• بازدید : 62 views
  • بدون نظر
این فایل در ۱۰صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

در این مقاله الگوریتم ژنتیک جهت حل یک مساله بهینه سازی بکار برده شده است. منظور از بهینه‌سازی انتخاب بهترین ساختار از یک شبکه توزیع جهت کمینه کردن تلفات می باشد. الگوریتم ژنتیک یکی از روشهای پرقدرت در یافتن بهینه مطلق می باشد. نرم افزاری به زبان C برای الگوریتم پیشنهادی تهیه شده است و نتیجه عددی آن برای دو شبکه نمونه آورده شده است.
۱٫ مقدمه
تغيير ساختار در شبكه‌هاي توزيع جهت كاهش تلفات در واقع حل يك مساله بهينه‌سازي مي‌باشد. روش بكارگرفته شده در اين مقاله جهت حل اين مساله بهينه‌سازي استفاده از روش الگوريتم ژنتيك مي‌باشد.
روش الگوريتم ژنتيك به دليل اينكه كليه جوابهاي ممكن را توليد و سپس از ميان آنها بهترين گزينه را انتخاب مي‌كند. لذا از اطمينان بيشتري براي رسيدن به بهينه مطلق برخوردار مي‌باشد.
براي تجديد آرايش روي شبكه‌هاي توزيع روشهاي مختلفي پيشنهاد شده است كه مي‌توان آنها را به روش‌هاي خاص و عام تقسيم‌بندي نمود.
الف: روشهاي خاص:
در روشهاي خاص براي حل مساله الگوريتم خاصي پيشنهاد مي‌شود كه با استفاده از اين آلگوريتم ابتدا يك پاسخ محاسبه شده و از روي آن پاسخ و با توجه به الگوريتم مربوطه پاسخ بعدي تا رسيدن به نقطه بهينه با رعايت قيود مساله ادامه مي‌يابد. روشهای خاص به دو روش SEM و SSOM تقسم بندی می گردند.
ب: روشهاي عام:
روشهاي عام روشهايي هستند كه به شكل مساله بستگي نداشته و يگ الگوريتم كلي براي حل مساله پيشنهاد مي‌گردد. دراين روش مجموعه وسيعي از جوابها انتخاب گرديده و با انجام عملياتي بهینه مطلق انتخاب مي‌گردد. الگوريتم ژنتيك يكي از اين روشهاست. دراین مقاله سعی شده است از این روش جهت کاهش تلفات در شبکه‌های توزیع استفاده گردد.[۲]
۲٫ الگوريتم ژنتيك:
الگوريتم ژنتيك يكي از روشهاي بهينه‌سازيي است كه بر پايه ايده توارث و تكامل پياده‌سازي شده‌است.
نحوه عملكرد الگوريتم ژنتيك بدين صورت است كه جمعيتي از نقاط به صورت تصادفي انتخاب گرديده و مقدار تابع هدف به ازاي تك تك آنها محاسبه مي‌شود. درمرحله بعد توسط سه عمليات چرخ رولت، تكثير و جهش نسل جديد توليد مي‌گردد و مقدار تابع هدف براي فرزندان نيز محاسبه مي‌گردد تا سرانجام با توجه به شرايطي پاسخ بهينه بدست آيد. [۳]

۳٫ مفاهيم اساسي الگوريتم ژنتيك
۳-۱: كد كردن: 
جايگزين كردن دنباله‌‌ي مناسب از اعداد ۰٫۱ (بيت‌ها) به جاي پارامترهاي مساله را كد كردن مي‌نامند.
۳-۲: كروموزوم:
به رشته يا دنباله‌اي از بيت‌ها كه به‌عنوان مشكل يك پاسخ، (اعم از ممكن يا غيرممكن) اطلاق مي‌گردد. يك كروموزوم داراي n ژن يا بيت مي‌باشد.
۳-۳: جمعيت:
به مجموعه‌اي از كروموزوم‌ها جمعيت گفته مي‌شود.
۳-۴: مقدار برازندگي:
مناسب بودن يا نبودن جواب، با معياري كه از تابع هدف بدست مي‌آيد سنجيده مي‌شود. هر چه يك جواب مناسب باشدمقدار برازندگي بزرگتري دارد. براي آنكه شانس بقاي چنين جوابي بيشتر شود، احتمال بقاي متناسب با مقدار برازندگي آن در نظر گرفته مي‌شود. معمولاً در صورت امكان تابع برازندگي را در بين [۱٫۰] نرماليزه مي‌كنند.
۳-۵: عمل تكثير:
اين عمل براي يك جفت از كروموزوم عمل مي‌كند و مي‌تواند به صورت تك نقطه‌اي و يكنواخت باشد. به اين صورت كه دو كروموزوم از يك نقطه شكسته و بخش‌هاي شكسته شده كروموزوم جابه‌جا مي‌گردد. نقطه شكست نيز يك عدد تصادفي n از بين ۱ تا k  (k طول كروموزوم) با توزيع احتمال يكنواخت ( ۱/k ) صورت مي‌پذيرد. (مطابق شکل ۱)
۳-۶: عملگر جهش:
اين عملگر روي هر يك از كروموزوم‌ها حاصل از عملگر تكثير بكارگرفته مي‌شود. بدين ترتيب كه به ازاي هر بيت از كروموزوم يك عدد تصادفي توليد مي‌شود، درصورتيكه مقدار عدد تصادفي توليد شده از مقدار Pm (احتمال عمل جهش ) كمتر باشد در آن بيت عمل جهش انجام مي‌شود. درغير اين صورت در آن بيت عمل جهش صورت نمي‌گيرد. [۴] ( مطابق جدول۱) 
۴٫ مراحل اجراي الگوريتم ژنتيك
با توجه به صورت مساله، متغيرهايي كه بايد تعيين شوند مشخص شده سپس آنها را به نحو مناسبي كدگذاري كرده و به شكل كروموزوم نمايش داده مي‌شوند. بر اساس تابع هدف يك تابع برازندگي براي  كروموزوم‌ها تعريف مي‌گردد و يك جمعيت اوليه دلخواه نيز به طور تصادفي انتخاب مي‌شوند و بدنبال ان ميزان تابع برازندگي براي كروموزوم جمعيت اوليه محاسبه مي‌شود و الگوريتم مطابق شکل(۲) صورت می پذیرد.

۵٫ اعمال الگوریتم ژنتیک به مساله بهینه سازی
جهت درک بهتر اعمال الگوریتم ژنتیک، موضوع را برای یک شبکه ساده پیاده می کنیم. جهت این کار شبکه مطابق شكل (۳) را با ۱۵ شین و ۱۷ فيدر در نظر می گیریم.
ابتدا جمعیت اولیه را به صورت تصادفی جهت شروع عملیات بهینه سازی انتخاب می کنیم. هر آرایش شبکه را در قالب یک کروموزوم (دنباله از اعداد ۰٫۱) مطابق شکل زیر نشان مي دهيم (عدد ۰ نشانه بازبودن خط و عدد ۱ نشانه بسته بودن خط) می باشد. 
واضح است که همه کروموزوم های انتخاب شده همگی شرط شعاعی بودن را نداشته باشند. لذا لازم است همه کروموزوم ها بعد از لحاظ دارار بودن این شرط بررسی می گردند:
منظور از شعایی بودن این است که:
اولاً: همه پستهای توزیع مورد تغذیه قرار گیرند.
ثانیاً: هیچ مسیر بسته ای بین پستهای فوق توزیع ایجاد نشود.
ثالثاً: هیچ حلقه ای بین پست های توزیع ایجاد نگردد.
برای بررسی شعایی بودن یک شبکه از دو اصل زیر استفاده می کنیم:
الف: یک شبکه شعاعی با m پست توزیع و n پست توزیع دقیقاً دارای n فیدر در حال وصل است. (شرط لازم) 
ب: اگر در یک درخت رئوسی که درجه آنها یک است حذف کنیم و این عمل تکرار پذیرد و چنانچه در  نهایت تمامی رئوس درخت حذف شوند شبکه شعاعی خواهد بود. (شرط کافی)
جهت کنترل شرط ایزوله نشدن بار به این صورت عمل می گردد که مجموعه ای از شماره شین های ابتدا و انتهای تمامی خطوط تهیه می گردد و چنانچه این مجموعه تمامی شین های مصرف را در بر بگیرد شرط فوق تامین شده است.
همچنین دیگر قیود الکتریکی شبکه شامل حداکثر افت ولتاژ مجاز شین‌ها و همچنین حداکثر جریان عبوری از خطوط می باشد. درصورت عدم تامین قیود فوق کروموزوم مربوطه از اعضاء جمعیت اولیه کنار گذاشته می‌شود کروموزوم دیگری انتخاب می گردد. این مرحله از کار تا آنجا انجام می‌پذیرد که تعداد اعضاء جمعیت اولیه به تعداد تعریف شده برسد.[۶]
۶٫ تعيين تابع ارزياب
ارزش‌گذاري يك كروموزوم توسط تابع ارزياب صورت مي‌پذيرد كه مقدار برازندگي كروموزوم مي‌باشد. تابع هدف در اين مرحله مجموع تلفات شبكه است. چنانچه تلفات خط i ام برابر ri  و جريان انتقالي در اين خط Ii باشد، تابع هدف به صورت زير خواهد بود:
و چون بدنبال يافتن حداكثر تابع هدف مي‌باشيم، لذا تابع ارزياب به صورت زير تعريف مي‌گردد:

براي آنكه بتوان ارزياب را براي هر آرايش خاص از شبكه توزيع بدست آورد لازم است كه براي هر آرايش از شبكه عمل پخش بار اجرا گردد و مقادير ولتاژ باسها و جريان فیدرها محاسبه گردد. در نتيجه مقدار  تلفات محاسبه مي شود.
۷٫ توليد جمعيت جديد و شرط توقف الگوريتم و رسيدن به جواب
جهت توليد جمعيت جديد از دو تابع تكثير و جهش استفاده مي‌گردد. در ضمن لازم است قبل از انجام دو تابع فوق از كروموزوم‌هاي با برازندگي بالا استفاده گردد كه براي اين كار نيز از عمليات چرخ رولت استفاده مي‌كنيم. در نهايت دوباره از تابع برازندگي استفاده نموده و جمعیت جديد انتخاب مي‌گردد.
در اين الگوريتم شرط پايان و همگرايي عمليات جستجو، تغيير نكردن جواب براي تعداد مشخصي از نسل‌ها درنظر گرفته شده است. اما براي اطمينان بيشتر از تغيير نكردن جواب براي مدت طولاني لازم است كه از تغييرات اضافي مانند تغيير مقدار احتمال جهش استفاده نمود. [۶]

۸٫ نتایج عددی و مقایسه
نرم افزاری به منظور اعمال الگوریتم پیشنهادی به کمک زبان برنامه نویسی ++C  تهیه شده است. این نرم افزار محاسبات افت ولتاژ، پخش بار و تعیین وضعیت فیدرها ( از لحاظ باز یا بسته بودن ) را در شبکه‌های توزیع شعاعی انجام می دهد. (پخش بار بكار رفته در اين نرم افزار از روش گوس–سايدل استفاده شده است)
برای تست الگوریتم پیشنهادی دو شبکه ۱۶ شینه با ۱۶ فیدر  (شكل ۵) و یک شبکه ۱۹ شینه با ۲۴ فیدر (شكل ۶) درنظر گرفته شده اند. اطلاعات کامل خطوط و بار این دو شبکه در مرجع (۵) و جدول (۲) نشان داده شده است.
نتایج حاصله از اعمال نرم افزار بر روی این دوشبکه در جداول (۳٫۴) نشان داده شده است و همچنین پاسخ نرم افزار برای شبکه اول که شبکه استفاده شده در مرجع [۵] نیز می باشد، یکسان است.
جهت برآورد مقادیر مناسب پارامترهای الگوریتم ژنتیک، تغییرات پاسخ بهینه (تلفات) نسبت به تغییرات پارامترها بررسی گردید، شایان ذكر است برای ارائه این منحنی برای هر مقدار پارامتر به تعداد ۱۰ بار برنامه اجرا و میانگین پاسخهای بهینه جهت رسم منحنی منظور شده است. به عنوان نمونه منحنی تغییرات تلفات توان (Ploss) نسبت به احتمال Pm (جهشی) رسم گردیده است. (شكل ۷)
۹٫ نتيجه‌گيري و پيشنهادات:
مزيت روش الگوريتم ژنتيك در يافتن پاسخ بهينه را نسبت به ساير روشها مي‌توان بطور خلاصه چنين بيان نمود.
جستجوي كارآمدتر قسمت‌هاي مختلف فضاي جستجو
سادگي روش در مقايسه با ساير روشهاي موجود دراين زمينه
با آزمايشهاي صورت گرفته درمورد نرم‌افزار چنين پيداست كه بهترين مقدار احتمال جهش و تكثير به ترتيب درحدود ۰٫۸ , ۰٫۷ , ۰٫۰۸۵  مي‌باشد.[۶]
نرم‌افزار تهيه شده كاملاً به تغيير پروفيل بار حساس است، بطوريكه درصورتيكه اگر توان همه شين‌ها به صورت يكنواخت تغيير مي‌كرد، تغييري در پاسخ بهینه بدست نمي‌آمد. حال آنكه با افزايش ناگهاني در قسمتي از شبكه جواب بهينه بطور كامل تغيير مي‌كرد.
توصيه مي‌گردد براي بهبود يافتن بهينه مطلق اين روش با روش‌هاي سنتي بهینه سازی ترتيب داده شود و همچنين از روشهاي پروسه موازي نيز استفاده گردد. همچنين با اضافه نمودن يك برنامه واسطه جهت انجام پخش بار از روشهاي جديد استفاده گردد.
  • بازدید : 67 views
  • بدون نظر

فصل يکم –  معرفی برنامه ریزی فرآیند به کمک کامپیوتر(CAPP) و الگوریتم ژنتیک

فصل دوم- نمونه هایی از کاربرد الگوریتم ژنتیک در برنامه ریزی فرآیند به کمک کامپیوتر

فصل سوم: الگوریتم پیشنهادی برای کاربرد الگوریتم  ژنتیک در طراحی قطعه به کمک کامپیوتر در محیط صنعتی

برنامه ریزی فرآیند به کمک کامپیوتر

رویکرد بنیادی

توصیف توالی فرآیند

تجزیه و تحلیل همگرایی

سیستم های تولیدی توزیع شده

جمعیت اولیه

تولید مثل

تعداد صفحات : ۹۳

  • بازدید : 73 views
  • بدون نظر

قیمت : ۶۰۰۰۰ ريال    تعداد صفحات : ۷۶    کد محصول : ۱۴۷۹۷    حجم فایل : ۹۱۳ کیلوبایت   
دانلود سمینار کارشناسی ارشد مهندسی برق کنترل هوشمند ترافیک شهری با استفاده از کنترل فازی

با پیشرفت سریع جوامع شهری، تغییر وتحولات سریعی در زندگی شهرنشینی ایجاد شده است و هرساله بر تعداد وسایط نقلیه به ویژه در کلان شهرها، افزوده می شود. این افزایش که به عوامل متعددی از جمله رشد جمعیت، شرایط اقتصادی، اجتماعی، فرهنگی، مهاجرتها و… بستگی دارد، مسائل ومشکلات فراوانی را نیز با خود به دنبال دارد. با وجود آنکه هرساله میلیاردها ریال صرف احداث راهها وجاده های جدید می شود، معضل ترافیک همچنان رو به افزایش بوده و حتی در برخی از ساعات شبانه روز به حد اشباع و غیر مطلوبی می رسد. در این پایان نامه روش ها ی کنترل ترافیک شهری با استفاده از کنترل فازی به طور مفصل توضیح داده شده است . و دانشجویان رشته مهندسی خصوصا رشته های الکترونیک میتوانند به عنوان مرجعی جهت افزایش اطلاعات خود استفاده کنند .

  • بازدید : 106 views
  • بدون نظر

قیمت : ۸۰۰۰۰ ريال    تعداد صفحات : ۱۱۱    کد محصول : ۱۴۴۹۱    حجم فایل : ۵۰۳۴ کیلوبایت   
دانلود پروژه پایان نامه مهندسی شیمی بهینه سازی واحد شکست کاتالیستی بستر سیال با استفاده از GA

عنوان پایان نامه: بهینه سازی واحد شکست کاتالیستی بستر سیال (FCCU) با استفاده از الگوریتم ژنتیک (GA)

فهرست مطالب این پایان نامه که در قالب فایل pdf تقدیم حضورتان می گردد به شرح زیر است:
چکیده
مقدمه
فصل اول: کلیات
۱-۱) هدف
۲-۱) پیشینه تحقیق
۳-۱) روش کار و تحقیق
فصل دوم: الگوریتم ژنتیک
۱-۲) الگوریتم ژنتیک چیست؟
۲-۲) روش های نمایش
۳-۲) روش های تغییر
۴-۲) نقاط قوت الگوریتم های ژنتیک
۵-۲) محدودیت های GA ها
۶-۲) چند نمونه از کاربردهای الگوریتم های ژنتیک
۷-۲) یک مثال ساده
۸-۲) نسل اول
۹-۲) نسل بعدی
۱۰-۲) انتخاب
۱۱-۲) تغییر از یک نسل به نسل بعدی (Cross over)
۱۲-۲) جهش (Mutation)
فصل سوم: شکست مولکولی کاتالیستی
۱-۳) شکست مولکولی کاتالیستی
۲-۳) واکنشهای شکست مولکولی کاتالیستی
۳-۳) کاتالیست های فرآیند شکست
۴-۳) واحدهای شکست کاتالیستی
فصل چهارم: فرآیند بستر سیال
فرآیند بستر سیال با رآکتور بالا رونده
۱-۴) مقدمه
۲-۴) خوراک واحد شکست کاتالیستی
۳-۴) دستگاههای فرآیند شکست
۴-۴) سیستم گازهای خارجی
۵-۴) اثرات متغیرهای عملیاتی
۶-۴) غیر فعال شدن کاتالیست
۷-۴) کنترل واحد شکست کاتالیستی
فصل پنجم: مدل های سینتیک واکنش برای شکست کاتالیستی
۱-۵) مقدمه
۲-۵) مروری بر مدل های قبلی
۳-۵) مدل سه تکه ای
۴-۵) تشریح مدل چهار تکه ای
۵-۵) بررسی و آنالیز مدل
۶-۵) تشریح مدل ده تکه ای
فصل ششم: بررسی مدل پنج تکه ای
۱-۶) بررسی مدل پنج تکه ای
۲-۶) مدل Fccu
۳-۶) فرمول نویسی
۴-۶) تشریح مدل پنج تکه ای
۵-۶) معادلات رآکتور
۶-۶) معادلات احیاء کننده
فصل هفتم: نتایج و پیشنهادات
نتایج
پیشنهادات
پیوست ها
فهرست علائم
منابع
چکیده انگلیسی
امیدوارم این پایان نامه برای شما سودمند باشد و بهره کافی را از مطالب آن ببرید.

برای دانلود تماس بگیرید ۰۹۳۳۹۶۴۱۷۰۲


عتیقه زیرخاکی گنج