الگوریتم ژنتیک مبتنی بر کد واقعی با جهش هوشمند برای حل مسائل پخش بار اقتصادی غیرمحدب

Authors

ناصر قربانی

دانشگاه تبریز ابراهیم بابائی

دانشگاه تبریز

abstract

در این مقاله، یک روش جدید برای حل مسائل پخش بار اقتصادی با استفاده از الگوریتم ژنتیک مبتنی بر کدهای واقعی با جهش هوشمند پیشنهاد می شود. در روش پیشنهادی کنترل لازم بر روی مقادیر مجموع کروموزوم ها صورت می گیرد در نتیجه نیازی به استفاده از هزینه جریمه در حل مسئله پخش بار اقتصادی نخواهد بود. این روش بر روی الگوریتم ژنتیک کلاسیک جهت حل مسائل پخش بار اقتصادی غیر محدب پیاده شده است .روش پیشنهادی قابلیت تعمیم و پیاده سازی بر روی انواع مسایل بهینه سازی را دارد. روش پیشنهادی ضمن کاهش محدوده جستجو، تنها در محدوده منطقی و قابل قبول شروع به اکتشاف هزینه بهینه می نماید. برای نشان دادن کارایی و عملکرد روش پیشنهادی، حل مسئله پخش بار اقتصادی با انواع قیودها در سیستم های 6 ژنراتوره، 15 ژنراتوره و 40 ژنراتوره با استفاده از روش پیشنهادی صورت گرفته است. نتایج کار با نتایج سایر الگوریتم های پیشرفته تکنیکی مقایسه شده است که نشان دهنده برتری روش پیشنهادی نسبت به سایر روش ها می باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

الگوریتم ژنتیک با جهش آشوبی هوشمند و ترکیب چند‌نقطه‌ای مکاشفه‌ای برای حل مسئله رنگ‌آمیزی گراف

Graph coloring is a way of coloring the vertices of a graph such that no two adjacent vertices have the same color. Graph coloring problem (GCP) is about finding the smallest number of colors needed to color a given graph. The smallest number of colors needed to color a graph G, is called its chromatic number. GCP is a well-known NP-hard problems and, therefore, heuristic algorithms are usually...

full text

الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا

چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینه­سازی با ماهیتی پویا هستند، به‌طوری‌که مقدار بهینه سراسری آن­ها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتم­هایی نیاز داریم که بتوانند خود را با شرایط این مسائل به­خوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوب­گونه مبتنی بر خوشه­بندی و حافظه برای حل مسائل پویا ارائ...

full text

ساخت هوشمند موسیقی با الگوریتم ژنتیک مبتنی بر جهش یکنواخت موتیف

امروزه دنیای موسیقی و هوش مصنوعی به واسطه پژوهش‏های انجام شده در هر دو حوزه به هم نزدیک‌تر شده‌اند. ساخت موسیقی با استفاده از راه‌کارهای موجود در هوش مصنوعی، زمینه‌ پژوهشی جدیدی را ایجاد کرده است. ساخت خودکار موسیقی علاوه بر اینکه ما را در شناخت بهتر چگونگی تفکر موسیقیایی انسان یاری خواهد کرد، کمک شایان توجهی به آهنگ‌سازان و موسیقی‌دانان در بهبود تئوری‌های موسیقی با استفاده از قدرت محاسباتی کام...

full text

ساخت هوشمند موسیقی با الگوریتم ژنتیک مبتنی بر جهش یکنواخت موتیف

امروزه دنیای موسیقی و هوش مصنوعی به واسطه پژوهش‏های انجام شده در هر دو حوزه به هم نزدیک تر شده اند. ساخت موسیقی با استفاده از راه کارهای موجود در هوش مصنوعی، زمینه پژوهشی جدیدی را ایجاد کرده است. ساخت خودکار موسیقی علاوه بر اینکه ما را در شناخت بهتر چگونگی تفکر موسیقیایی انسان یاری خواهد کرد، کمک شایان توجهی به آهنگ سازان و موسیقی دانان در بهبود تئوری های موسیقی با استفاده از قدرت محاسباتی کامپ...

full text

الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا

چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینه­سازی با ماهیتی پویا هستند، به طوری که مقدار بهینه سراسری آن­ها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتم­هایی نیاز داریم که بتوانند خود را با شرایط این مسائل به­خوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوب­گونه مبتنی بر خوشه­بندی و حافظه برای حل مسائل پویا ارائ...

full text

My Resources

Save resource for easier access later


Journal title:
هوش محاسباتی در مهندسی برق

جلد ۷، شماره ۱، صفحات ۱۳-۲۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023