طراحی نمونهبرداری چند هدفه برای واسنجی مدل شبکه توزیع آب با استفاده از الگوریتم ژنتیک و شبکه عصبی
Authors
Abstract:
در این مقاله یک مدل بهینهسازی چندهدفة نوین برای انتخاب نقاط بهینه در شبکه توزیع آب بهمنظور نصب ابزارهای اندازهگیری فشار ارائه میشود. دادههای فشارسنجی جمعآوری شده در نقاط منتخب (بهینه) میتواند بعداً برای واسنجی مدل مورد استفاده قرار گیرد. توابع هدف، افزایش دقت پیشبینی مدل واسنجی شده و کاهش هزینه کل نمونهبرداری میباشند. به منظور کاهش زمان اجرا، مدل بهینهسازی چندهدفه با تلفیقی از الگوریتم ژنتیک و شبکه عصبی سازگار توسعه یافته است. شبکه عصبی پس از پیشرفت چند نسل اولیه الگوریتم ژنتیک به صورت اولیه آموزش دیده و پس از تولید تعداد مشخصی از جوابهای تحلیل شده با مدل کامل به صورت دورهای در طی الگوریتم ژنتیک آموزش مجدد داده میشود تا بهروز گردد. شبکه عصبی آموزشدیده در طی پیشرفت الگوریتم ژنتیک جایگزین محاسبه تابع هدف بخشی از کروموزومهای یک نسل میگردد. استفاده از حافظه نهانی سبب جلوگیری از ارزیابی تابع هدف جوابهای تکراری در طی الگوریتم میشود. جواب مدل بهینهسازی به صورت مجموعه نقاط غیرپست (رویه بهینه پارتو) نسبت به دو تابع هدف به دست میآید. نتایج نشان میدهد تلفیق شبکههای عصبی مصنوعی در مدل بهینهسازی الگوریتم ژنتیک برای برآورد تابع هدف بخشی از جوابها، کاهش چشمگیری در زمان اجرا دارد و میتواند در کاهش زمان اجرای مدلهای بهینهسازی با زمان اجرای طولانی بسیار نویدبخش باشد.
similar resources
طراحی نمونه برداری چند هدفه برای واسنجی مدل شبکه توزیع آب با استفاده از الگوریتم ژنتیک و شبکه عصبی
در این مقاله یک مدل بهینه سازی چندهدفة نوین برای انتخاب نقاط بهینه در شبکه توزیع آب به منظور نصب ابزار های اندازه گیری فشار ارائه می شود. داده های فشار سنجی جمع آوری شده در نقاط منتخب (بهینه) می تواند بعداً برای واسنجی مدل مورد استفاده قرار گیرد. توابع هدف، افزایش دقت پیش بینی مدل واسنجی شده و کاهش هزینه کل نمونه برداری می باشند. به منظور کاهش زمان اجرا، مدل بهینه سازی چندهدفه با تلفیقی از الگور...
full textطراحی چند هدفه شبکه زنجیره تأمین با رویکرد الگوریتم ژنتیک
طراحی شبکه زنجیره تأمین از اساسی ترین مسائل مطرح در سازمان هاست، به خصوص سازمان هایی که در سطح بین المللی فعالیت می کنند. بهینه سازی این شبکه منجر به مدیریت کارا و مؤثر عملیات کل زنجیره تأمین می شود. طراحی شبکه تعداد، موقعیت، ظرفیت، نوع تسهیلات شبکه، مسیرهای توزیع، حمل مواد و محصولات از تأمین کننده تا مشتری و برعکس را مشخص می کند. این پژوهش روش حل جدیدی براساس الگوریتم های فرا ابتکاری moga و ns...
full textعوامل موثر بر تمایل به ترک سازمان با استفاده از الگوریتم های مبتنی بر شبکه عصبی و ژنتیک چند هدفه
بهبود بازدهی سرمایه انسانی از آنجا که می تواند نقش موثری در کارایی سازمان داشته باشد، همواره یکی از موضوعات پژوهش بوده است. میزان تمایل به ترک سازمان یکی از عوامل تأثیرگذار بر کارایی سرمایه انسانی است که آن را میتوان با استفاده از الگوهای درون دادهای، شرایط حاکم بر سازمان و بررسی عوامل مؤثر بر آن پیش بینی کرد. به همین منظور، از الگوریتمهای هوشمند مبتنی بر شبکه عصبی و الگوریتم ژنتیک چندهدفه ...
full textبهینهسازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
full text
پیشبینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی
خشکسالی بهعنوان یکی از مهمترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن بهمنظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت آن، طراحی سیستمهای پیشبینی خشکسالی است که بتوان اثرات مخرب ناشی از آن را به حداقل رساند. به این منظور در این تحقیق...
full textطراحی چند هدفه شبکه های توزیع آب با استفاده از شاخص اطمینان پذیری فازی (fri)
در این تحقیق طراحی چند هدفه شبکه توزیع آب شهری با استفاده از یک الگوریتم چند هدفه صورت گرفت. توابع هدف مورد استفاده، کمینه کردن هزینه و بیشینه کردن اطمینان پذیری بود. همچنین با به کارگیری منطق فازی در محدوده فشار کمینه و بیشینه مجاز شبکه و بر اساس تعاریف متداول اطمینان پذیری، معیار اطمینان پذیری قطعی جدیدی به نام شاخص اطمینان پذیری فازی پیشنهاد شد. سپس با توسعه الگوریتم چندهدفه جفت گیری زنبور ع...
full textMy Resources
Journal title
volume 19 issue 1
pages 13- 22
publication date 2008-03-01
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023