بررسی عملکرد دو الگوریتم ژنتیک (GA) و اجتماع ذرات (PSO) در بهینه سازی مسئله CGAM

Authors

بهداد احرار یزدی دانشکده مهندسی مکانیک، دانشگاه بوعلی سینا، همدان

بهنام احرار یزدی گروه مکانیک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات مرکزی، اراک

مهدی کریمی دانشکده مهندسی مکانیک، دانشگاه بوعلی سینا، همدان

Abstract:

نوشتار حاضر به مدل‌سازی ترمودینامیکی یک نیروگاه توربین گازی با توان تولیدی M‌W ۳۰ و (k‌g/s) ۱۴ بخار اشباع در فشار b‌a‌r ۲۰ پرداخته است. این سیستم معروف به مسئله C‌G‌A‌M است. در مسئله‌ی C‌G‌A‌M تابع هدف شامل مجموع هزینه‌ی سرمایه‌گذاری و همچنین هزینه‌ی سوخت مصرفی است. در این نوشتار بهینه‌سازی با کمینه‌سازی تابع هدف و نیز به‌کارگیری الگوریتم ژنتیک و الگوریتم اجتماع ذرات به‌کمک نرم‌افزار متلب انجام می‌شود و در نهایت عملکرد این دو الگوریتم با یکدیگر مقایسه می‌شود. نتایج حاصل از مقایسه‌ی تعداد توابع ارزیابی شده (N‌F‌E) این دو الگوریتم نشان می‌دهد که سرعت همگرایی الگوریتم اجتماع ذرات در یافتن کمترین تابع هزینه نسبت به الگوریتم ژنتیک بالاتر است. همچنین در حل مسئله‌ی C‌G‌A‌M الگوریتم بهینه‌سازی اجتماع ذرات به‌لحاظ پیاده‌سازی، انعطاف‌پذیری، و سهولت برنامه‌نویسی به‌مراتب از الگوریتم ژنتیک تواناتر است.

Upgrade to premium to download articles

Already have an account?login

similar resources

بهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(GA) و بهینه سازی دسته ذرات(PSO)

چکیده: در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیدهای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار میباشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک ...

full text

برآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSO) و الگوریتم ژنتیک (GA)

با توجه به اهمیت فراوان درآمدهای مالیاتی در تأمین منابع مالی مورد نیاز دولتها، بررسی ظرفیت بالفعل مالیاتی همواره مورد توجه دولتمردان و سیاستگذاران بوده است. در این مقاله، تابع ظرفیت مالیاتی با دو الگوریتم ژنتیک و بهینه سازی انبوه ذرات طی دوره 1389-1361 برآورد شده است. براساس معیارهای ارزیابی عملکرد که شامل میانگین انحراف معیار، جذر میانگین انحراف معیار، میانگین درصد خطای مطلق و میانگین خطا...

full text

بهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(ga) و بهینه سازی دسته ذرات(pso)

full text

برآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (pso) و الگوریتم ژنتیک (ga)

full text

تخمین حالت در شبکه های توزیع برق بر مبنای بهینه سازی اجتماع ذرات دو حلقه ای جهش یافته (DLM-PSO)

This paper presents a novel algorithm based on particle swarm optimization (PSO) to estimate the states of electric distribution networks. In order to improve the performance, accuracy, convergence speed, and eliminate the stagnation effect of original PSO, a secondary PSO loop and mutation algorithm as well as stretching function is proposed. For accounting uncertainties of loads in distributi...

full text

بهینه سازی فرآیند فرزکاری نوع مرطوب نانوذرات به کمک روش تاگوچی و الگوریتم ژنتیک (GA)

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

مهندسی مکانیک شریف

volume 33.3 issue 1

pages 129- 136

publication date 2017-05-22

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

بهینه‌سازی C‌G‌A‌M الگوریتم ژنتیک الگوریتم اجتماع ذرات

Hosted on Doprax cloud platform doprax.com