• بازدید : 91 views
  • بدون نظر

قیمت : ۷۵۰۰۰ ريال    تعداد صفحات : ۱۲۹    کد محصول : ۱۸۷۲۴    حجم فایل : ۳۴۴۸ کیلوبایت   

 
کیفیت و هزینه نهایی یک محصول تولیدی تا حد زیادی تو سط طراحی مهندسی محصول و
فرآیند ساخت آن از طریق سه فعالیت طراحی سامانه ، طراحی پارامتری و طراحی رواداری که به
روشهای کنترل کیفیت قبل از ساخت معروف هستند تعیین میشوند . در کشورهای غیر صنعتی ،
فعالیت های کنترل کیفیت قبل از ساخت ، طراحی محصول و طراحی فرآیند ساخت اگر نتوان گفت
وجود ندارد ، میتوان گفت که قابل اغماض است و اصلا نهادینه نیست . بتابراین آنچه که به عنوان
فعالیت های کتترل کیفیت دراین کشورها میتواند مطرح باشد به فعالیت های طراحی پارامتری
فرآیند ساخت و کنترل کیفیت حین ساخت محدود میشود .
طراحی پارامتری که در طراحی فرآیند ساخت به طرح استوار نیز معروف است سطوح
عملیاتی تولید را طوری مشخص می کند که تغییر پذیری های ت ولیدی در پارامترهای محصول که
ناشی از اغتشاشات است مینیمم گردد .از این روش در سیستم بافندگی حلقوی پودی (یکرو سیلندر
گردباف) در شرکت بافت ران به کار گرفته شد تا توانمندی این روش در بهینه سازی زاویه پیچ
خوردگی پارچه یکرو سیلندر ، تمایل به لول شدگی پارچه ، آ برفتگی پارچه و گرم بر متر مربع پارچه
که بدون هیچ گونه هزینه اضافه ای صورت گرفت آشکار شود.
  • بازدید : 42 views
  • بدون نظر
این فایل در ۲۱صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

خدمات بيمارستان: يكي از مراكز قديمي دانشگاهي و مركز فوق تخصصي كلية ايران مي باشد.
هدف از بازسازي:
۱- مجهز كردن بيمارستان به دستگاههاي پيشرفته و مدرن در خصوص پيوند كليه و متعلقات آن.
۲- برچيدن تجهيزات پزشكي قديمي و جايگزيني تجهيزات تازه و بهداشتي و گسترش خدمات به بيماران كليوي و …
اين مركز در اواخر خردادماه به همت دفتر رياست جمهوري و دانشگاه علوم پزشكي ايران با پيمانكاري شركت مهندسي كنترل ولت (control volt. Eng. Co) بازسازيش آغاز شد و با برنامه هاي زمان بندي شده مقرر شده كه بصورت تقسيم بندي بيمارستان به چندين فاز، اين مركز بطور كامل بازسازي شود كه پيمانكار مذكور هم اكنون فاز ۱ را كه شامل طبقه اول و همكف مي باشد آمادة طبقات مذكور شامل بخشهاي ذيل مي باشد:
بعد از پي سازي و ايزولاسيون در ساختمانهاي آجري معمولا روي پي را طبق نقشه يك رگ آجر ني چينند و باصطلاح ساختمان را يك رگي مي نمايند. در موقع يك رگي كردن ساختمان بايد دقت كافي بعمل آيد كه اندازه ها كاملاً مطابق نقشه باشد. بعد از يك رگي كردن ساختمان مجددا ابعاد اطاقها و راهروها و سرويسها را كنترل نموده و مخصوصاًاز گونيا بودن تمام قسمتها بوسيله چپ و راست گرفتن مطمئن مي شويم. در اين مرحله عرض ئيوارها بايد مطابق نقشه باشد. سپس اقدام به ديوارچيني مي نمايند.
لايه هاي مختلف ديوارچيني
۱- آجرچيني به پهناي مختلف
۲- ملات
ديوار
براي جداسازي قسمتهاي مختلف ساختمان بكار مي رود. به اين نوع ديوارها پارتيشن يا جداكننده مي گويند. تيغه ديواري است به پهناي ۵ يا ۱۰ يا ۲۰ سانتيمتر. تيغه هاي بلند و طويل را نمي توان به پهناي ۵ يا ۱۰ سانتيمتر ساخت زيرا تيغه هاي ۵ يا ۱۰ سانتيمتري با ابعاد زياد ايستا نخواهد بود. ملات تيغه هاي ۵ سانتيمتري معمولا گچ و خاك است.
عرض ديوار
عرض ديوار معمولا بستگي به ارتفاع آن و باري كه روي آن قرار مي گيرددارد و معمولا ديوارهاي ساختمانهاي دو تا سه طبقه را ۳۵ سانتي متري و و سه تا چهار طبقه را ۴۵ سانتي متري مي سازند و مي توان در يك ساختمان چهار طبقه عرض ديوار را در طبقه اول ۴۵ سانتي متر و در سه طبقه بعد ۳۵ سانتي متر ساخت. براي ساختمانهاي يك طبقه اگر از ملات ماسيه سيمان و يا سيمان آهك استفاده نمايند مي توان ديوارهاي حمال را ۲۲ سانتيمتري هم بچينند.
ملات
ملات ماده چسبنده اي است كه بين دو قشر از مصالح ساختماني قرار گرفته و آن دو قشر را به خود مي چسباند. ملات يكي از مهمترين مصال مصرفي در ساختمان است كه در همه جاي ساختمان به شكلهاي مختلف مصرف مي شود.
خواص ملات
۱- ملات بايد داراي قوت چسبندگي باشد.
۲- از نظر تحمل بار قدرت بايد حداقل مساوي مصالحي باشد كه در بين آنها قرار مي گيرد. زيرا در غير اين صورت ارزش مقاومت مصالح مصرفي را پايين مي آورد.
۳- ملات بايد به صورت ارزان و فراوان در دترس باشد.
۴- ملات بايد خاصيت شكل پذيري داشته و بخوبي روي ديوار پهن شده و سطح صافي ايجاد نمايد.
انواع ملات
ملاتهايي كه بيشتر در ايران مصرف دارند عبارتند از:
الف – ملات گل آهك
ب- ملات ماسه آهك
ج – ملات ماسه سيمان
د – ملات ماسه سيمان – آهك
ه – ملات گچ
و – ملات گچ و خاك
الف – ملات گل آهك
ملات گل آهك ارزانترين و ضعيفترين ملات بوده
ب – ملات ماسه آهك
ماسه مصرفي براي اين نوع ملات بايد ماسه خاكي باشد يعني ماسه اي كه درصد خاك آن بيشتر است. آهك مورد نياز در اين نوع ملات در حدود ۳۰۰ الي ۴۰۰ كيلوگرم آهك در متر مكعب ماسه است. اين ملات بيشتر براي آجرچيني استفاده شود.
ج – ملات ماسه سيمان
اين ملات كه مرغوب ترين نوع ملات در ساختمان مي باشد بايد با ماسه شكسته و يا ماسه رودخانه اي كاملا شسته تهيه شود. از اين ملات مي توان در تمام قسمتهاي ساختمان استفاده نمود مانند آجركاري – كاشي كاري – سيمانكاري – فرش كف – سنگ كاري و غيره.
د – ملات ماسه سيمان آهك
به اين ملات كه ملات باتارد و يا ملات حرامزاده مي گويند از ملاتهاي خوب و ارزان و محكم در ساختمان مي باشد. ماسه اين نوع ملات مي تواند ماسه رودخانه اي بوده و چند درصدي هم خاك داشته باتشد.
هـ – ملات كچ و كچ خاك
اين ملاتها بيشتر در موقع ساختن طاق ضربي و ديوارهاي تيغه اي ۵ سانتيمتري به كار مي رود درصد خاك و گچ بستگي به سرعت گيرايي گچ دارد و معمولا حدود ۵۰ درصد گچ و ۵۰ درصد خاك رس مصرف مي شود.
لايه هاي مختلف ديوار اطاقها
۱- ديوارسازي
۲- شمشه گيري
۳- گچ و خاك
۴- سفيدكاري
۵- كشته كشي
۶- سنگ قرنيز
۱- ديوارسازي
در مورد ديوارسازي و ابعاد آن در قسمتهاي قبل توضيح داده شده است. 
۲- شمشه گيري
پس از ديوارچيني با توجه باينكه ديوارهاي داخلي را بصورت گري (آجرچيني با آجر فشاري معمولي بدون شمشه ملات) ميچينند و دقت اين نوع ديوار چيني از لحاظ شاقول بودن و تراز بودن زياد نييست. بوسيلة شمشه گيري ديوار را در يك سطح قرار ميدهند.
۳-كچ و خاك
خاك رس را الك كرده و يا گچ مخلوط مينمايند. هرقدر گچ زودگيرتر باشد به خاك بيشتري نياز دارد و معمولا نسبت تقريبي اين مخلوط پنجاه درصد مي باشد.
پس از مخلوط نمودن كچ و خاك، در ظرفهاي كوچكي كه به آن استانبولي ميگويند قدري آب ريخته و آنگاه اين مخلوط را روي آب ميپاشند تا بدينوسيله كلية دانه هاي گچ در تماس با آب باشد. آنگاه آنرا مخلوط كرده تا بصورت خميري يكنواخت درآيد. علت مصرف خاك در گچ خاك تينست كه هم ملات ارزانتر تمام ميشود و هم ملات ديرگيرتري بدست ميدهد و پلاستيك تر از ملات گچ ميباشد.
۴- سفيدكاري
بعد از اتمام كاه گل و يا گچ خاك و خشك شدن آن اقدام به سفيدكاري ميكنند. به علت زودگير بودن ملات گچ آنرا مانند گچ و خاك به مقدار كم در استانبولي ميسازند. در موقع ساختن ملات گچ بايد پودر گچ را تيو آبي كه در استانبولي ميريزند بپاشند تا تمام ذرات كچ در مجاورت آب قرار گرفته و تر بشود. آنگاه با مالة روي كاه گل و يا گچ خاك ميمالند بطوريكه سطح كاملا صاف و يكنواختي ايجاد شود.
۵- كُشته كشي
بعلت زودگير بودن گچ نميتوان سطح آنرا كاملا پرداختي و صاف نمود. بدين علت بعد از سفيدكاري و قبل از آنكه ملات گچ خشك شود روي آنرا يك ورقه كشته به ضخامت چند دهم ميليمتر ميكشند و با ماله خوب پرداخت ميكنند تا سطحي كاملا صاف و آمادة نقاشي بدست آيد.
كشته كلات گچي است كه ديگر سخت نميشود و آنرا بدين طريق تهيه مينمايند كه ابتدا پودر گچ را از الك بسيار ريزي گذرانيده و آنگاه آن را مانند تهية ملات كچ معمولي توي آب ميپاشند و بوسيلة هم زدن ملات با دست مانع سخت شدن آن ميشوند و عمل زدن را تا ۱۰ الي ۱۵ دقيقه ادامه داده تا گچ حداكثر ازدياد حجم خود را بدست آورد.
۶- سنگ قرنيز
با توجه به اينكه كچ در مقابل رطوبت مقاوم نبوده و بسرعت فاسد ميشود. براي جلوگيري از رسيدن رطوبت به ديوار كچ كاري شده در موقع شستن كف، دور اطاقها را به ارتفاع ۱۰ سانتيمتر يك رگ سنگ پلاك كار ميگذارند كه بآن اصطلاحاً قرنيز ميگويند. براي قرنيز ميتوان از سنگهاي مختلفي مانند سنگ تراورتن، باغ ابريشم و يا سنگ مرمر و غيره استفاده نمود. كلفتي سنگ قرنيز معمولاً يك سانتيمتر است. سنگ قرنيز را با سيمان كار ميگذارند.
كف سازي
كف سازي در آن قسمت از ساختمان اجراء ميشود كه سطح مفيد اطاقها – سالنها – سوريسها – انبارها و غيره را تشكيل ميدهد با توجه به محل استفاده، كف سازي انواع مختلف دارد. لايه هاي كف سازي در طبقه همكف و طبقات بالا بشرح زير است:
الف: لايه هاي مختلف كف سازي از پائين به بالا در طبقه هم كف؛
۱- زمين كوبيده
۲- بلوكاژ
۳- بتن مگر
۴- ملات
۵- موزائيك و يا سنگ و يا سراميك
۶- كف پوش در صورت لزوم
ب: لايه هاي مختلف كف سازي از پائين به بالا در طبقات بالا
۱- طاق ضربي و يا انواع طاقهاي ديگر
۲- بتن سبك در صورت لزوم
۳- عايق صوتي در صورت لزوم
۴- ملات
۵- موزاديك و يا سنگ و يا سراميك
۶- كف پوش در صورت لزوم
۱- زمين كوبيده
اولين لايه كف سازي زمين كوبيده ميباشد. چنانچه ساختمان احداث شده در زمينهاي خاك دستي و يا زمينهاي سست باشد براي جلوگيري از نشست هاي احتمالي زمين كف اطاقها و يا سالنها را مي كوبند.
  • بازدید : 59 views
  • بدون نظر
این فایل در ۱۱صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

 هوش جمعی شاخه ای از پژوهش بر اساس جمعیت است که مدل های جمعیتی از عوامل مورد تداخل یا ازدحام که می توانند خود سازماندهی کنند . کلونی مورچه، ازدحام پرندگان و یا زنبورها یک نمونه ساده ای از سیستم جمعیتی است. دیگر نمونه ای از هوش جمعی کلونی زنبور عسل در اطراف کندو است. هوش کلونی زنبور عسل (ABC) یک  الگوریتم است که یک الگوریتم بهینه سازی بر اساس رفتار هوشمندانه جمعیت زنبور عسل است. در این مفاله، الگوریتم ABC برای بهینه سازی توابع چند متغیره مورد استفاده قرار می گیرد. و نتایج تولید شده توسط الگوریتم ABC  مقایسه می شوند.

چندین الگوریتم اکتشافی جدید برای حل مسایل  بهینه سازی عددی و توابع ترکیبی توسعه یافته اند. این الگوریتم ها می توانند به گروههای مختلف طبقه بندی شوند با توجه به ضوابطی  که در نظر گرفته شده: مانند بر اساس جمعیت ، مبتنی بر تکرار شونده ، تصادفی ، قطعی ، و غیره. در حالی که الگوریتم با یک مجموعه راه حل هاکار میکند و در جهت بهبود آنها تلاش می کنند  که  مبتنی بر جمعیت نامیده می شوند ، یکی از کاربرد تکرار های چندگانه برای پیداکردن راه حل مطلوب که به عنوان الگوریتم تکرار شونده نام گذاری شده است. اگر یک الگوریتم یک قانون احتمالی را برای بهبود راه حل بکار بگیرد سپس آن را احتمال  یا اتفاقی نامیده میشود. یکی دیگر از طبقه بندی را می توان بسته به ماهیت پدیده توسط الگوریتم شبیه سازی کرد.این نوع طبقه بندی ، عمدتا دارای دو گروه مهم از الگوریتم جمعیت هستند که براساس : الگوریتم های تکاملی (EA) و الگوریتم های مبتنی بر هوش جمعی. از محبوب ترین الگوریتم های تکاملی الگوریتم ژنتیک(GA) است. درGA تلاش شده است تکامل طبیعی یک پدیده شبیه سازی شود. در تکامل طبیعی ، هر گونه جستجو برای سازگاری سودمند در یک محیط در حال تغییر است. به عنوان یک گونه تکامل یافته ، ویژگی های جدیدی در کروموزوم های فردی کد گذاری می شوند.  این اطلاعات توسط جهش تصادفی تغییرمی یابد ، اما بطورواقعی نیروی محرکه باعث توسعه تکاملی درترکیب و جایگزینی مواد کروموزومی در طول تولید مثل میشود. اگر چه تلاش های متعددی برای گنجاندن این اصول در روال بهینه سازی دراوایل دهه ۱۹۶۰انجام شده ، الگوریتم های ژنتیک برای اولین بار بر یک مبنای نظری صوتی  ایجاد شده بودند. این اصطلاح جمعی در حالت کلی برای اشاره به هر مجموعه دار از تعامل افراد مورد استفاده قرار می گیرد. به عنوان یک مثال کلاسیک از ازدحام زنبورهایی که در اطراف کندوی خود تجمع کردند ، اما در استعاره به راحتی می توان به سیستم هایی معماری مشابهی دارند توسعه داد. در کلونی مورچه ها،مورچه ها می توانند به عنوان گروهی ازعوامل تصور شوند ، همچنین ازدحام پرندگان گروهی از پرندگان است. یک سیستم ایمنی ، گروهی از سلول ها ومولکول ها است در حالی که یک جمعیت شامل گروهی از مردم است. الگوریتم بهینه سازی ازدحام ذرات (PSO) شبیه سازی می کند رفتار اجتماعی پرندگان یا ماهی ها توسط ابرهارت و کندی در سال ۱۹۹۵ معرفی شده است. روش های گوناگونی به مدل رفتار هوشمند خاص ازدحام زنبور عسل پیشنهاد شده است و برای حل مسایل از نوع ترکیبی استفاده شده است.آنها یک ایده روبات بر رفتار جستجوی غذا از زنبورها را ایجاد کرده اند . معمولا ، همه این ربات از لحاظ فیزیکی و عملکرد یکسان هستند ، به طوری که هر ربات را می توان به طور تصادفی جایگزین دیگری کرد. ازدحام دارای تحمل قابل توجهی است ؛ شکست در یک عامل عملکرد کل سیستم را متوقف نمی کند. روبات های فردی ، مانند حشرات ، دارای قابلیت های محدود و دانش محدود از محیط زیست است. از سوی دیگر ، توسعه ازدحام هوش جمعی است. آزمایشات نشان داد که رباتها مانند حشرات مانند در انجام وظایف واقعی رباتیک موفق هستند.

 آنها همچنین یک مدل انتخاب علوفه را توسعه داده اند که منجر به ظهور هوش جمعی می شود که متشکل از سه اجزای ضروری است: منابع غذایی ، کارگرهایی که پی علوفه می گردند و ، کارگرهایی که پی علوفه نمی گردند. این مدل دو رفتار برجسته را تعریف می کند: استفاده به یک منبع شهد و رها کردن یک منبع.

 تئودور واس به استفاده از هوش جمعی زنبوردر توسعه سیستم های مصنوعی با هدف در حل مسایل پیچیده در ترافیک و حمل ونقل پیشنهاد داده است. تئودور واس همچنین پیشنهاد کرد بهینه سازی متا اکتشافی کلونی زنبور عسل (BCO) که قادر به حل قطعی مسائل ترکیبی ، و همچنین مسائل ترکیبی با مشخصه عدم قطعیت است[۱۱]. درایز  و همکاران. معرفی یک رویکرد جدید هوشمند یا متا اکتشافی به نام ازدحام بهینه سازی زنبورها (BSO) است ، که از رفتار زنبور عسل واقعی الهام گرفته است . متا – اکتشافی برای حل مشکل ۳ – بعدی پایه ریزی شده روی روند تولید مثل زنبور عسل معرفی شده است. یک الگوریتم مسیر یابی جدید به نام کندوی عسل که از روش های ارزیابی ارتباطی و مشخص الهام گرفته شده زنبورهای عسل است. در الگوریتم کندوی عسل ، زنبورهای پیشکار از میان مناطق مشخص که مناطق غذایی نامیده می شوند پرواز می کنند. از سوی دیگر، اطلاعاتشان روی مناطق مشخص شده برای به روز رسانی مسیر یابی مناطق محلی تحویل می دهند. آثار ارائه شده در پاراگراف قبلی شامل مسایلی از نوع ترکیبی است.تنها یک الگوریتم بهینه سازی عددی بر اساس رفتار هوش جمعی زنبور عسل وجود دارد.یانگ یک الگوریتم زنبور عسل مجازی (VBA) برای حل توابع بهینه سازی عملکرد توابع عددی توسعه داده است. برای توابع با دو پارامتر، گروهی از زنبورهای مجازی تولید شده و جمعیت به طور تصادفی در فضای مشخص شده به حرکت شروع می کنند . این زنبورها زمانی که مقداری شهد مورد نظر متناظر با ارزش های کد گذاری شده تابع پیدا کردند به تعامل با یکدیگر شروع می کنند. راه حل برای بهینه سازی مسایل می تواند از شدت تعامل زنبور عسل ها  به دست آمده باشد. برای بهینه سازی توابع چند متغیره ، کارابوگا الگوریتم کلونی زنبور عسل مصنوعی (ABC) را بیان کرده است که از الگوریتم زنبور مجازی متفاوت است. 

در الگوریتم کلونی های زنبورعسل (ABC) زنبورها شامل سه گروه می شوند :

زنبورها ی کارگر، تماشاچیان و پیشرو(طلایه دار). زنبور عسلی که در منطقه رقص برای ایجاد تصمیم به انتخاب یک منبع غذایی باقی می ماند زنبور عسل جستجوگر نامیده می شود ، و زنبور عسلی کهبه طرف منابع غذایی از پیش مشخص شده می رود زنبور عسل کارگر نام دارد. زنبور عسلی که جستجوی تصادفی انجام می دهد زنبور عسل پیشرو یا طلایه دار نام دارد.


در الگوریتم ABC ، برای اولین بار نیمی از جمعیت زنبورها زنبور کارگر و نیمی دیگر زنبور جستجوگر هستند. برای هرمنبع غذایی ، فقط یک زنبورعسل کارگر وجود دارد. به عبارت دیگر، تعداد زنبورهای کارگر با تعداد منابع غذایی اطراف کندو با هم برابراند.زنبورعسل کارگر که در کار در منابع غذایی خسته شده اند زنبورهای جستجو گر پیشرو می شوند.

گام های اصلی از الگوریتم ها در زیر آورده شده است :

• مقداردهی اولیه.

• تکرار.

(الف) محل زنبورهای کارگردرمنابع غذایی در حافظه ؛

(ب) محل زنبورهای جستجو گردرمنابع غذایی در حافظه ؛

(ج) ارسال زنبورهای پیشرو برای جستجوی برای منابع غذایی جدید؛

• تا (وضعیت مورد دلخواه بدست آید).

در الگوریتم ABC ، هر چرخه از جستجو از سه مرحله تشکیل شده است : 

ارسال زنبورهای کارگر به روی منابع غذایی و سپس اندازه گیری مقدار شهد آنها ؛ انتخاب منابع غذایی توسط زنبورهای جستجوگر پس از به اشتراک گذاری اطلاعات  توسط زنبورهای  کارگر و تعیین مقدار شهد از غذاها ، تعیین زنبورهای پیشرو و سپس ارسال آنها بر روی منابع غذایی. در مرحله مقداردهی اولیه، مجموعه ای ازمواضع  منبع غذایی به طور تصادفی توسط زنبورها انتخاب شده و مقدار شهد آنها تعیین می شود. سپس ، این زنبورها به کندو می آیند و اطلاعات شهد هرمنابع به زنبورها ی منتظر در منطقه رقص درداخل کندو به اشتراک گذاشته میشود.

در مرحله دوم، پس از به اشتراک گذاری اطلاعات، هر زنبور عسل کارگر به محدوده  منبع غذایی می رود که  خودش در چرخه قبلی بازدید کرده که اون منبع غذایی در حافظه اش وجود دارد، وسپس یک منبع غذایی جدید انتخاب میشود با استفاده از اطلاعات بصری که  در همسایگی ازهمان یکی است. در مرحله سوم، یک زنبورتماشاچی(ناظر) بر میگزیند حوزه منبع غذایی رابسته به نوع اطلاعات شهد توزیع شده توسط زنبورها ی کارگر در منطقه رقص برمی گزیند.به نوعی مقدار شهد منبع غذایی افزایش می یابد ،همچنین به این احتمال که آن منبع غذایی انتخاب شده توسط زنبور تماشاچی نیزافزایش می یابد . از این رو ، زنبورهای کارگررقصنده که  حامل شهد بالاتری هستند زنبورهای تماشاچی را به محدوده منبع غذایی با میزان شهد بالاتر ترغیب می کنند. پس از ورود به حوزه انتخاب شده ، او یک منبع غذایی جدید درهمسایگی اش بسته به اطلاعات بصری انتخاب میکند. اطلاعات بصری بر اساس مقایسه جهت های منبع غذایی است. وقتی شهد یک منبع غذایی توسط زنبورها رها می شود، یک منبع غذایی جدید به صورت تصادفی توسط زنبور طلایه دار تعیین شده و جایگزین آن منبع رهاشده ،میشود. در این مدل ، در هر چرخه در اکثر یک طلایه دار برای جستجوی یک منبع غذایی جدید و تعدادی از زنبورهای کارگر و زنبورهای تماشاچی که برابرند،خارج می رود.

درالگوریتم ABC ، موقعیت یک منبع غذایی یک راه حل مسئله بهینه سازی را نشان می دهند و مقدار شهد از منبع غذا مربوط به شایستگی راه حل همراه میشود. تعداد زنبورهای کارگر یا زنبورهای تماشاچی برابر با  تعداد راه حل ها در جامعه است. دراولین قدم ، ABC جمعیت اولیه را به صورت تصادفی توزیع میکند P (G = 0) راه حل های SN (مواضع منبع غذایی) ، که در آن SN نشان دهنده اندازه جمعیت است.


هر راه حل (منبع غذایی) ( i = 1, 2, . . . , SN ) xi  بردار D –  بعدی است. در اینجا ،D تعداد پارامترهای بهینه سازی است. پس از مقداردهی اولیه ، جمعیت موقعیت ها (راه حل ها) در معرض تکرار چرخه است ، C = 1, 2, . . . ,Cmax؛ که C  فرایندهای جستجوی زنبورهای کارگر و جستجوگر و طلایه دار است.

یک زنبور کارگر یا تماشاچی مصنوعی بطوراحتمالی تولید یک تغییر در موقعیت (راه حل) در حافظه خود برای پیدا کردن یک منبع غذایی جدید و تست میزان شهد (مقدار شایستگی) از منبع جدید (راه حل جدید) میکند. در مورد زنبور عسل واقعی ، تولید منابع غذایی جدید مبتنی بر مقایسه فرآیند منابع غذایی در منطقه وابسته به اطلاعات جمع آوری ، بصری ، توسط زنبور عسل است. دراین مدل ، تولید‍ موقعیت منبع جدید غذا نیز بر اساس یک فرآیند مقایسه  موقعیت منبع غذایی است. با این حال ، در این مدل ، زنبورهای  مصنوعی هر گونه اطلاعات در مقایسه استفاده نمی کنند. آنها به طور تصادفی یک موقعیت منبع غذایی را انتخاب میکنند و تغییراتی را بر روی یکی از منابع موجود در حافظه خود که در  (2.2)  شرح داده شده تولید می کند . به شرطی که مقدار شهد منبع جدید بیشتر از منبع قبلی حفظ شده در حافظه زنبور عسل باشد  موقعیت جدید را حفظ کرده و موقعیت قبلی را فراموش میکند. درغیراین صورت او موضع قبلی را نگه می دارد. پس از اینکه فرایند جستجوی تمام زنبورهای کارگر تکمیل گردید، آنها اطلاعات شهد ازمنابع غذایی(راه حل) و اطلاعات مربوط به موقعیت خود را با زنبورهای تماشاچی در محدوده رقص به اشتراک میگذارند.یک زنبور تماشاچی اطلاعات شهد گرفته شده از همه زنبورهای کارگررا ارزیابی میکند و یک منبع غذایی با احتمال مربوط به مقدار شهد آن انتخاب میشود. همینطور در مورد زنبورکارگر، تولید تغییراتی در موقعیت (راه حل) موجود در حافظه خود و مقدار شهد از منبع انتخابی (راه حل) را چک میکند . آن شهدی که بیشتر از قبلی باشد را ارائه می دهد ، زنبورعسل موقعیت جدید را حفظ میکند و قبلی را فراموش میکند . زنبور تماشاچی یک منبع غذایی را با توجه به مقدار احتمال مرتبط با آن منبع غذایی انتخاب  میکند، pi ، که با عبارت زیر محاسبه میشود :

  


که در آن   fit iمیزان شایستگی از راه حل i توسط زنبور کارگر آن ارزیابی شده است که ارزیابی متناسب با مقدار شهد منبع غذایی در موقعیت  i است و SN تعدادی از منابع غذایی که برابر با تعداد زنبورهای کارگر (BN) است. در این روش، زنبورهای کارگر اطلاعات خود را با زنبورهای  تماشاچی تبادل میکنند . به منظور تولید یک موقعیت غذایی انتخاب شده از قبلی ، ABC عبارت زیررا استفاده میکند :

 

که در آن k ∈ {۱, ۲, . . . , BN}  و  j ∈ {۱, ۲, . . . ,D} شاخص شان به صورت تصادفی انتخاب شده است . هر چندK به صورت تصادفی تعیین شده است ، آن متفاوت از i  می باشد . φi,j یک عدد تصادفی بین -۱,۱]] است. آن تولید موقعیت منبع غذایی همسایه در اطراف xi,j را کنترل میکند ، وتغییرات مقایسه ای موقعیت های غذایی همسایه توسط زنبور عسل به صورت بصری را ارائه می شود . معادله ۲٫۲ پارامترهای مختلفی بین xi,j و xk,j   نشان می دهد ، همچنین تغییرات در موقعیت xi,j ، کاهش می یابد. بنابراین ، به نوعی جستجو به راه حل بهینه در فضای جستجو نزدیک می شود ، گام مرحله طور تتاوقی کاهش می یابد . اگر پارامتر های تولید شده توسط این عملیات بیشتر ازحداز پیش تعیین شده خودش باشد ،پارامتر را می توان به عنوان  مقدار قابل قبول انتخاب کرد. منبع غذایی که شهد آن توسط زنبورها رها شده با یک منبع ماده غذایی جدید توسط زنبورهای طلایه دار جایگزین میشود. در الگوریتم ABC این با تولید موقعیت  به صورت تصادفی شبیه سازی شده و جایگزین آن منبع رها شده میشود. در الگوریتم ABC ، اگر یک موقعیت بیشتر ازیک عدد از پیش تعیین شده چرخه به نام حد بهبود نیابد پس آن منبع غذایی فرض شده ترک خواهد شد.پس از انتخاب هر منبع ، موقعیت vi,j تولید شده و سپس توسط زنبور مصنوعی ارزیابی شد ، عملکرد آن با xi,j مقایسه میشود، اگر مواد غذایی جدید برابریا شهد بهتری از منبع قبلی داشت، آن را با قبلی در حافظه جایگزین میکند. در غیر این صورت ، آن قبلی را نگه میدارد. به عبارت دیگر ، یک مکانیسم انتخاب حریص عمل انتخاب بین منابع غذایی قبلی و فعلی را انجام میدهد.الگوریتم ABC در حقیقت چهار فرآیند مختلف انتخاب را به کار میگیرد : 

(۱) فرآیند انتخاب جهانی توسط زنبورهای تماشاچی مصنوعی برای کشف مناطق امیدبخش که در(۲٫۱) شرح داده شده است ،

(۲) یک فرآیند انتخاب محلی در منطقه توسط زنبورهای کارگرمصنوعی انجام شده و تماشاچیان با توجه به اطلاعات محلی (در مورد زنبور عسل واقعی ،این اطلاعات شامل رنگ ، شکل و عطر گل) (زنبورها قادربه شناسایی نوع منبع شهد نمیشوند تا زمانی که به محل مناسب می رسند و بین منابع در حال رشد بر اساس عطر و بوی آنها تبعیض وجود دارد) برای تعیینیک همسایه منبع غذا در اطراف منبع موجود در حافظه که در (۲٫۲) تعریف شده است ،

 (3) روند انتخاب محلی به نام فرآیند انتخاب حریص توسط تمام زنبورها انجام میشود در آن اگر مقدار شهد منبع کاندید بهتر از فعلی باشد ، زنبورفعلی را فراموش میکند و منبع کاندید را حفظ میکند. در غیر این صورت ، زنبور فعلی را در حافظه نگه می دارد.

(۴) یک فرایند انتخاب تصادفی توسط زنبور طلایه دار انجام میشود.

  • بازدید : 39 views
  • بدون نظر
این فایل در ۱۸صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

            بهينه‌سازي يك فعاليت مهم و تعيين‌كننده در طراحي ساختاري است. طراحان زماني قادر خواهند بود طرح‌هاي بهتري توليد كنند كه بتوانند با روش‌هاي بهينه‌سازي در صرف زمان و هزينه طراحي صرفه‌جويي نمايند. بسياري از مسائل بهينه‌سازي در مهندسي، طبيعتاً پيچيده‌تر و مشكل‌تر از آن هستند كه با روش‌هاي مرسوم بهينه‌سازي نظير روش برنامه‌ريزي رياضي و نظاير آن قابل حل باشند. بهينه‌سازي تركيبي     (Combinational Optimization)، جستجو براي يافتن نقطه بهينه توابع با متغيرهاي گسسته         (Discrete Variables) مي‌باشد. امروزه بسياري از مسائل بهينه‌سازي تركيبي كه اغلب از جمله مسائل با درجه غير چندجمله‌اي (NP-Hard) هستند، به صورت تقريبي با كامپيوترهاي موجود قابل حل مي‌باشند. از جمله راه‌حل‌هاي موجود در برخورد با اين گونه مسائل، استفاده از الگوريتم‌هاي تقريبي يا ابتكاري است. اين الگوريتم‌ها تضميني نمي‌دهند كه جواب به دست آمده بهينه باشد و تنها با صرف زمان بسيار مي‌توان جواب نسبتاً دقيقي به دست آورد و در حقيقت بسته به زمان صرف شده، دقت جواب تغيير مي‌كند
هدف از بهينه‌سازي يافتن بهترين جواب قابل قبول، با توجه به محدوديت‌ها و نيازهاي مسأله است. براي يك مسأله، ممكن است جواب‌هاي مختلفي موجود باشد كه براي مقايسه آنها و انتخاب جواب بهينه، تابعي به نام تابع هدف تعريف مي‌شود. انتخاب اين تابع به طبيعت مسأله وابسته است. به عنوان مثال، زمان سفر يا هزينه از جمله اهداف رايج بهينه‌سازي شبكه‌هاي حمل و نقل مي‌باشد. به هر حال، انتخاب تابع هدف مناسب يكي از مهمترين گام‌هاي بهينه‌سازي است. گاهي در بهينه‌سازي چند هدف  به طور همزمان مد نظر قرار مي‌گيرد؛ اين گونه مسائل بهينه‌سازي را كه دربرگيرنده چند تابع هدف هستند، مسائل چند هدفي مي‌نامند. ساده‌ترين راه در برخورد با اين گونه مسائل، تشكيل يك تابع هدف جديد به صورت تركيب خطي توابع هدف اصلي است كه در اين تركيب ميزان اثرگذاري هر تابع با وزن اختصاص يافته به آن مشخص مي‌شود. هر مسأله بهينه‌سازي داراي تعدادي متغير مستقل است كه آنها را متغيرهاي طراحي می‌نامند كه با بردار n  بعدي x  نشان داده مي‌شوند. 
هدف از بهينه‌سازي تعيين متغيرهاي طراحي است، به گونه‌اي كه تابع هدف كمينه يا بيشينه شود. 

مسائل مختلف بهينه‌سازي  به دو دسته زير تقسيم مي‌شود: 
          الف) مسائل بهينه‌سازي بي‌محدوديت: در اين مسائل هدف، بيشينه يا كمينه كردن تابع هدف بدون هر گونه محدوديتي بر روي متغيرهاي طراحي مي‌باشد.
          ب) مسائل بهينه‌سازي با محدوديت: بهينه‌سازي در اغلب مسائل كاربردي، با توجه به محدوديت‌هايي صورت مي‌گيرد؛ محدوديت‌هايي كه در زمينه رفتار و عملكرد يك سيستم مي‌باشد و محدوديت‌هاي رفتاري و محدوديت‌هايي كه در فيزيك و هندسه مسأله وجود دارد، محدوديت‌هاي هندسي يا جانبي ناميده مي‌شوند.
          معادلات معرف محدوديت‌ها ممكن است  به صورت مساوي يا نامساوي باشند كه در هر مورد، روش بهينه‌سازي متفاوت مي‌باشد. به هر حال محدوديت‌ها، ناحيه قابل قبول در طراحي را معين مي‌كنند. 

به طور كلي مسائل بهينه‌سازي با محدوديت را مي‌توان به صورت زير نشان داد: 

كه در آن   X={ بردار طراحي و رابطه‌هاي (۱-۱) به ترتيب محدوديت‌هاي نامساوي، مساوي و محدوده قابل قبول براي متغيرهاي طراحي مي‌باشند. 

۱-۱- بررسي روش‌هاي جستجو و بهينه‌سازي 
          پيشرفت كامپيوتر در طي پنجاه سال گذشته باعث توسعه روش‌هاي بهينه‌سازي شده، به طوري كه دستورهاي متعددي در طي اين دوره تدوين شده است. در اين بخش، مروري بر روش‌هاي مختلف بهينه‌سازي ارائه مي‌شود
–    روش‌هاي شمارشي
          در روش‌هاي شمارشي (Enumerative Method)، در هر تكرار فقط يك نقطه متعلق به فضاي دامنه تابع هدف بررسي مي‌شود. اين روش‌ها براي پياده‌سازي، ساده‌تر از روش‌هاي ديگر مي‌باشند؛ اما به محاسبات قابل توجهي نياز دارند. در اين روش‌ها سازوکاری براي كاستن دامنه جستجو وجود ندارد و دامنه فضاي جستجو شده با اين روش خيلي بزرگ است. برنامه‌ريزي پويا (Dynamic Programming) مثال خوبي از روش‌هاي شمارشي مي‌باشد. اين روش كاملاً غيرهوشمند است و به همين دليل امروزه بندرت به تنهايي مورد استفاده قرار مي‌گيرد.

۱-۱-۲-    روش‌هاي محاسباتي (جستجوي رياضي يا- Based Method Calculus)
          اين روش‌ها از مجموعه شرايط لازم و كافي كه در جواب مسأله بهينه‌سازي صدق  مي‌كند، استفاده مي‌كنند. وجود يا عدم وجود محدوديت‌هاي بهينه‌سازي در اين روش‌ها نقش اساسي دارد. به همين علت، اين روش‌ها به دو دسته روش‌هاي با محدوديت و بي‌محدوديت تقسيم مي‌شوند. 
          روش‌هاي بهينه‌سازي بي‌محدوديت با توجه به تعداد متغيرها شامل بهينه‌سازي توابع يك متغيره و چند متغيره مي‌باشند.
          روش‌هاي بهينه‌سازي توابع يك متغيره، به سه دسته روش‌هاي مرتبه صفر، مرتبه اول و مرتبه دوم تقسيم مي‌شوند. روش‌هاي مرتبه صفر فقط به محاسبه تابع هدف در نقاط مختلف نياز دارد؛ اما روش‌هاي مرتبه اول از تابع هدف و مشتق آن و روش‌هاي مرتبه دوم از تابع هدف و مشتق اول و دوم آن استفاده       مي‌كنند. در بهينه‌سازي توابع چند متغيره كه كاربرد بسيار زيادي در مسائل مهندسي دارد، كمينه‌سازي يا بيشينه‌سازي يك كميت با مقدار زيادي متغير طراحي صورت مي‌گيرد.
          يك تقسيم‌بندي، روش‌هاي بهينه‌سازي با محدوديت را به سه دسته برنامه‌ريزي خطي، روش‌هاي مستقيم و غيرمستقيم تقسيم مي‌كند. مسائل با محدوديت كه توابع هدف و محدوديت‌هاي آنها خطي باشند، جزو مسائل برنامه‌ريزي خطي قرار مي‌گيرند. برنامه‌ريزي خطي شاخه‌اي از برنامه‌ريزي رياضي است و كاربردهاي فيزيكي، صنعتي و تجاري بسياري دارد.
          در روش‌هاي مستقيم، نقطه بهينه به طور مستقيم جستجو شده و از روش‌هاي بهينه‌يابي بي‌محدوديت استفاده نمي‌شود. هدف اصلي روش‌هاي غيرمستقيم استفاده از الگوريتم‌هاي بهينه‌سازي بي‌محدوديت براي حل عمومي مسائل بهينه‌سازي با محدوديت مي‌باشد. 
          در اكثر روش‌هاي محاسباتي بهينه‌يابي، از گراديان تابع هدف براي هدايت جستجو استفاده مي‌شود. اگر مثلاً به علت ناپيوستگي تابع هدف، مشتق آن قابل محاسبه نباشد، اين روش‌ها اغلب با مشكل روبه‌رو مي‌شوند. 

۱-۱-۳-   روش‌هاي ابتكاري و فرا ابتکاری (جستجوي تصادفي) 
          يك روش ناشيانه براي حل مسائل بهينه‌سازي تركيبي اين است كه تمامي جواب‌هاي امكان‌پذير در نظر گرفته شود و توابع هدف مربوط به آن محاسبه شود و در نهايت، بهترين جواب انتخاب گردد. روشن است كه شيوه شمارش كامل، نهايتاً به جواب دقيق مسأله منتهي مي‌شود؛ اما در عمل به دليل زياد بودن تعداد جواب‌هاي امكان‌پذير، استفاده از آن غيرممكن است. با توجه به مشكلات مربوط به روش شمارش كامل، همواره بر ايجاد روش‌هاي مؤثرتر و كاراتر تأكيد شده است. در اين زمينه، الگوريتم‌هاي مختلفي به وجود آمده است كه مشهورترين نمونه آنها، روش سيمپلكس براي حل برنامه‌هاي خطي و روش شاخه و كرانه براي حل برنامه‌هاي خطي با متغيرهاي صحيح است. براي مسائلی با ابعاد بزرگ، روش سيمپلكس از كارايي بسيار خوبي برخوردار است، ولي روش شاخه و كرانه كارايي خود را از دست مي‌دهد و عملكرد بهتری از شمارش كامل نخواهد داشت. به دلايل فوق، اخيراً تمركز بيشتري بر روش‌هاي ابتكاري (Heuristic) يا فرا ابتکاری (Metaheuristic) يا جستجوی تصادفی (Random Method) صورت گرفته است. روش‌هاي جستجوي ابتكاري، روش‌هايي هستند كه مي‌توانند جوابي خوب (نزديك به بهينه) در زماني محدود براي يك مسأله ارائه كنند. روش‌هاي جستجوي ابتكاري عمدتاً بر مبناي روش‌هاي شمارشي مي‌باشند، با اين تفاوت كه از اطلاعات اضافي براي هدايت جستجو استفاده مي‌كنند. اين روش‌ها از نظر حوزه كاربرد، كاملاً عمومي هستند و مي‌توانند مسائل خيلي پيچيده را حل كنند. عمده اين روش‌ها، تصادفي بوده و از طبيعت الهام گرفته شده‌اند. 

۲-   مسائل بهينه‌سازي تركيبي (Optimization Problems Combinational)
            در طول دو دهه گذشته، كاربرد بهينه‌سازي در زمينه‌هاي مختلفي چون مهندسي صنايع، برق، كامپيوتر، ارتباطات و حمل و نقل گسترش يافته است. 
          بهينه‌سازي خطي و غيرخطي (جستجو جهت يافتن مقدار بهينه تابعي از متغيرهاي پيوسته)، در دهه پنجاه و شصت از اصلي‌ترين جنبه‌هاي توجه به بهينه‌سازي بود. 
          بهينه‌سازي تركيبي عبارت است از جستجو براي يافتن نقطه توابع با متغيرهاي گسسته و در دهه ۷۰ نتايج مهمي در اين زمينه به دست آمد. امروزه بسياري از مسائل بهينه‌سازي تركيبي (مانند مسأله فروشنده دوره‌گرد) كه اغلب از جمله مسائل NP-hard  هستند، به صورت تقريبي (نه به طور دقيق) در كامپيوترهاي موجود قابل حل مي‌باشند.
          مسأله بهينه‌سازي تركيبي را مي‌توان به صورت زوج مرتب R,C نمايش داد كه R مجموعه متناهي از جواب‌هاي ممكن (فضاي حل) و C  تابع هدفي است كه به ازاي هر جواب مقدار خاصي دارد. مسأله به صورت زير در نظر گرفته مي‌شود: 
يافتن جواب به گونه‌اي كه  C  كمترين مقدار را داشته باشد. 
جواب بهينه      معيار زير را ارضا مي‌كند: 
  = C( ) =                            (2-1)                                                                                     
      مقدار بهينه نام دارد و وظيفه ما پيدا كردن       است. 

۲-۱- روش حل مسائل بهينه‌سازي تركيبي 
            روشن است كه شيوه شمارش كامل، نهايتاً به جواب دقيق مسأله منجر مي‌شود؛ اما در عمل به دليل زياد بودن تعداد جواب‌هاي امكان‌پذير، استفاده از آن بي‌نتيجه است. براي آنكه مطلب روشن شود، مسأله مشهور فروشنده دوره‌گرد (TSP) را در نظر مي‌گيريم. 
اين مسأله يكي از مشهورترين مسائل در حيطه بهينه‌سازي تركيبي است که بدين شرح می‌باشد: 
تعيين مسير حركت يك فروشنده بين N شهر به گونه‌اي كه از هر شهر تنها يكبار بگذرد و طول كل مسير به حداقل برسد، بسيار مطلوب است. تعداد كل جواب‌ها برابر است با      . فرض كنيد كامپيوتري موجود است كه مي‌تواند تمام جواب‌هاي مسأله با بيست شهر را در يك ساعت بررسي كند. بر اساس آنچه آورده شد، براي حل مسأله با ۲۱ شهر، ۲۰ ساعت زمان لازم است و به همين ترتيب، زمان لازم براي مسأله ۲۲ شهر، ۵/۱۷ روز و براي مسأله ۲۵ شهر، ۶ قرن ا ست! 
به دليل همين رشد نمايي زمان محاسبه، شمارش كامل روشي كاملاً نامناسب است. 
          همان طور که گفته شد، با توجه به مشكلات مربوط به روش شمارش كامل، همواره بر ايجاد روش‌هاي مؤثرتر و كاراتر تأكيد شده است. در اين زمينه، الگوريتم‌هاي مختلفي به وجود آمده كه مشهورترين آنها، الگوريتم سيمپلكس براي حل برنامه‌هاي خطي و روش شاخه و كران براي حل برنامه‌هاي خطي با اعداد صحيح است.
بنابراين در سال‌هاي اخير توجه بيشتري بر روش‌هاي ابتكاري برگرفته از طبيعت كه شباهت‌هايي با سيستم‌هاي اجتماعي يا طبيعي دارد، صورت گرفته است و نتايج بسيار خوبي در  حل مسائل بهينه‌سازي تركيبي          NP-hard به دنبال داشته است. در اين الگوريتم‌ها هيچ ضمانتي براي آنكه جواب به دست  آمده بهينه باشد، وجود ندارد و تنها با صرف زمان بسيار مي‌توان جواب نسبتاً دقيقي به دست آورد؛ در حقيقت با توجه به زمان صرف شده، دقت جواب تغيير مي‌كند. 
          براي روش‌هاي ابتكاري نمي‌توان تعريفي جامع ارائه كرد. با وجود  اين، در  اينجا كوشش مي‌شود تعريفي تا حد امكان مناسب براي آن عنوان شود: 
          روش جستجوي ابتكاري، روشي است كه مي‌تواند جوابي خوب (نزديك به بهينه) در زماني محدود براي يك مسأله ارائه كند. هيچ تضميني براي بهينه بودن جواب وجود ندارد و متأسفانه نمي‌توان ميزان نزديكي جواب به دست آمده به جواب بهينه را تعيين كرد. 
در اينجا مفاهيم برخي از روش‌هاي اصلي ابتكاري بدون وارد شدن به جزييات معرفي مي‌شود.

۱- آزاد‌سازي
          آزادسازي (Relaxation)، يكي از روش‌هاي ابتكاري در بهينه‌سازي است كه ريشه در روش‌هاي قطعي بهينه‌سازي دارد. در اين روش، ابتدا مسأله به شكل يك مسأله برنامه‌ريزي خطي عدد صحيح         LIP) = Linear Litegar Programmingا مختلط MIP) = Mixed Integer Programming ) (و گاهي اوقات كمي غير خطي)، فرموله مي‌شود. سپس با برداشتن محدوديت‌هاي عدد صحيح بودن، يك مسأله آزاد شده به دست آمده و حل مي‌شود. يك جواب خوب (و نه لزوماً بهينه) براي مسأله اصلي مي‌تواند از روند كردن جواب مسأله آزاد شده (براي رسيدن به يك جواب موجه نزديك به جواب مسأله آزاد شده)، به دست آيد؛ اگر چه روند كردن جواب براي رسيدن به يك جواب لزوماً كار آساني نيست، اما در مورد بسياري از مدل‌هاي معمول، به آساني قابل انجام است
  • بازدید : 49 views
  • بدون نظر
این فایل در ۱۰صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

در شركت هاي صنعتي ايران فعاليت هاي تحقيق و توسعه (R&D) سابقه ي چنداني ندارد. در اين بررسي، تعدادي از واحدهاي صنعتي باسابقه و نسبتاً فعال انتخاب شده و كارايي شيوه هاي مختلف تحقيقات در آنها مورد تحليل قرار گرفته است. نتايج كلي نشان مي دهد كه ايجاد واحد مستقل تحقيق و توسعه (R&D) تا حدودي مورد توجه اين واحدها بوده ولي از همكاري تحقيقاتي دانشگاه ها و مراكز تحقيقاتي استقبال چنداني نمي شود. عوامل محدودكننده ي تحقيقات و ديدگاه هاي مديران ارشد صنايع در جهت بهبود امر تحقيقات از ديگر نكات قابل بحث اين بررسي است.
در شركت هاي صنعتي، تحقيق و توسعه (R&D) به عنوان بخشي از سرمايه براي تضمين قدرت رقابت فن آوري در بلندمدت محسوب مي شود. هدف از اجراي طرح هاي تحقيقاتي، افزايش عمر محصول و كاهش هزينه هاي توليد است. پيدايش R&D در صنايع به مفهوم امروزي آن به شروع قرن بيستم برمي گردد. البته خدمات مهندسي به منظور بهبود محصول و فرايندها با استفاده از تخصص مهندسان با تجربه ي شاغل در صنايع، سابقه ي طولاني تري دارد. تا قبل از سال ۱۹۰۰ تجربه ي تحقيق در صنعت براي بهره گيري از فن آوري در راستاي اهداف ويژه ي شركت ها سابقه ي چنداني نداشته است. در سال ۱۹۰۰ شركت جنرال الكتريك (GE) امريكا يك استاد جوان دانشگاه MIT به نام «ويليام آرويتني» را استخدام كرد تا هفته اي دو روز براي اين شركت تحقيق كند. ويتني استاديار شيمي مؤسسة فن آوري ماساچوست بود. مديريت GE بر آن بود تا موفقيت فن آوري شركت را با تأسيس يك آزمايشگاه تحقيقاتي تقويت نمايد. ويتني بعدها از MIT استعفا داد و مدير يكي از اولين آزمايشگاه هاي تحقيقاتي صنايع در دنيا شد.
اين رخداد يك الگوي نمونه محسوب مي شد كه دانشمند دانشگاهي تازه فارغ التحصيل وارد تحقيقات صنعتي شود و به اين ترتيب الگوي «فن آوري علمي» از طريق فرآيند تحقيقات صنعتي بنياد گذاشته شد.
شركت جوان GE در سال ۱۹۰۰ سازنده ي لامپ هاي الكتريكي بر مبناي اختراع اديسون بود. اين لامپ ها از يك رشته ي زغالي با مقاومت زياد ساخته مي شد كه با اختراعات بعدي از رده خارج شد. يكي از اين اختراعات ساخت لامپ درخشان توسط والتر نرنست، شيمي دان آلماني بود. لامپ ساخت او از يك رشته ي سراميكي ساخته مي شد كه در دماي بالاتري تشعشع مي نمود. پيشرفت بعدي ساخت لامپ بخار جيوه توسط پيتر كوير هيويت امريكايي بود. در آن زمان GE هنوز كاري براي لامپ هاي جايگزين نكرده بود در حالي كه رقيب اصلي يعني جرج وستينگهاوس از كوپر هيويت پشتيباني مي كرد و حق امتياز لامپ نرنست را هم به دست آورده بود. بنابراين، براي كسب قدرت رقابت، مركز تحقيق و توسعه ي GE تأسيس شد.
وايز در خصوص اهميت تاريخي ويتني مي گويد: «شايد او اولين دانشمندي نباشد كه در صنايع امريكا حتي در جنرال الكتريك استخدام شده است. افتخار لامپ براي توماس اديسون و كار او همچنان باقي است. چون كار اديسون اختراع بود اما تلاش ويتني يك حركت پيشتازانه در صنعت امريكاست كه به دانشمند يك نقش و هويت جديد به نام پژوهشگر صنعتي اعطا نمود.»
به اين ترتيب بود كه اولين مراكز R&D در صنايع به وجود آمدند.
مؤسسات معروف ديگري پس از آن اقدام به ايجاد R&D نمودند، از قبيل:
بيرون از شركت راه مناسبي براي ارتقاء موقعيت فن آوري خواهد بود. نتيجه ي بررسي در خصوص عقد قرارداد تحقيقاتي با دانشگاه ها و مراكز تحقيقاتي، استفاده از خدمات محققان منفرد و ايجاد واحد تحقيقاتي با صنايع همگن در جدول شماره ي ۳ ارائه شده است.
مورد اقدام شده در جريان موافق نيست
قرارداد تحقيقاتي با دانشگاه ها و مراكز تحقيقاتي ۲۵ ۳۷
استفاده از خدمات محققان منفرد ۵۰ ۱۳ ۱۲
ايجاد مراكز تحقيقاتي صنايع همگن ۲۷ ۱۱
قرارداد تحقيق و توسعه با خارج از كشور ۱۲ ۵۷ ۱۷

به طور كلي، همكاري اين دانشگاه ها و مراكز تحقيقاتي در سطح مطلوبي قرار ندارند. شركت ها تمايل دارند با محققان منفرد كار بكنند و بر آن هستند تا از ديوانسالاري مرسوم سازمان هاي دولتي پرهيز نمايند. همكاري مشترك و عقد قرارداد تحقيقاتي با خارج از كشور به دليل وابستگي فن آورانه اكثر صنايع، همچنان داراي جاذبه است.
طرح هاي تحقيقاتي
تحقيقات نشان مي دهد كه شركت هاي صنعتي در دوره ي مورد بررسي به طور متوسط ۷۲ طرح تحقيقاتي داشته اند. رقم فوق با توجه به ظرفيت و توانايي تحقيقاتي شركت ها قابل توجه است. در مصاحبه با برخي از مديران اين واحدها مشخص شد كه تلقي يكساني از تعريف طرح تحقيقاتي وجود ندارد. به همين دليل بعضي از صنايع هر نوع فعاليت هرچند كوچك را كه براي بهبود وضع شركت انجام شده است در اين آمار منظور كرده اند. دامنه ي تغييرات تعداد طرح ها ۱۹۸ طرح است كه بين ۲ تا ۲۰۰ طرح در نوسان قرار دارد.
بر اساس بررسي به عمل آمده، مدت زمان لازم براي انجام دادن طرح هاي تحقيقاتي را، ۷۸ درصد از پاسخگويان كمتر از يكسال، ۱۸ درصد تا يكسال و ۴ درصد تا دو سال اعلام كرده اند. اگرچه سرعت در انجام دادن تحقيقات يك شاخص مثبت به حساب مي آيد، اما برداشت كلي حاكي از آن است كه فعاليت تحقيقاتي در جهت اجراي طرح هاي عمده و تعيين كننده جريان ندارد. تجربه ي واحدهاي تحقيق و توسعه در كشورهاي صنعتي نشان مي دهد كه متوسط زمان اجراي طرح هاي تحقيقاتي صنعتي كه منجر به فن آوري مي شوند ۳ سال است.
ميزان اعتباري كه از فروش ساليانه ي اين شركت ها صرف تحقيق و توسعه مي شود به طور متوسط ۵/۲ درصد است. اين نسبت براي فعاليت تحقيقاتي مطلوب ۵ درصد تعيين شده است. البته، شركت هاي موفق و پيشتاز در امر فن آوري در بعضي دوره ها تا ۲۰ درصد فروش در تحقيق و توسعه سرمايه گذاري نموده اند.
تحقيقات انجام گرفته از سوي واحدهاي صنعتي، در زمينه ي اصلاح محصول و فرايند توليد موجود و طراحي محصول و فرايند جديد صورت گرفته است. تعداد كمتري از طرح هاي تحقيقاتي نيز در زمينه ي مهندسي معكوس و نوآوري در فن آوري هاي قبلي بوده است.
نحوه ي همكاري و ارتباط صنعت با دانشگاه ها و مراكز تحقيقاتي
بيشترين ارتباط صنايع با دانشگاه، كه شكل دايمي و منظم پيدا كرده، برنامه ي كارآموزي تابستاني دانشجويان در واحدهاي صنعتي است.
از بين شركت هاي بررسي شده ۱۲ درصد داراي طرح هاي مشترك با دانشگاه ها يا مراكز تحقيقاتي دولتي هستند. حدود ۳۸ درصد گاهي ارتباط داشته اند و ۵۰ درصد هيچ ارتباط تحقيقاتي با اين مراكز نداشته اند. در زمينه ي به كارگيري كادر تحقيقاتي از دانشگاه ها يا مراكز تحقيقاتي ۸ درصد اقدام كرده اند، ۱۷ درصد به صورت موردي كادر تحقيقاتي را دعوت به كار مي كنند و بقيه استفاده اي در اين مورد نداشته اند.
با توجه به ضعف امكانات پژوهشي در صنعت، استفاده از اين تجهيزات در مراكز دولتي و دانشگاه ها مفيد به نظر مي رسد. ۶۵ درصد از شركت هاي مورد بررسي از اين امكانات هر از چند گاهي در قبال پرداخت هزينه استفاده كرده اند.
از جمله شيوه هاي نزديكي دانشگاه و صنعت، مشاركت متخصصان صنعت در فعاليت هاي آموزشي است. اين شيوه در بعضي از كشورهاي در حال توسعه آثار مثبتي بر جاي گذاشته است. با توجه به ويژنگي هاي دانشگاه هاي ايران اين شيوه در كشور ما مرسوم نيست. دانشگاه ها از امكانات و تجهيزات موجود در صنايع كه بعضاً منحصر به فرد هستند، براي امور تحقيقاتي يا آموزش دانشجويان استفاده مي نمايند. حدود ۴۸ درصد از صنايع به اين نوع ارتباط به صورت موردي پاسخ مثبت داده اند. در همين خصوص، حدود ۳۸ درصد به همكاري هاي نامنظم اقدام نموده اند و مابقي فعاليت خاصي نداشته اند.
ضرورت انجام دادن فعاليت تحقيق و توسعه در صنايع
در بررسي دلايل عمده براي تحقيقات صنعتي به عوامل مختلفي اشاره شده است. راه هاي تحقق اين عوامل را در درجه ي اول تحقيقات توسط خود شركت، در مرحله ي بعد استفاده از همكاري دانشگاه و مراكز تحقيقاتي و در نهايت خريد خدمات و دانش فني خارجي دانسته اند. موضوعاتي كه به عنوان اهداف R&D شناخته شده به ترتيب زير اولويت بندي مي شود:
۱- بهبود كيفيت محصول
۲- طراحي محصولات جديد
۳- بهينه سازي فرايند و روش توليد
۴- كسب سطوح قابل پذيرش ملي و بين المللي
۵- افزايش توانايي علمي و فني در شركت
۶- كاهش ضايعات
۷- جايگزيني مواد اوليه ي خارجي
۸- جذب فن آوري هاي وارده به كشور
۹- ايجاد خودكاري و افزايش ظرفيت توليد
۱۰- نوسازي تجهيزات و تكنيك هاي خط توليد
۱۱- سازگار نمودن تجهيزات و روش توليد با مواد و تركيبات جديد
۱۲- بازيافت ضايعات
۱۳- كاهش مصرف مواد و قطعات
۱۴- جبران محدوديت هاي قانوني و ارزي براي استفاده از خدمات خارجيان
۱۵- حفظ برتري در بازار و رقابت با ساير توليد كننده ها
۱۶- كاهش هزينه هاي توليد
۱۷- نياز به دانش فني براي توليد محصولات جديد
۱۸- اطلاعات فني و تجاري از بازارهاي داخلي و خارجي
۱۹- افزايش سطح بهره وري و كارايي
۲۰- نمونه سازي و توليد نيمه صنعتي محصول جديد
۲۱- كاهش قيمت فروش محصول
۲۲- بهبود سيستم دفع فاضلاب
۲۳- عمل نكردن تعهدات طرف خارجي قرارداد فن آوري
  • بازدید : 67 views
  • بدون نظر

خرید ودانلود پایان نامه معرفی و بررسی انواع یاتاقان ها  (ارائه روش های بهینه سازی یاتاقان های اسپیندل ماشین ابزار و بررسی اثر  درجه ویسکوزیته  روانکار در ارتعاش مکانیکی رلبرینگ ها )-دانلود راگان مقاله  معرفی و بررسی انواع یاتاقان ها  (ارائه روش های بهینه سازی یاتاقان های اسپیندل ماشین ابزار و بررسی اثر  درجه ویسکوزیته  روانکار در ارتعاش مکانیکی رلبرینگ ها )-دانلود رایگان پایان نامه  معرفی و بررسی انواع یاتاقان ها  (ارائه روش های بهینه سازی یاتاقان های اسپیندل ماشین ابزار و بررسی اثر  درجه ویسکوزیته  روانکار در ارتعاش مکانیکی رلبرینگ ها )

این فایل در ۱۱۰صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:


انواع یاتاقان
از لحاظ نیروی وارده: به دو دسته زیر تقسیم بندی میشوند
شعاعی : نيروي شعاعي را تحمل ميكند و نشیمنگاه اینگونه یاتاقان بشکل استوانه است.
محوری: نيروي محوري را تحمل ميكند و نشیمنگاه اینگونه یاتاقان ها تخت و بشکل دایره و یا تاج دایره می باشند.

از لحاظ نوع حرکت : به دو دسته زیر تقسیم بندی میشوند.
یاتاقان های لغزشی
یاتاقان های غلتشی

یاتاقان های لغزشی:
در یاتاتقان های لغزشی محور در داخل سوراخ یاتاقان می گردد. به خاطر لغزیدن محور در سطح یاتاقان اصطکاک لغزشی ناخواسته ای به وجود می آید البته با قرار دادن لایه ای از مواد روانکاری بین سطوح زبانه و یاتاقان می توان مقدار اصطکاک را به میزان قابل ملاحظه ای کاهش داد. عیب این نوع یاتاقان ها در بالا بودن مقاومت شروع به کارشان می باشد.
این نوع یاتاقان ها دارای خصوصیات زیر می باشند:
۱) نیروهای زیادی را تحمل می کنند
۲) آرام و بی سروصدا کار می کنند
۳) در مقابل ضربه و ارتعاش حساس نیستند
۴) محدودیتی از نظر تعداد دور ندارند
۵) جای کمتری را در جهت شعاعی اشغال می کنند.
از خواص دیگر این یاتاقان ها اینکه مونتاژ و پیاده کردن آنها راحت است و نسبت به دقت حرکت محور میتواند قابل تنظیم باشد.یاتاقان های لغزشی احتیاح به روغنکاری ومراقبت زیاد دارند و معمولا دارای اصطکاک بیشتر و در نتیجه کارایی کمتری نسبت به یاتاقان های غلتشی دارند.
انواع یاتاقان های لغزشی:
یاتاقان های چشمی
یاتاقان های دو تکه
یاتاقان های قابل تنظیم

یاتاقان های غلتشی:
هر گاه بین محور و یاتاقان قطعات گردنده ای بشکل کره ویا استوانه قرار داده شود اصطکاک لغزشی به اصطکاک غلتشی تبدیل می شود.در این حالت چون اجسام غلتنده با تماس نقطه ای (کره) یا تماس خطی (استوانه ای) می غلتند، نتیجه کار این است که ضریب اصطکاک تقلیل یافته، نیروی لازم برای غلبه به آن به مراتب کمتر از اصطکاک لغزشی می باشد. یاتاقان هایی که در آنها از این خاصیت استفاده می شود یاتاقان های غلتشی یا تماس غلتشی و یا یاتاقان های ضد اصطکاکی نامیده می شوند.در این دسته از یاتاقان ها اصطکاک آغاز کار حدود دو برابر اصطکاک حین کار است ولی هنوز در مقایسه با اصطکاک آغاز کار یاتاقان لغزشی ناچیز است.
این نوع یاتاقان ها دارای خصوصیات زیر می باشند:
۱٫ احتیاج به گشتاور کمتری برای شروع حرکت دارند
۲٫ بعلت نیاز کمتر به روغنکاری مراقبت چندانی لازم ندارند
۳٫ حرارت زیادی تولید نمی کنند و کارایی خوبی دارند
۴٫ این یاتاقان ها مخصوص حرکت آرام و دورهای کمتری هستند
۵٫ در مقابل ضربه و ارثعاش حساسند و عمر آنها نسبت به تعداد دورشان محدود است
۶٫ در مقابل آلودگی ها حساسیت زیادی داشته برای آبندی در مقابل نفوذ آلودگی ها احتیاج به هزینه بیشتری دارند
و همچنین این یاتاقان ها بعلت استاندارد بودن اندازه ها براحتی تعویض می شوند. مقدار کمتری در امتداد محور جای می گیرند و در نتیجه می توان محور را کوتاهترد ر نظر گرفت و در صورت خراب شدن با سروصدای غیر عادی بروز اشکال را اعلام می کنند.


انواع یاتاقان های غلتشی: 
تقسيم بندي بر حسب نيروهايي كه متحمل ميشوند
تقسيم بندي از نظر شكل هندسي عناصر غلتشي
تقسيم بندي بر حسب جبران ناميزاني محور
تقسيم بندي از لحاظ ساختمان
تقسيم بندي بر حسب اندازه هر سري ياتاقان

تقسيم بندي بر حسب نيروهايي كه متحمل ميشوند:
شعاعي …….نيروي شعاعي را تحمل ميكند
محوري (كف گرد ) …… نيروي محوري را تحمل ميكند
شعاعي محوري  ……….هر دو نيرو را تحمل ميكند
مشخصه اصلي تمايز بين بيرينگهاي شعاعي از بيرينگهاي محوري ، راستاي اعمال بار اصلي به آنها ميباشد .
مشخصه مهم ديگر جهات مهار كردن حركت شفت توسط بيرينگ غلتشي است . مثلا آيا بيرينگ امكان جابجايي محوري به شفت ميدهد ؟ يا آيا بيرينگ اجازه حركت زاويه اي به شفت ميدهد تا بتواند خود را با انحراف شفت به هنگام دوران رينگها تطبيق دهد؟
بلبيرينگهاي شعاعي :
۱- بلبيرينگهاي شيار عميق :
در اين نوع بلبيرينگها ، در هر رينگ يك شيار عميق دايره اي با شعاعي برابر شعاع ساچمه وجود دارد . بخاطر وجود همين شيار و ايجاد سطح تماس بالا بين ساچمه ها و رينگها ، اين نوع بلبيرينگها توان تحمل بارهاي شعاعي زياد بهمراه نيروهاي محوري را دارند .بلبيرينگهاي شيار عميق به دليل توانايي تحمل بارهاي شعاعي و محوري ، اصطكاك كم و توانايي تحمل سرعتهاي بالا ، كاربرد گسترده اي در صنايع پيدا كرده اند .بلبيرينگهاي شيار عميق دو رديفه علاوه بر اينكه قابليت تحمل بارهاي خمشي را دارند براي شفتهاي كوتاهي كه بخواهيم فقط از يك بلبيرينگ در انتهاي آن استفاده كنيم نيز مناسب است  .اين نوع بلبيرينگها خصوصا براي طراحي ماشينهاي جمع و جور مناسب هستند زيرا ديگر نياز به در نظر گرفتن فضايي براي نصب كاسه نمد جهت محافظت از بلبيرينگها نمي باشد 
.
۲- بلبيرينگهاي نوع S
۳- بلبيرينگهاي شيار عميق با شيار جازني ساچمه ها :
اين نوع بلبيرينگ نمونه اوليه بلبيرينگهاي شيار عميق بدون شيار جازني مي باشند . در يك طرف از اين بلبيرينگها روي لبه هر دو رينگ داخلي و خارجي ، شيارهايي تعبيه شده كه از طريق اين شيارها ميتوان به راحتي ساچمه ها را داخل بلبيرينگ جا زد .اين بيرينگها جهت تحمل بارهاي محوري زياد مناسب نمي باشند ، زيرا در آن صورت ساچمه ها از شيارهاي جا زني خارج خواهند شد .چون تقريبا به تمام بيرينگها بار محوري نيز وارد ميشود ، بيرينگهاي بدون شيار جازني كاربرد بيشتري دارند .
۴- بيرينگهاي دينام :
      ساختمان بيرينگهاي آهنربايي بسيار شبيه به بيرينگهاي شيار عميق بدون شيار جازني ست . اما چون در رينگ خارجي فقط يك لبه وجود دارد ، اجزاء آن متواننند به راحتي از بيرينگ جدا شوند. بيرينگهاي دينام بار محوري را فقط در يك جهت ميتوانند تحمل كنند . به همين دليل براي مهار نمودن شفت در راستاي محوري بايد از دو بيرينگ رو در روي هم استفاده نمود .اين بيرينگها در انواع لوازم الكتريكي كوچك از قبيل دينام ، استارت خودرو ، جارو برقي و … استفاده شده اند . 
۵- بلبيرينگ با تماس زوايه اي يك رديفه :
     در اين نوع شيارها به نحوي قرار گرفته اند كه نيروها تحت زاويه تماس مشخصي از يك رينگ به رينگ ديگر منتقل ميشوند . بلبيرينگ با تماس زوايه اي در انواع مختلف با زاويه تماس ۱۵- ۲۵و۴۰ درجه ساخته شده اند . بلبيرينگ با تماس زوايه اي يك رديفه به شكل  O و X  و يا پشت سر هم كنار هم مونتاژ ميشوند كه به اين چيدمانها طرح عمومي يا U گفته ميشود .طرحهاي با زاويه تماس ۱۵ درجه براي سرعتهاي بسيار بالا و طرحهاي با زاويه ۲۵ درجه جهت تحمل بارهاي محوري بالا مناسب هستند .
۶- بلبيرينگ با تماس زوايه اي دو رديفه :
        طرح آنها مشابه بلبيرينگهاي يك رديفه جفت شده با چيدمان O  مي باشد كه قادر به تحمل بارهاي سنگين شعاعي و محوري هستند . به ويژه آنها براي ثابت كردن شفت در راستاي محوري مناسب هستند. 
۷- بيرينگهاي با تماس چهار نقطه اي :
      پروفيل شيار هر يك از رينگهاي داخلي و خارجيدر اين نوع از دو كمان تشكيل شده است كه مراكز آنها بر هم منطبق نمي باشند ، به همين دليل هنگام اعمال بارهاي شعاعي ، ساچمه ها در جهار نقطه با شيارها تماس پيدا مي كنند .زاويه تماس بيرينگهاي با تماس چهار نقطه اي ، بزرگ است (معمولا ۳۵ درجه )لذا توانايي تحمل بارهاي محوري بالايي را در هر دو جهت دارند.كاربرد اصلي آنها در زمينه تجهيزات انتقال قدرت ميباشد .اين نوع به هيچ وجه براي تحمل بارهاي شعاعي غا لب بر بارهاي محوري مناسب نيستند زيرا تحت بار شعاعي نقاط تماس به چهار نقطه افزايش و در نتيجه اصطكاك افزايش مي يابد .

تقسيم بندي از نظر شكل هندسي عناصر غلتشي
۱٫ ساچمه ای(کروی)Ball Bearing                      
۲٫ غلطكيRole Bearing                            استوانه كوتاه ،استوانه بلند ،مخروطي 
۳٫ سوزنی Needle Bearing                        متقارن و نا متقارن  
  • بازدید : 44 views
  • بدون نظر
این فایل در ۶۸صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

اکنون با یک مثال آشنا شدیم. در ادامه مجدداً نیز به این مثال باز خواهیم گشت. این نمونه ای از یک برنامه ریزی خطی است که به اختصار LP نامیده می شود. حل برنامه های خطی بطور ذاتی به مراقب ساده تر از برنامه های کلی تر ریاضیاتی است. بنابراین ارزش این را دارد که در مورد ویژگی – های خطی بودن بیشتر بدانیم.
برنامه ریزی خطی بصورت مستقیم فقط در شرایطی به کار می رود که تاثیر فعالیتهای مختلف در جایی که ما با آن سر و کار داریم، بصورت خطی است. برای مقاصد کاربردی، می توانیم ملزومات خطی بودن را مشتمل بر سه خصوصیت زیر بدانیم :
۱ ) متناسب بودن : تاثیر یک متغیر مجزا به خودی خود متناسب است. مثلاً دو برابر شدن میزان فولاد خریداری شده، منجر به دو برابر شدن هزینه خرید آن می شود.
) جمع پذیری : روابط بین متغیرها باید بصورت جمع باشد. برای مثال مقدار دلاری فروش، مجموع فروش دلاری فولاد + فروش دلاری آلومینیم + … است.
۳ ) پیوستگی : متغیرها می بایست پیوسته باشند. برای مثال مقادیر اعشاری برای متغیرهای تصمیم همچون ۶٫۳۸ مجاز است. اگر ۲ و  3 هر دو جواب شدنی باشند، آنگاه ۵۱ . ۲ نیز شدنی است. مدلی که شامل دو متغیر تصمیم «قیمت هر واحد فروش رفته» و «مقدار واحد فروش رفته» می باشد، ممکن است متناسب بودن و جمع پذیری را ارضا کند، اما شرایط پیوستگی را نقض کند. فرمولاسیون ممکن برای مواردی که LP به کار می رود، بطور ذاتی بسیار کلی تر از مثال ارائه شده است. تابع هدف ممکن است به جای بیشینه سازی، کمینه سازی باشد. جهت محدودیتها می تواند به جای > ، < باشد و هر یا همه پارامترها می توانند منفی باشند.محدودیت اصلی در دسته مسائلی که می تواند تجزیه و تحلیل شود، از محدودیت خطی بودن منتج می شود.
برای مثال عبارت X * Y ، شرایط متناسب بودن را ارضا می کند، اما تاثیر X و Y بصورت جمع پذیری نیست. در عبارت  ، تاثیر X و Y بصورت جمع پذیری است، اما تاثیرات هیچ کدام از آندو بصورت متناسب بودن نیست.

۱ – ۵ ) تجزیه و تحلیل حل های LP 
هنگامی که از کامپیوتر حل یک مسئله ریاضی را می خواهید. برای یک مدل LP درست فرموله شده، مسیر منتها الیه سمت چپ به کار برده می شود. رویه حل ابتدا در پی یافتن یک حل شدنی است. برای مثال حلی که همه محدودیتها را ارضا کند، اما الزاماً بهترین حل نباشد. حل منتها الیه سمت راست که حل حل نشدنی است، در صورتیکه فرموله کننده مصر باشد به کار می رود . یعنی دو یا چند محدودیت که نمی توانند بطور همزمان ارضا شوند، بعنوان مثال دو محدودیت ۲ > x و ۳ <x عدم وجود حل شدنی به تابع هدف بستگی ندارد، بلکه تنها به محدویتها بستگی دارد.
در عمل خروجی No Feasible Solution یا «حل شدنی موجود نمی باشد» می تواند در مسائل بزرگ و پیچیده که در آن یک حد بالا بر روی تعداد ساعتهای در دسترس قابل استفاده است و تقاضای بالای غیر واقع بینانه بر روی تعداد واحدهای تولیدی می باشد. پیغام معادل برای «حل شدنی وجود ندارد» این است که «نمی توانید هم کیک را داشته باشید و هم آن را بخورید!».
اگر یک جواب پیدا شود. آنگاه حل کننده تلاش می کند حل بهینه را بیابد. اگر حالت «حل بیکران» اتفاق بیفتد، دلالت بر این دارد که فرمولاسیون مدل منجر به حالتی می شود که در آن سود بی نهایت امکان پذیر است.
نتیجه گیری واقع بینانه تر آن است که یک محدودیت مهم حذف شده است یا فرمولاسیون شامل خطایی در نوشتن مدل است.
برای نوشتن مدل مسئله Enginola در LINGO کافیست این گونه بنویسیم:
MODEL:
MAX=20 * A+30*C;
A<=60
C<=50
A+2*c<=120;
END
گزارش حل بدین صورت خواهد  بود:
Objective value: 2100.000
Variable Value Reduced Cost
A  60.00000   0.00000
C    30.00000   0.00000

Row Slack or surplus Dual rice
۱   2100.00000   1.00000
۲   0.00000   5.00000
۳   20.00000   0.00000
۴    0.00000    15.00000
خروجی مدل شامل سه بخش است: قسمت حاوی اطلاعات مفید؛ سمت متغیرها، قسمت سطرها، قسمت های دوم و سوم سر راست هستند. راه حل سود بهینه عبارت است از تولید ۶۰ دستگاه Astro و ۳۰ Cosmo برای دستیابی به سود ۲۱۰۰ دلار، این راه حل مقدار مازاد صفر را در سطر دوم مدل ( ) به جا می گذارد، مقدار مازاد ۲۰ در سطر سوم، ( )و عدم وجود مازاد در سطر چهارم مدل ( )را منجر می شود.
سومین ستون شامل تعدادی فرصت با صورتهای هزینه ای حاشیه ای است. تغییر این هزینه های تقلیل یافته (Reduced Cost )، در ادامه توضیح داده می شود: قسمت reduct cost/dual price اختیاری هستند و می توان آنها را در مسیر زیر فعال یا غیر فعال کرد.
LINGO | Options| General Solver| Dual Computations | prices
 1 . 6 ) تجزیه و تحلیل حساسیت، هزینه های تقلیل یافته و قیمت های مزدوج:
مدل های LP واقعی نیاز به حجم بالایی از داده ها دارند. جمع آوری داده های دقیق هزینه بر است.
بنابراین ملزم به استفاده از داده ها در موارد ی هستیم که تقریباً اطمینان کمتری داریم. یک مثل معروف در جمع آوری داده می گوید: «زباله درون، زباله بیرون. کاربر در مدل باید بداند با تغییر در داده های ورودی، چه تغییراتی در خروجی های مدل رخ می دهد. تجزیه و تحلیل حساسیت، روشی برای پاسخگویی به این سوال است. خوشبختانه گزارش حل LP ، اطلاعات مکملی را که برای تجزیه و تحلیل حساسیت مفید است، ارائه می دهد. 
این اطلاعات همان «Reduced Costs» و «Dual Prices» هستند. تجزیه و تحلیل حساسیت نشان می دهد که چه قسمتهایی از اطلاعات می بایست با بیشترین دقت تخمین زده شوند. برای مثال، اگر به وضوح مشخص باشد که محصول مشخصی سود آور نیست. آنگاه تلاش کمی برای تخمین دقیق هزینه های آن لازم خواهد بود. اولین قانون در مدل سازی این است که: وقت خود را برای یافتن مقدار دقیق پارامتری که خطای کوچکی در آن، تاثیر کمی در تصمیم توصیه شده دارد،  تلف نکنید.
۱ . ۶ . ۱ ) هزینه های تقلیل یافته:
متناظر یا هر متغیر در هر حلی، مقداری تحت عنوان هزینه تقلیل یافته وجود دارد. اگر واحدهای تابع هدف بر حسب دلار باشند و واحدهای متغیر بر حسب گالن، آنگاه واحدهای هزینه تقلیل یافته بر حسب دلار بر هر گالن خواهند بود. هزینه تقلیل یافته هر متغیر مقداری است که به ازای آن سهم سود آن متغیر باید بهبود یابد تا آن را واجد شرایط قرار گرفتن در حل بهینه با یک مقدار مثبت نماید. در مورد توابع هدف هزینه ای، این بهبود به معنی کاهش هزینه است. از تعریف هزینه تقلیل یافته واضح است که متغیرهای درون حل بهینه، هزینه تقلیل یافته صفر دارند.
تعبیر دیگری از هزینه تقلیل یافته، است که تابع هدف با غیر صفر شدن یکی از متغیرهای که در حل بهینه مقدار صفر را اختیار کرده است. افت می کند. برای مثال اگر هزینه تقلیل یافته متغیر x، که در حل بهینه مقدار صفر را اختیار کرده است، ۲ دلار بر هر گالن باشد، بدین معناست که چنانچه سود آوری هر واحد متغیر x، ۲ دلار افزایش یابد. با ورود ۱ واحد از ان به حل بهینه (اگر ۱ واحد یک متغیر کوچک باشد.) سود کلی تغییری نمی کند. واضح است که اگر x بدون تغییر در سهم سود خود (ضریب x در تابع هدف) تا یک واحد افزایش یابد، مقدار تابع هدف ۲ دلار کاهش می یابد.
۱ . ۶ . ۲ ) قیمت های مزدوج:
متناظر با هر محدودیت، کمیتی وجود دارد که آن را با نام قیمت مزدوج با قیمت دو گان می شناسیم. اگر واحدهای تابع هدف بر حسب دلار و واحد محدودیتها بر حسب کیلو گرم باشند، آنگاه واحدهای هزینه تقلیل یافته برابر با دلار بر کیلو گرم خواهد بود. قیمت دو گان یک محدودیت، نرخ بهبود تابع هدف به ازای تغییر کوچکی در مقدار سمت راست آن محدودیت است.
برنامه های مختلف بهینه سازی ممکن است از علائم متفاوتی در ارتباط با قیمت های مزدوج استفاده کنند. برای LINGO منظور از یک قیمت مزدوج مثبت بهبودی است که با افزایش مقدار سمت راست محدودیت در تابع هدف حاصل می شود. از سوی دیگر قیمت مزدوج منفی به معنی افت تابع هدف در صورت افزایش مقدار سمت راست محدودیت است. قیمت مزدوج صفر نیز به معنی این است که تغییر مقدار سمت راست محدودیت، هیچ تاثیری در مقدار حل ندارد.
با توجه به این قرار داد، محدودیت های کوچکتری مساوی ( ) قیمت های دو گان نا منفی و محدودیت های بزرگتر مساوی ( ) قیمت های دو گان نا مثبت خواهند داشت. محدودیتهایی که به صورت تساوی ارضا می شوند نیز می توانند هر نوع قیمت مزدوجی داشته باشند چرا؟
بهتر است  در اینجا مفهوم قیمت های مزدوج را درک کنیم تا بتوانیم آنها را در حل مسئله Enginola تجزیه و تحلیل کنیم. قیمت مزدوج محدودیت   برابر با ۵ دلار به ازای هر واحد است. در وهله اول ممکن است شک کنید که این مقدار باید ۲۰ دلار هر واحد باشد. چرا که اگر یک دستگاه بیشتر تولید شود، سهم سود این یک واحد اضافه ۲۰ دلار خواهد بود. اما باید توجه داشت که برای تولید یک دستگاه Astro بیشتر، لازم است که سایر محدودیتها ارضا شوند
  • بازدید : 49 views
  • بدون نظر

این فایل در ۱۰صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:


حجم انبوه ضايعات نان و واردات گندم كه محصولي استراتژيك است، مي‌تواند زمينه‌ساز بحران در امنيت غذايي كشور باشد. بر اين اساس اصلاح وضعيت موجود در چرخة از توليد گندم تا مصرف نان‌، ضرورت امنيتي دارد. 
مدل‌هايي براي اصلاح اين چرخه، از طرف كارشناسان غذايي و صنعتي و فرهنگي ارائه شده است. اين مقاله به توصيف مدل پيشنهادي كه از منابع دين اسلام به‌دست آمده است، مي‌پردازد.
در اين مدل، نقاط بحران و ضايعه‌ساز، عبارتند از: انتقال اوّلويت از بخش كشاورزي به ديگر حوزه‌هاي سرمايه‌گذاريِ علمي و مالي، جدا شدن سبوس از آرد، بازاري شدنِ توليد نان (در برابر توليد در خانه)، بي‌اهميّت شدن(عادي شدن) نان در فرهنگ عمومي. 
نان محصولي استراتژيك در زندگي بشر است و دستيابي به كيفيت مطلوب در آن تابع متغيّرهاي به‌ هم‌ پيوسته‌اي است كه بايد در يك چرخه و به‌صورت يك سيستم، طراحي و مدل‌سازي شوند و هرگونه تغيير در مدل يا تغيير در جزئي از اجزاي مدل، تاثير مستقيم بر كيفيت نهايي نان خواهد داشت. بحران در چرخه توليد تا مصرف نان با «امنيت غذايي» ارتباط مستقيم دارد.  نان در تعاملات جهاني نقش مبنايي دارد و موقعيت استراتژيك آن در صدر محورهاي حسّاس و مورد توجه برنامه‌ريزان جهاني است.
مشكل و مسأله‌اي كه انگيزه و سرچشمة اين تحقيق مي‌باشد، انبوه ضايعات نان و تأثير آن در امنيت غذايي است.
اين مسأله از سه موضوع عمده تشكيل شده است: نان + ضايعات + امنيت‌غذايي كه هر يك بايد مستقلّاً تبيين و تفسير شود تا ضرورت تحقيق آشكار گردد.
عنصر اوّل: «نان» (اهميّت و جايگاه نان در سبد غذايي خانوار): 
«نان به عنوان ماده غذايي غالب، سهم عمده‌اي در الگوي مصرف خانوارها دارد. نان، غذاي پايه و اصلي ايراني‌ها، به ويژه خانواده‌هاي كم ‌درآمد و نيز ارزانترين ماده در الگوي غذايي روزانه است. تأمين نان مورد نياز جمعيت بيش از ۶۰ ميليوني كشور، حجم وسيع فعاليتهاي كشاورزي، صنعت، حمل‌ونقل، ذخيره‌سازي و توزيع را به خود اختصاص مي‌دهد كه بر مبناي حداقل قيمتهاي بين‌المللي برابر شش ميليارد دلار هزينه دارد.»   
«كشور ما از لحاظ مصرف سرانة نان، يكي از پرمصرف‌ترين كشورهاي جهان است. نان، بخش عمده‌اي از انرژي، پروتئين، مواد معدني از جمله آهن و كلسيم و برخي از ويتامين‌ها همچون تيامين و نياسين مورد نياز روزانة ما مي‌باشد كه نسبت به قيمت و وزن در مقايسه با ساير مواد غذايي همچون گوشت و شير بيشترين ارزش غذايي را داراست.»  
عنصر دوّم: «ضايعات»
«ضايعات» عبارتند از: مواد توليد شده‌اي كه انتظارات پيش‌بيني شده را برآورده نمي‌كنند. از يك ماده غذايي انتظار مي‌رود: به مقدار كميّتي كه دارد ارزش غذايي مورد نظر را در برداشته باشد؛ سبب عوارض جانبي نشود، داراي طعم، شكل و رنگ مطبوع باشد؛ سهل‌المصرف باشد و بسته‌‌بندي مناسب داشته باشد؛ حداكثر ميزان ماندگاري را داشته باشد و داراي قيمت قابل قبول باشد. اصلي‌ترين انتظار از مادّة غذايي، ارزش غذايي آن است؛ مثلاً اگر نانِ توليد شده، از جهات ظاهري مطلوب باشد ولي فقر غذايي داشته باشد و سبب بروز سوء ‌تغذيه در خانواده‌ها شود، اين نان در حقيقت ضايع شده است. نكتة ديگر اين‌كه ضايعات نان منحصر به خودِ نان نمي‌شود بلكه ضايعات آرد و دانة گندم را نيز بايد به چرخة ضايعات نان افزود (آردهايي كه غلط آرد شده يا به درستي نگهداري نشده‌اند، دانه‌هايي كه در حمل‌ونقل ريخته‌اند يا در سيلوها فاسد شده‌اند و…).  همه ساله اخبار و آماري راجع به ضايعات نان، در جرايد تخصصي و عمومي منتشر مي‌شود؛ حتي اگر بخشي از آنچه در زير آمده است واقعيّت داشته باشد، نمي‌توان اين مسأله را ناديده گرفت و برنامه‌اي اساسي براي حلّ آن طرّاحي نكرد!
«در حال حاضر، طبق آخرين آمارها حداقل۲ ميليون تُن گندم كشورمان به‌صورت ضايعات نان تباه مي‌شود و به‌ مصرف حيوانات مي‌رسد؛ اين در حالي است كه ۳۰ درصد كل گندم توليد شده به هدر مي‌رود و به مصرف نهايي نمي‌رسد. از آن‌ طرف حدود ۱۸ درصد نان توليد شده نيز ضايع         مي‌شود.»   و 
«شهروندان ايراني هر سال ‏۳۰۰ ‏ميليون دلار نان ضايع مي‌كنند. در حال حاضر با ضايعات۳۰ درصدي نان، حدود‏۳۰۰ ‏ميليون دلار از گندم‌هاي توليدي و وارداتي ضايع مي‌شو‌‌د‏.‏ اين درحالي است كه طي چند سال گذشته كشورمان يكي از بزرگترين وارد كنندگان گندم جهان بوده است‏.‏ كارشناسان از ضايعات نان به عنوان بزرگترين اسراف ملّي ياد مي‌كنند و از اين رو ضمن تاكيد به بهينه‌سازي مصرف، خواستار جلوگيري از هدر دادن يارانه اختصاص يافته به نان هستند. ‏برخي آمارها بيانگر اين موضوع است كه به دليل توليد نامناسب نان و استفادة ناصحيح از آن، حدود‏۳۰ ‏درصد از نان‌هاي توليدي كشور روانه نان خشكي‌ها مي‌شود‏.»  
عنصر سوم: «امنيّت غذايي»
غذا يك اسلحة استراتژيك و خوداتكايي غذايي يك سپر امنيتي است. «رمزي كلارك»  دادستان كل اسبق امريكا، در مصاحبه‌اي دربارة  سياست‌هاي امريكا براي نابود كردن كشاورزي در كشورهاي جهان سوّم چنين مي‌گويد:
«هدف سياست امريكا در زمينة كشاورزي وابسته كردن كشورها به واردات غذايي از ايالات‌ متّحده و متحدان آن است. وقتي شما غذا نداشته باشيد و نتوانيد مايحتاج غذايي ملّت خود را فراهم كنيد، به ديگران وابسته خواهيد شد. مردم براي زندگي به مواد خوراكي نياز دارند و چنانچه كشورهاي صادركنندة اين مواد دست به تحريم آنها بزنند يا قيمت را افزايش دهند ديگر استقلالي وجود نخواهد داشت. امريكا از كشاورزي به عنوان يك ابزار عمده در تضمين سلطة اقتصادي و سياسي استفاده مي‌كند. وقتي توانايي‌هاي يك كشور براي توليد محصولات كشاورزي و ملزومات آن از بين برود، از غذا به عنوان يك سلاح قوي مي‌توان استفاده كرد.»  
فصل دهم از كتاب «ديكتاتوري كارتل‌ها» با عنوانِ «كارتل مواد غذايي» آغاز شده و در اوّلين مورد به گندم پرداخته مي‌شود. در اين قسمت آمده است: «كنترلي كه توسط امريكا بر تجارت جهاني غلّه اعمال مي‌شود عظيم‌تر و مهم‌تر از كنترلي است كه كشورهاي صادر‌كنندة نفت (اوپك) بر تجارت جهاني نفت دارند. «سيا» در سال ۱۹۷۴ طي گزارش خود بيان كرد كه: موقعيّت تقريباً انحصاري امريكا به عنوان صادر‌كنندة مواد غذايي مي‌تواند اين دولت را به درجه‌اي از قدرت برساند كه قبلاً هرگز صاحب آن نبوده است. واشنگتن از طريق صادرات مواد غذايي كنترل مرگ و زندگي بسياري از ملل جهان را در دست خود دارد.» 
  • بازدید : 47 views
  • بدون نظر
این فایل در ۶صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

الگوریتم  PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد . در PSO، ذرات  در فضای جستجو جاری می‌شوند. تغییر مکان  ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده  ذرات روی چگونگی جستجوی یک ذره اثر می‌گذارد . نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند. ذرات از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می‌روند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم می‌کند.
هوش جمعی : 
 
هوش جمعی خاصیتی است سیستماتیک که در این سیستم، عامل هابه طور محلی با هم همکاري می نمایند و رفتار جمعی تمام عامل هاباعث یک همگرایی در نقطه اي نزدیک به جواب بهینه سراسري میشود نقطه قوت این الگوریتم عدم نیاز به یک کنترل سراسري میباشد. هر ذره) عامل) در این الگوریتم ها خود مختاري نسبی داردکه می تواند در سراسر فضاي جواب ها حرکت کند و می بایست با سایرذرات )عامل ها(  همکاري داشته باشد . دو الگوریتم مشهور هوش جمعی، بهینه سازي جرگه مورچگان  و بهینه سازي توده ذرات  می باشند. از هر دو این الگوریتم ها می توان براي تعلیم شبکه هاي عصبی بهره برد.
شبکه عصبی :

شبکه هاي عصبی مصنوعی داراي ویژگی هاي فراوانی از جمله انطباق پذیري، قابلیت یادگیري و تعمیم می باشد .در حوزه تطابق الگو ها،شبکه هاي عصبی مصنوعی قادرند که الگو هاي جدید را بر اساس تعالیم قبلی خود به کلاس هاي مرتبط طبقه بندي نمایند .
 استفاده از ایده جدید هوش جمعی در ترکیب با شبکه هايعصبی مصنوعی می باشد تا راهکاري براي غلبه بر چالش موجو د درشبکه هاي عصبی باشد.
الگوریتم بهینه سازی توده ذرات:

در سال ۱۹۹۵ به Eberhart و Kennedy براي اولین بار توسط PSOعنوان یک روش جستجوي غیر قطعی براي بهینه سازي تابعی مطرح گشت این الگوریتم از حرکت دسته جمعی پرندگانی که به دنبال غذا می باشند الهام گرفته شده است.
گروهي از پرندگان در فضا يي به صورت تصادفي دنبال غذا مي گردند. تنها يك تكه غذا در فضا ي مورد بحث وجود دارد. هيچ يك از پرندگان محل غذا را نمي دانند. يكي از بهتر ين استراتژيها مي تواند دنبال كردن پرنده ا ي باشد كه كمتر ين فاصله را تا غذا داشته باشد . اين استراتژ ي در واقع جانما يه الگور يتم است.هر راه حل كه به آن يك ذره گفته ميشود، ،PSO در الگوريتم معادل يك پرنده در الگور ي حركت جمع ي پرندگان م يباشد. هر ذره يك مقدارشا يستگي دارد كه توسط يك تابع شا ي ستگي محاسبهميشود. هر چه ذره در فضا ي جستجو به هدف – غذا در مدل حركت پرندگان- نزدكتر باشد، شا يستگي بيشتري دارد .. همچن ين هر ذره داراي يك سرعت است كه هدا يت حركت ذره را بر عهده دارد . هرذره با دنبال كردن ذرات به ينه در حالت فعل ي، به حركت خود د رفضاي مساله ادامه ميدهد. به ا ين شكل است كه گروه ي از ذرات  PSO آغاز كاربه صورت تصادفي به وجود مي آيند و با به روز كردن نسلها سعي در يافتن راه حل بهينه مينمايند. در هر گام، هر ذره با استفاده از دو بهتر ين مقدار به روز ميشود. اولين مورد، بهترين موقعيتي است كه تا كنون ذره موفق به رسیدن به آن شده است . موقعیت مذكورشناخته و نگهدار ي ميشود. بهترين مقدار د يگر

 ي كه pbest با نام توسط الگور يتم مورد استفاده قرار م يگيرد، بهتر ين موقعيتي است كه تا كنون توسط جمعيت ذرات بدست آمده است.این موقعیت با gbest نمایش داده می شود .
پس از يافتن بهتر ين مقاد ير، سرعت و مكان هر ذره با استفاده از معادلات ( ۱) و ( ۲) به روز ميشود.
سمت راست معادله ( ۱) از سه قسمت تشكيل شده است كه قسمت اول، سرعت فعلي ذره است و قسمتهاي دوم و سوم تغيير سرعت ذره و چرخش آن به سمت بهترين تجربه شخصي و بهترين تجربه گروه را به عهده دارند. اگر قسمت اول را در اين معادله درنظر نگيريم، آنگاه سرعت ذرات تنها با توجه به موقعيت فعلي و بهترين تجربه ذره و بهترين تجربه جمع تعيين ميشود. به اين ترتيب، بهترين ذره جمع، در جاي خود ثابت ميماند و سايرين به سمت آن ذره حركت ميكنند. در واقع حركت دسته جمعي ذرات بدون قسمت اول معادله( ۱)، پروسه اي خواهد بود كه طي آن فضاي جستجو به تدريج كوچك ميشود و جستجويي محلي حول بهترين ذره شكل ميگيرد. در مقابل اگر فقط قسمت اول معادله( ( ۱را در نظر بگيريم، ذرات راه عادي خود را ميروند تا به ديواره محدوده برسند و به نوعي جستجويي سراسري را انجام ميدهند.
کاربردی ازPSO در ریاضیات: 

اساس کار PSO بر این اصل استوار است که در هر لحظه هر particleمکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم می‌کند.
فرض کنید می‌خواهیم زوج مرتب (x,y) را طوری بدست آوریم که تابع F(x,y)=x2+y2، مینیمم شود. ابتدا نقاطی را به صورت تصادفی در فضای جستجو، روی صفحه‌ی x-y انتخاب می‌کنیم. فرض کنید این Swarm را به ۳ همسایگی تقسیم کنیم که در هر همسایگی نقاط موجود با یکدیگر تعامل دارند. در هر همسایگی هر یک از نقاط به سمت بهترین نقطه در آن همسایگی و بهترین مکانی که آن نقطه تاکنون در آن قرار داشته است، حرکت می‌کند. برای حل یک مسئله چند متغیر بهینه‌سازی می‌توان از چند Swarm استفاده کرد که هر یک از Swarmها کار مخصوصی را انجام می‌دهند.

اتوماتای یادگیر:

اتوماتاي يادگير ماشيني است كه ميتواند تعدادي متناهي عمل را انجام دهد. هر عمل انتخاب شده توسط يك محيط احنمالي ارزيابي ميشود و نتيجه ارزيابي در قالب سيگنالي مثبت يا منفي به اتوماتا داده ميشود و اتوماتا از اين پاسخ در انتخاب عمل بعدي تاثير ميگيرد . هدف نهايي اين است كه اتوماتا ياد بگيرد تا ازبين اعمال خود بهترين عمل را انت خاب كند . بهترين عمل، عملي است كه احتمال دريافت پاداش از محيط را به حداكثر برساند.
اتوماتاي سلولی یادگیر :
 
بسياري از مسايل را نميتوان با استفاده از يك اتوماتاي يادگيرتكي حل كرد بلكه قدرت اصلي اتوماتاي يادگير زماني آشكار ميشودكه آنها به صورت دسته جمعي بكار روند .با توجه به اين مساله و ضعفهاي عنوان شده براي اتوماتاي سلولي، در با تركيب اين دو مدل، مدل جديدي با نام اتوماتاي يادگير سلولي ايجاد گرديد .
 اتوماتاي يادگير سلولي  d  بعدي است به طوريكه: CLA = (Z d ,φ , A,N,F) يك چندتايي
تايي هاي مرتب از اعداد صحيح d يك شبكه از Z d •
مي باشد . اين شبكه مي تواند يك شبكه متناهي، نيمه متناهي يا متناهي باشد.
φ  يك مجموعه متناهي از حالتها مي باشد. 
A يك مجموعه از اتوماتاهاي يادگير(LA) است كه هر   يك از آنها به يك سلول از اتوماتاي سلولي نسبت داده ميشود.
N = { x1,…, xm } يك زير مجموعه متناهي از Zd  مي باشد كه بردار همسايگي ناميده مي شود.
F :φ m → β   قانون محلي CLA مي باشد به طوريكه β مجموعه مقاديري است كه مي تواند به عنوان سيگنال تقويتي پذيرفته شود.
در اتوماتاي يادگير سلولي مي توان از ساختارهاي مختلفي براي همسايگي استفاده نمود . در حالت كلي هر مجموعه مرتب از سلولها را ميتوان به عنوان همسايه در نظر گرفت.
عملكرد اتوماتاي يادگير سلولي را مي توان به شرح زير بيان كرد. در هر لحظه هر اتوماتاي يادگير در اتوماتاي يادگير سلولي يك عمل از مجموعه اعمال خود را انتخاب مي كند. اين عمل مي تواند بر اساس مشاهدات قبلي و يا به صورت تصادفي انتخاب شود . عمل انتخاب شده با توجه به اعمال انتخاب شده توسط سلولهاي سلولها ی همسايه و قانون حاکم بر اتوماتای یادگیر سلولی پاداش داده یا جریمه می شود و سپس اتوماتا رفتار خود را تصحیح کرده و ساختار داخلی اتوماتا به روز می شود.


: CLA-PSO 
بزرگترين مشكل PSO  استاندارد اين است كه سبب مي شود در حل مسائل چند قله ايي با فضاي حالت بزرگ ناتوان باشد بنابر اين PSO راهكاري براي خروج از بهينه محلي ارائه نمي دهد.
تر كيبي از اتوماتاي يادگير سلولي و حركت دسته جمعي ذرات ميباشد. تنظيم رفتار ذرات به اين معني است كه با استفاده از اتوماتاي يادگير در هر گام تعيين ميگردد كه ذرات به مسير فعلي ادامه دهند و يا به دنباله روي از بهترين ذرات پيدا شده تا كنون بپردازند
در الگوريتم حركت دسته جمعي ذرات استاندارد، در محاسبه سرعت ذره در گام بعد، كل سرعت فعلي ذره محاسبه ميشود. در واقع سرعت ذره در هر گام از دو قسمت تشكيل ميشود كه قسمت اول سرعت فعلي ذره و قسمت دوم مربوط به دنبال كردن بهترين تجربه شخصي و بهترين تجربه گروه است. بدون قسمت دوم الگوريتم حالت يك جستجوي سراسري كوركورانه را خواهد داشت.

نتیجه گیري
شبکه هاي عصبی مصنوعی ابزار هاي مناسبی جهت   انطباق، یادگیري و دسته بندي اطلاعات می باشند. بسیاري از محققین تمایل زیادي در استفاده از این ابزار را دارند اما چالش آموزش شبکه هاي عصبی را در
روي دارند ترکیب دو ایده هوش جمعی و شبکه هاي عصبی مصنوعی می تواند پاسخی براي این چالش محسوب شود. نتایج شبیه سازي نمایش می دهد که الگوریتم بهینه سازي توده ذرات می تواند صحت پاسخ شبکه را افزایش و زمان آموزش را کاهش دهد
  • بازدید : 34 views
  • بدون نظر
این فایل در ۶۶صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

در اين فصل، به تكنيك‌هاي بكار رفته توسط DMBS براي پردازش، بهينه‌سازي و اجراي پرس و جوهاي سطح بالا مي‌پردازيم.  
پرس و جوي بيان شده در زبان پرس‌و جوي سطح بالا مثل SQL ابتدا بايد پويش و تجزيه . معتبر شود. پويشگر (اسكنر) علامت هر زبان، مثل لغات كليدي SQL، اساس ويژگي، و اساس رابطه، را در متن پرس و جو شناسايي مي‌كند،‌ در عوض تجربه كننده، ساختار دستوري پرس و جو را براي تعيين اينكه آيا بر طبق قوانين دستوري زبان پرس و جو تدوين مي‌شود يا خير، چك مي‌كند. پرس و جو بايد همچنين معتبر شود، با چك كردن اينكه تمام اسامي رابطه و ويژگي معتبر هستند و اسامي معني‌دار در طرح پايگاه اطلاعاتي ويژها‌ي پرس و جو مي‌شوند. نمونه داخلي پرس و جو ايجاد مي‌شود،‌‌ كه تحت عنوان ساختار داده‌هاي درختي بنام درخت پرس و جو مي‌باشد
تصوير ۱۸۰۱، مراحل مختلف پردازش پرس و جوي سطح بالا را نشان مي‌دهد. قطعه بر نامه بهينه‌ساز پرس وجو، وظيفه ايجاد طرح اجرايي را بعهده دارد و ژنراتور (توليد كننده) كه ، كد را براي اجراي آن طرح ايجاد مي‌كند. پردازنده پايگاه اطلاعاتي زمان اجرا وظيفه اجراي كه پرس و جو را بعهده دارد،‌ خواه در وضعيت كامپايل شده يا تفسير شده جهت ايجاد نتيجه پرس و جو. اگر خطاي زمان اجرا نتيجه شود،‌ پيام خطا توسط پايگاه اطلاعاتي زمان اجرا ايجاد مي‌شود. 
اصطلاح بهينه‌سازي نام بي مسمايي است چون در بعضي موارد،‌ طرح اجرايي انتخاب شده، استراتژي بهينه نمي‌باشد، آن فقط استراتژي كارآمد معقول براي اجراي پرس و جو است. يافتن استراتژي بهينه، ضامن صرف زمان زيادي است، بجز براي ساده‌ترين پرس و جوها،‌ ممكن است به اطلاعاتي روي چگونگي اجراي فايل‌ها در فهرست‌هاي فايل‌ها، اطلاعاتي كه ممكن است كاملاً در كاتالوگ DBMS در دسترس نباشد، نياز باشد. از اينرو،‌ برنامه‌ريزي استراتژي اجرا ممكن است توصيف درست‌تري نسبت به بهينه‌سازي پرس و جو باشد. 
براي زبانهاي پايگاه اطلاعاتي (دريايي) جهت‌يابي در سطح پايينتر در سيستم‌هاي قانوني، مثل شبكه DML شبكه‌اي يا MOML سلسله مراتبي،‌ برنامه نويس بايد، استراتي اجراي پذيرش و جو را انتخاب كند ضمن اينكه برنامه پايگاه اطلاعاتي را مي‌نويسد. اگر DBMS فقط زيان جهت‌يابي را ارائه دهد. فرصت و نياز محدودي براي بهينه‌سازي پرس وجوي وسيع توسط DBMS وجود دارد، در عوض به برنامه نويس قابليت انتخاب استراتژي اجرايي بهينه ارائه مي‌شود. بعبارت ديگر، زبان پرس و جو در سطح بالا، مثل SQL  براي DBMSهاي رابطه‌اي يا OQL براي DBMS‌هاي مقصد،‌ در ماهيت تفريطي‌تر است. چون آنچه نتايج مورد نظر پرس و جو است بغير از شناسايي جزئيات چگونگي بدست آمدن نتيجه،‌ را تعيين مي‌كند. بهينه‌سازي پرس و جو براي پرس و جوهايي ضروي است كه در زبان پرس و جوي سطح بالا تعيين مي شوند. ما روي توصيف بهينه‌سازي پرس و جو در زمينه ROBMS تمركز مي‌كنيم چون بسياري از تكنيك‌هايي كه توصيف مي‌ كنيم براي، براي ODBMSها تطبيق يافته‌اند. DBMS رابطه‌اي بايد استراتژيهاي اجراي پرس و جوي ديگري را ارزيابي كند و استراتژي بهينه يا كارآمد معقولي را انتخاب كند. هر DBMS ،‌ تعدادي الگاريتم دسترسي به پايگاه اطلاعاتي كلي دارد كه علامتهاي رابطه‌اي مثل SELECT يا JOIN يا تركيبي از اين عمليات ‌ها را اجرا مي‌كند. تنها استراتژيهاي اجرايي كه مي‌توانند توسط الگاريتم‌هاي دسترسي DBMS اجرا شوند و براي طراحي پايگاه اطلاعاتي فيزيكي ويژه و پرس و جوي خاص بكار روند،‌ مي‌توانند توسط قطعه برنامه بهينه‌سازي پرس و جو در نظر گرفته شوند. 
ما در بخش ۱۸۰۱ با بحث كلي چگونگي ترجمه پرس و جوهاي SQL به پرس و جوهاي جبري رابطه‌اي و در بهينه‌شدن آنها كار را شروع مي‌كنيم. بعد ما روي الگاريتم‌ها براي اجراي عمليات‌هاي رابطه‌اي در بخش ۱۸۰۲ بحث مي‌كنيم. بدنبال اين مطلب، بررسي از استراتژيهاي بهينه‌سازي پرس و جو را ارائه مي‌دهيم. دو تكنيك اصلي براي اجراي بهينه‌‌سازي پرس و جو وجود دارد. اولين تكنيك بر اساس قوانين ذهني جهت ترتيب دادن عمليات‌ها در استراتژي اجراي پرس و جو مي‌باشد. ذهن قانوني است كه بخوبي در اكثر موارد عمل مي‌كند ولي براي كار مناسب در هر مورد كنش تضمين نمي‌شود. قوانين عمليات‌ها را در درخت پرس وجو مجدداً ترتيب مي‌دهند. دومين تكنيك شامل برآورد هزينه استراتژيهاي اجراي متفاوت و انتخاب طرح اجرايي با پايين‌ترين هزينه برآورد است. دو تكنيك معمولاً در بهينه ساز پرس و جو (باهم تركيب مي‌شوند) بهم ملحق مي‌گردند. ما روي بهينه‌سازي ذهني در بخش ۱۸۰۳ و برآورد هزينه در بخش ۱۸۰۴ بحث مي‌كنيم. بعد بررسي مختصري از عوامل در نظر گرفته شده در طول بهينه‌سازي پرس و جو در RDBMS بازرگاني ORACLL= در بخش ۱۸۰۵ را ارائه مي‌دهيم. بخش ۱۸۰۶،‌ نوعي بهينه‌سازي پرس و جوي معنايي را ارائه مي‌دهد كه در آن محدوديت‌هاي شناخته شده براي پرداختن به استراتژيهاي اجرايي پرس و جوي كارآمد استفاده مي‌شوند. 
۱۸۰۱ – ترجمه پرس و جوهاي SQL به پرس و جوهاي رابطه‌اي: 
در عمل، SQL زبان پرس وجويي است كه در اكثر RDBMS ‌هاي بازرگاني استفاده مي‌شود. پرس وجوي SQL ، ابتدا به عبارت جبري رابطه‌اي توسعه يافته معادل،‌ نمايانگر ساختار داروهاي درخت پرس و جو، ترجمه مي‌شود و بعد بهينه‌سازي مي‌شود. پرس و جوهاي SQL به بلوكهاي پرس و جو تجزيه مي‌شوند،‌ كه واحدهاي اساسي را تشكيل مي‌دهند كه مي‌توانند به عملكردهاي جبري ترجمه شوند و بهينه‌سازي شوند. بلوك پرس و جو شامل عبارت SELECT- FROM-WHERE تكي و بندهاي Groop By و HAVING است چنانچه اين‌ها بخشي از بلوك باشند. از اينرو،‌ پرس و جوهاي تو در تو در پرس و جو بعنوان بلوكهاي پرس و جوي مجزا شناسايي مي‌شوند. چون SQL شامل عملكردهاي گروهي، مثل MAX ،‌ COUNT,SUM مي‌باشد، اين عملگرها بايد در پرس و جوي جبري توسعه يافته‌اي شامل شوند، همانطوريكه در بخش ۷۰۵ توصيف شد. پرس و جوي SQL در رابطه EMPLOEE در تصوير ۷۰۵ را در نظر بگيريد: 
اين پرس و جو شامل، پرس و جوي فرعي تو در تو است و از اينرو به دو بلوك تجزيه مي‌شود. بلوك دروني بدين صورت است: 
و بلوك بيروني بدين صورت مي باشد: 
كه C نمايانگر نتيجه حاصله از بلوك دروني است. بلوك دروني به عبارت جبري رابطه‌اي توسعه يافته زير ترجمه شده است: 
و بلوك بيروني به عبارت زير  ترجمه شده است: 
بهينه‌ساز پرس و جو، طرح اجرايي را براي هر بلوك انتخاب مي‌كند. ما بايد اشاره كنيم به در مثال فوق، بلوك دروني نياز به ارزيابي شدن دارد تنها زماني كه، حداكثرحقوقي كه بعكار مي‌رود كه بعنوان ثابت C، توسط بلوك بيروني استفاده مي‌شود. ما اينرو پرس و جوي تودرتوي غيرمرتبط ناميديم (در فصل ۸). آن براي بهينه‌سازي پرس و جوهاي تو در توي مرتبط پيچيده‌تر، خيلي سخت‌تر است، جايي كه متغير Tuple از بلوك بيروني در بند WHERE در بلوك دروني ظاهر مي‌شود. 
۱۸۰۲- الگاريتم هاي انساني براي اجراي عملياتهاي پرس و جو: 
RDBMS شامل الگاريتم‌هايي براي اجراي انواع مختلف عملياتهاي رابطه‌‌اي است كه مي‌توانند در استراتژي اجراي پرس و جو نمايان شوند، اين عمليات‌ها شامل عملياتهاي جبري بيسيك (اصلي) و توسعه يافته مورد بحث در فصل ۷ ، و در بسياري موارد، الحاقاتي از اين عمليات‌ها مي‌باشد. براي هر يك از اين عمليات ها يا الحاقي از عمليات‌ها، يك يا چند الگاريتم براي اجراي عمليات‌ها در دسترس قرار دارند. الگاريتم ممكن است فقط براي ساختارهاي ذخيره خاص مسيرهاي دستيابي بكار روند، در اينصورت ،‌ تنها در صورتي استفاده مي‌شود كه فايل هاي موجود در عمليات شامل اين مسيرهاي دستيابي هستند. در اين بخش، ما به الگاريتم‌هاي نمونه بكار رفته براي اجراي SEKECT ، JOIN و ديگر عملياتهاي رابطه‌اي مي‌پردازيم. ما بحث مرتب كردن خارجي را در بخش ۱۸۰۲۰۱ آغاز مي‌كنيم كه در قلب عملياتهاي رابطه‌اي قرار دارد كه از استراتژيهاي ادغام كردن به مرتب كردن استفاده مي‌كند. بعد ما به الگاريتم‌هايي براي اجراي عمليات SELECT در بخش ۱۸۰۲۰۲ مي‌پردازيم،‌ به عمليات ‌JOIN در بخش ۱۸۰۲۰۳ و عمليات PRIJECT و عملياتهاي مجموعه در بخش IE 1802 و عمليات‌هاي گروهي و جمعي در بخش ۲ .۲ . ۱۸ مي‌پردازيم. 
۱٫ ۲٫ ۱۸- مرتب كردن خارجي: 
مرتب كردن، يكي از الگاريتم‌هاي اوليه بكار رفته در پردازش پرس و جو است. براي مثال، ‌به هر وقت پرس و جوي SQL ، بعد ORDER BY را تعيين مي‌كند، نتيجه پرس و جو بايد مرتب گردد. مرتب كردن، مؤلفه كليدي در الگاريتم‌هاي مرتب كردن- ادغام كردن (مرتب-ادغام) بكار رفته براي Join و عملياتهاي ديگر، دور الگاريتم‌هاي حذف كپي براي عمليات PROYECT است. ما روي بعضي از اين الگاريتم‌ها در بخش‌ ۳٫ ۲٫ ۱۸ و ۴٫ ۰۲ ۱۸ بحث خواهيم كرد. توجه كنيد كه مرتب كردن در صورتي كه اجتناب مي‌شود كه شاخص مناسب براي امكان دسترسي مرتب شده به ثبت‌ها وجود دارد. 
مرتب كردن خارجي به الگاريتم‌هاي مرتب كردن اشاره مي‌كند كه براي فايل هاي بزرگ ثبت ‌هاي ذخيره شده روي ديسك مناسب هستند كه در حافظه اصلي، مثل اكثر فايل هاي پايگاه اطلاعاتي تناسب نمي‌‌يابد. الگاريتم‌ مرتب كردن خارجي نمونه از استراتژي مرتب- ادغام استفاده مي‌كند، كه با مرتب كردن- فايل‌هاي فرعي كوچك بنام اجراها در فايل اصلي شروع مي‌شود و بعد اجراها مرتب شده ادغام مي‌شوند،‌‍ فايل‌هاي فرعي مرتب شده بزرگتري ايجاد مي‌شوند كه بترتيب ادغام مي‌شوند. الگاريتم ادغام –مرتب،‌ مثل ديگر الگاريتم هاي پايگاه اطلاعاتي به فاضي بافر در حافظه اصلي نياز دارد،‌ جايي كه مرتب كردن واقعي و ادغام اجراها انجام مي‌ شود. الگاريتم اصلي (سيبك) شرح داده شده در تصوير ۱۸۰۲ ، شامل دو مرحله است: (۱) فاز يا مرحله مرتب كردن و (۲) مرحله ادغام.
در مرحله مرتب كردن، اجراهاي فايلي كه مي‌تواند در فضاي باز موجود تناسب يابد در حافظه اصلي خوانده مي‌شوند و با استفاده از الگاريتم مرتب كردن داخلي مرتب مي‌شود عقب ديسك بعنوان فايل‌هاي فرعي مرتب شده متوفي نوشته مي‌شود. اندازه اجرا و تعداد اجراهاي آغازين   توسط تعداد بلوكهاي فايل (b) و فضاي بافر موجود (NB) بيان مي‌شود. براي مثال اگر   بلوكو اندازه قايل ۱۰۲۴=b  بلوك باشد،‌ بعد   يا ۲۰۵ اجراي آغازين در هر اندازه ۵ بلوك  است. از اينرو، بعد از مرحله مرتب كردن، ۲۰۵ اجراي مرتب شده بعنوان فايل‌هاي فرعي موقتي روي ديسك ذخيره مي‌شوند. اجراي مرتب شده بعنوان فايل‌هاي فرعي موقتي و روي ديسك ذخيره مي‌شوند. 
  • بازدید : 55 views
  • بدون نظر
این فایل قابل ویرایش می باشد وشامل موارد زیر است:

اغلب دستگاهها و مصرف كنندگان الكتريكي براي انجام كار مفيد نيازمند مقداري راكتيو براي مهيا كردن شرايط لازم براي كار هستند بعنوان مثال موتورهاي الكتريكي AC براي تبديل انرژي الكتريكي به انرژي مكانيكي، نيازمند توليد شار مغناطيسي در فاصله هوايي موتور هستند. ايجاد شار تنها توسط توان راكتيو امكان پذير است و با افزايش بار مكانيكي موتور مقدار توان راكتيو بيشتري مصرف مي گردد.
عمده مصرف كنندگان انرژي راكتيو عبارتند از:
۱)- سيم هاي الكترونيك قدرت
الف) مبدلهاي AC/DC  (RecTifier      )
ب) مبدلهاي DC/AC   (INVERTER    )
ج) مبدلهاي AC/AC  (Converter    )
۲) مصرف كنندگان يا تجهيزاتي كه داراي منتخه غير خطي هستند:
۳) متعادل سازهاي بارهاي نا متعادل.
۴) تثبيت كنندهاي ولتاژ
۵) كوره هاي القايي 
۶) كوره هاي قوس الكتريكي 
-انتقال انرژي راكتيو، انتقال جريان الكتريكي است و انتقالش نيازمند به كابل با سطح مقطع بزرگ تر دكل هاي فشار قوي مقاومتر، و در نتيجه هزينه هاي مازاداست، و همچنين افزايش تلفات الكتريكي وكاهش راندمان شبكه را نيز همراه دارد. و در مواردي مانند كاربردهاي الكترونيك قدرت و متعادل سازي بارهاي نا متعادل حتي انتقال انرژي راكتيو هم كار ساز نبوده و بايد انرژي در محل توليد نشود.
خازن بعنوان توليد كننده انرژي راكتيواست اما خازن توان راكتيو را توليد نكرده بلكه مصرف كننده آن نيز مي باشد. فقط در زمان كه ملف در خود انرژي ذخيره مي نمايد (توان راكتيو كه از شبكه مي كشد)، خازن، انرژي ذخيره خود را به شبكه تحويل مي دهد. و در زماني كه علف و خازن در كنار همديگر قرار گيرند موجبات تبادل انرژي بين علف و خازن گشته و ديگر تبادل انرژي بين مصرف كننده و شبكه صورت نمي گيرد.
تثبيت ولتاژ:
مورد استفاده ديگر خازن، تثبيت ولتاژ محل تغذيه باراست افزايش بار به معني افزايش دامنه جريان كشيده نشده از تبكه و ازدياد افت ولتاژ در محل تغذيه است.
۱) تقويت شبكه:
تقويت شبكه به معني كاهش امپرانس معادل شبكه در محل تغذيه مي باشد انجام اين مهم با افزايش ولتاژ شبكه و با تغذيه چند سوبه بار امكان پذير است كه براي اكثر مصرف كنندگان امكان پذير نيست.

۲) كاهش بار:
افت ولتاژ از حد مجاز را با تقليل دادن بار و تنظيم متوالي زماني بهره برداري دستگاهها مي توان جبران نمود. 
۳) استفاده از خازن
با تزريق كردن Q وار تتوان راكتيو به شبكه در محل مصرف ولتاژ از U1 به U2 افزايش پيدا كرد. كه ولتاژ U2 از فرمول تقريبي زير به دست مي آيد:
 
قدرت اتصال كوتاه شبكه در محل مصرف: S
قدرت راكتيو پياده سازي شده : Q
با استفاده از ويژگي فوق مي توان به تثبيت ولتاژ پرداخت. البته بايد دانست كه تثبيت ولتاژ و تنظيم ضريب توان بصورت همزمان امكان پذير نيست.
تمامي خازنها بصورت تكفاز بسته مي شوند و در ولتاژهاي پايين سه خازن تكفاز بصورت ستاره يا مثلث به متصل مي شوند.
ضريب توان:
ضريب توان معياري براي سنجش ميزان توان راكتيو مورد نياز دستگاههاي براي تبديل انرژي مي باشند. ضريب توان طبق تعريف عبارت است از نسبت توان اكتيو به كل توان الكتريكي  
با اتصال خازن به بار، ضريب قدرت كل مجموعه مصرف كننده و خازن تغيير مي كند چرا كه بخشي از انرژي راكتيو مورد نياز به مصرف كننده را خازن تامين مي كند و تنها نياز به دريافت جزء باقيمانده از شبكه مي باشد.
با اتصال Q وار خازن به مصرف كننده اي با ضريب توان   ضريب توان مجموعه خازن و بار به   تغيير پيدا مي كند كه   را از رابطه مقابل مي توان محاسبه كرد.  
رگولاتور:
رگلاتور اصلاح ضريب قدرت يكي از اساسي ترين بانكهاي خازني با قدمتي تقريبا برابر با قدمت خازن مي باشد 
طبق تعريف رگلاتور دستگاهي است كه با اندازه گيري ضريب توان بار، به مقدار مورد نياز خازن به مدار وارد مي نمايد.
اصول كار رگلاتور:
فرض كنيم مي خواهيم به صورت دستي و بويد دستگاههاي اندازه گيري توان اكتيو و راكتيو، ضريب توان را اصلاح كنيم همچنين فرض كنيم كه ۵ عدد خازن هم ظرفيت q كيلوواري در اختيار داريم روند تنظيم به شرح زير مي باشد:
مرحله۱) اندازه گيري توان اكتيو و راكتيو.
مرحله۲) محاسبه ضريب توان با استفاده از فرمول  
مرحله۳) محاسبه توان راكتيو مورد نياز براي رسيدن به ضريب توان مطلوب  
مرحله۴) تفريق Q كيلووار راكتيو به مدار.
در اين جا دو حالت پيش مي آيد:
حالت الف: Q كيلووار معادل ۳۰۸q مي باشد يعني ۳ پله واحد و ۰٫۸ پله را وارد مدار نمائيم حال دو انتخاب وجود دارد:
وارد كردن ۳ پله (به ضريب توان مطلوب نمي رسيم)
وارد كردن ۴ پله (ضريب توان بزرگ تر از مقدار مطلوب مي شود)
حال بايد بپذيريم كه:
در هر حال مقداري خطا وجود دارد اين ميزان خطا چقدر است؟ به چه عواملي بستگي دارد؟ و چگونه مي توان آنرا كنترل نمود؟
پاسخ به دو سوال آخر آسان است: ظرفيت كوچكترين پله چون كل راكتيو مورد نياز به مضربي از كوچك ترين پله گرد مي شود. و هر چه اين عدد كوچك تر باشد خطا كمتر است. ولي كوچك ساختن پله اول موجب استهلاك قطعات، افزايش تعداد قطع و وصل ها ايجاد شوك و تنش هاي الكترومكانيكي مي شود.
نسبت C/K در واقع تنظيم كننده دقت يا خطاي تنظيم است. و معمولا ميزان خطا متناسب است با ۰٫۵ الي ۰٫۶۵ كوچكترين پله بانك خازن.
در رگلاتوري كه مبناي خطا ۰٫۶۵ كوچك ترين پله است بجاي ۵٫۶۷ برابر كوچك ترين پله (۰٫۶۵*q)، ۶ برابر كوچكترين پله يعني ۶*q وارد مدار مي شود و بجاي ۵٫۴ برابر كوچك ترين پله، S برابر كوچكترين پله يعني ۵*q وارد مدار مي شود.
پس هر خطا به صورت زير فرمول بندي مي شود. 
نسبت تبديل ترانس جريان = K    
محاسبه خازن گذاري:
همانطور كه گفته شد اهميت خازن در سيستم هاي صنعتي كاملا متهود مي باشد. ضريب توان كل سيستم برابر با ۰٫۷۹۶۶  مي باشد. حالت مطلوب براي ما، بودن ضريب تواني برابر با ۰٫۹۵ مي باشد. 
 
مرحله اول كه اندازه گيري توان اكتيو و راكتيو و مرحله دوم كه محاسبه ضريب توان مي باشد انجام نشده است.
حال مرحله سوم كه محاسبه توان راكتيو مورد نياز براي رسيدن به ضريب توان مطلوب است را انجام مي دهيم:
   
بانك خازن ۴۲۵KVAR به عنوان بانك خازني در نظر گرفته مي شود.
پله رگولاتور عبارتند از: 
  • بازدید : 45 views
  • بدون نظر
این فایل در ۲۰صفحه قابل ویرایش تهیه شده وشامل موارد زیر است:

نظر به آنکه در دهه اخیر بسیاری از مسائل بهینه سازی با استفاده از روش کارآمد برنامه ریزی نیمه معین (SDP)حل می شوند،بر آن دیدیم تا گزارشی از مفاهیم مقدماتی آن را ارائه کنیم.در این مجموعه سعی شده است تا عناوین اصلی مساله برنامه ریزی خطی نیمه معین به بحث گذاشته شود.
در آغاز ساختمان و مفاهیم کلیدی مساله برنامه ریزی خطی(LP) بازنگری شده و سپس مساله برنامه ریزی نیمه معین معرفی شده است.این عمل در ابتدای متن گزارش به دلیل وجوه اشتراک بسیار زیاد این دو مساله خواننده را برای مطالعه برنامه ریزی نیمه معین آماده می کند.همچنین در قسمت ابتدایی متن مروری اجمالی بر روابط موجود میان ماتریس ها،بردارها و فضاهای اقلیدسی شده است

پس از معرفی مساله برنامه ریزی نیمه معین با ارائه  مثال هایی کاربرد این مساله را در حل مسائل بهینه سازی شرح داده ایم و نیز در قسمتی از آن با بیان مساله برنامه ریزی خطی به عنوان حالت خاصی از مساله برنامه ریزی نیمه معین، عمومیت و سیطره آن بر مساله برنامه ریزی خطی(LP) بیش از پیش برای خواننده مشخص و معین شده است.
در ادامه به معرفی مساله دوگان مساله برنامه ریزی خطی نیمه معین و روابط میان جواب های این دو مساله به تفصیل پرداخته ایم .نکته جالب در این بخش شباهت های بسیار زیاد این روابط با قضایای ضعیف و قوی دوگانی مطرح شده در مسئله برنامه ریزی خطی می باشد.

در پایان گزارش به  بررسی مساله ای جالب و خواندنی در نظریه گراف اقدام شده است که شاید این مثال بار دیگر ارتباط تنگاتنگ شاخه های متفاوت ریاضی با یکدیگر را به اثبات برساند.

به دلیل آن که مساله برنامه ریزی برنامه ریزی نیمه معین را نمی توان به وسیله روش هایی مشابه روش سیمپلکس حل کرد و بیشتر از روش های نقطه درونی در حل آن استفاده می شود که همانا برای مطالعه آن ها  نیاز به دانستن مطالبی فراتر از سرفصل های ارائه شده در دوره کارشناسی ریاضی است،از ذکر آن ها در این گزارش خودداری شده است .در قسمت پایانی متن منابع استفاده شده در این پروژه که عموما مقالاتی مرتبط از سایت های دانشگاه های معتبر جهان می باشد ،ذکر شده اند.
امید است مطالب این گزارش بتواند تا حدی بازگوی کاربردهای بی شمار مساله برنامه ریزی نیمه معین باشند .

عتیقه زیرخاکی گنج