
Maryam Falah nezhadnaeini Mohammad Hajivand Reihaneh Karimi Mohammad Karimi

In this paper, the Static Var Compensator (SVC) has been used to improve dynamic behaviour of power system. To do this, a new objective function is formulated considering power loss reduction, voltage profile improvement and loadability margin decrease. Other contributi چکیده کامل

In this paper, the Static Var Compensator (SVC) has been used to improve dynamic behaviour of power system. To do this, a new objective function is formulated considering power loss reduction, voltage profile improvement and loadability margin decrease. Other contribution of this research is proposing a novel structure for Particle Swarm Optimization (PSO) algorithm through modifying theinitializationpattern of constantparameters. IEEE 33-bus test system has been simulated applying this method andby comparing the results with corresponding values of simple PSO algorithm,capability of the proposed algorithm is approved. Eight parameters are surveyed to have a thorough comparison which are number of SVC, injected reactive power, angle and magnitude of voltage, loadability, power loss, objective function and optimal location and size of SVC. پرونده مقاله

فهرست مقالات Particle Swarm Optimization

سکوی نشر دانش

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی