مطالب مرتبط با کلید واژه

الگوریتم های فرا ابتکاری


۱.

تخصیص بهینه فضای کتابخانه به انواع کتاب با استفاده از الگوریتم فاخته

کلید واژه ها: بهینه سازی الگوریتم های فرا ابتکاری تخصیص فضا فضای کتابخانه الگوریتم فاخته.

حوزه های تخصصی:
تعداد بازدید : ۹۱۴ تعداد دانلود : ۴۳۸
هدف: هدف اصلی این مقاله آن است که مدلی طراحی کند که طی آن، کتاب ها طوری در قفسه های کتابخانه چیده شود که با توجه به شباهت موضوعی کتاب ها و فاصله قفسه ی کتاب ها از هم، حرکت کلیه مراجعان در مجموعه کتابخانه کمینه شود و محدودیت های مربوط به تعداد هر نوع کتاب و حجم قفسه ها لحاظ گردد. روش: مسأله چیدمان کتاب یک موضوع بهینه سازی مکانی با فضای جستجوی وسیع است که به دلیل تنوع بسیار بالای حالات چیدمان امکان حل آن توسط روش های قطعی و ریاضی وجود ندارد. موضوع این تحقیق، حل این مسأله با استفاده از الگوریتم بهینه سازی فاخته است. یافته ها: الگوریتم فاخته برای این مسأله ۳۵۰ بار اجرا شده است. با توجه به صحت و دقت بالای الگوریتم، جواب های قابل قبولی به دست آمده است. نتایج محاسبات نشان می دهد که الگوریتم مناسبی برای مسأله تخصیص بهینه فضای کتابخانه به انواع کتاب است. اصالت/ارزش: مسأله چیدمان کتاب ها در یک کتابخانه موضوعی پیچیده است و تأثیر زیادی در دسترسی و راحتی استفاده از کتاب ها را دارد. ارزش این مقاله در ارائه روشی برای بهینه سازی چیدمان است.
۲.

طراحی مدل برنامه ریزی دو سطحی در زنجیره تامین غیر متمرکز تولید توزیع با در نظر گرفتن تبلیغات مشارکتی

کلید واژه ها: برنامه ریزی دو سطحی بازی استکلبرگ الگوریتم های فرا ابتکاری زنجیره تامین تولید توزی تبلیغات مشارکتی

حوزه های تخصصی:
تعداد بازدید : ۷۳۲ تعداد دانلود : ۶۷۶
در این نوشتار یک زنجیره تامین دو سطحی شامل یک تولید کننده و یک توزیع کننده تحت مدیریت غیرمتمرکز و با هدف بیشینه سازی سود از طریق تامین تقاضای بازارهای مختلف مورد مطالعه قرار گرفته است. تولید کننده ضمن انجام تبلیغات عمومی ، در بخشی از هزینه تبلیغات محلی توزیع کننده مشارکت می نماید. ارتباط میان تولید کننده و توزیع کننده در قالب دو سناریوی قدرت مبتنی بر بازی استکلبرگ با بهره گیری از روش برنامه ریزی دو سطحی مدل سازی شده و سیاست های بهینه تولیدکننده و توزیع کننده در حوزه قیمت گذاری، مدیریت موجودی، تبلیغات و لجستیک تعیین می گردد. به منظور حل مدل های برنامه ریزی دو سطحی، دو الگوریتم فرا ابتکاری ژنتیک با ساختار سلسله مراتبی توسعه می یابند. در انتها جهت ارزیابی اعتبار مدل های توسعه یافته، مجموعه ای از آزمایشات محاسباتی روی داده های گردآوری شده از زنجیره تامین قطعات یدکی خودرو انجام می گیرد
۳.

مقایسه الگوریتمهای پیش بینی و بهینه سازی در بورس اوراق بهادار تهران

کلید واژه ها: شبکه های عصبی بهینه سازی پرتفوی الگوریتم های فرا ابتکاری شبکه فازی عصبی

حوزه های تخصصی:
تعداد بازدید : ۱۰۵۸ تعداد دانلود : ۵۱۱
در این مطالعه، با استفاده از دو الگوریتم شبکه عصبی مصنوعی و شبکه فازی- عصبی به عنوان دو الگوریتم پیش بینی قیمت اوراق بهادار و از دو الگوریتم ممتیک حرکت تجمعی ذرات، الگوریتم ژنتیک و روش کوادراتیک به منظور حل مساله بهینه سازی پرتفوی بدون محدودیت برای 23 شرکت فعال بازار بورس طی سال های 94-1391 به صورت روزانه استفاده شده است. نتایج حاصل از این تحقیق نشان می دهد که شبکه های عصبی توانسته عملکرد بهتری را در پیش بینی بازده اوراق بهادار نسبت به سیستم فازی عصبی نشان دهد و همچنین در بررسی عملکرد سه الگوریتم کوادراتیک، ژنتیک و ممتیک، نتایج نشان می دهد که الگوریتم جهش ترکیبی قورباغه توانسته عملکرد و نتیجه بهتری را در مقایسه با الگوریتم ژنتیک نسبت به الگوریتم کوادراتیک نشان دهد. و همچنین نتایج این مطالعه، نشان می دهد که الگوریتم شبکه عصبی می تواند الگوریتمی قابل اتکا برای سهامداران باشد.
۴.

برآورد تابع بهای تمام شده تولید انرژی در واحدهای گازی نیروگاه سیکل ترکیبی اردبیل با استفاده از الگوریتم های هوش مصنوعی

تعداد بازدید : ۳۰۰ تعداد دانلود : ۲۸۷
با مقررات زدایی از بازار و شکل گیری بازار روز بعد انرژی، باهدف کاهش هزینه های تولی د و توزی ع ب رق و رف ع ناکارآمدی های صنعت برق انحصاری، تحدید ساختار در بازار برق ایران انجام گرفت که در آن در هرروز تولیدکنندگان انرژی با یکدیگر به رقابت می پردازند. دراین بین بهای تمام شده تولید انرژی پارامتر تعیین کننده در تعیین استراتژی پیشنهاد قیمت توسط هر نیروگاه و میزان سود بخشی آن می باشد. ازاین رو در این مقاله با در نظر گرفتن هزینه های سوخت مصرفی، استهلاک، تعمیرات، بهره برداری و سایر هزینه ها به عنوان عوامل تأثیرگذار بر روی بهای تمام شده تولید برق، تابع هزینه تولید برآورد شده است. در این مطالعه، نظر به سهم قابل توجه سوخت بر روی بهای تمام شده، سوخت مصرفی را به صورت جدا از سایر موارد موردبررسی قرار داده ایم و به جای سرشکن کردن هزینه سوخت در طول یک سال بر روی کل تولید، ابتدا تابع مصرف سوخت در سطوح مختلف تولید در دو حالت سوخت گاز و گازوئیل محاسبه شده و به دنبال آن هزینه سوخت مصرفی محاسبه گردیده است. مطابق با نتایج به دست آمده، از اجرای مدل پیشنهادی بر روی واحد گازی نیروگاه سیکل ترکیبی اردبیل، متوسط هزینه تولید هر کیلووات ساعت برق با سوخت گاز برابر با 398 ریال و با سوخت گازوئیل برابر با 500 ریال می باشد.
۵.

بررسی مقایسه ای الگوریتم های فرا ابتکاری برای مسیریابی وسیله نقلیه پویا به منظور بهره وری وکارایی سیستم های حمل و نقل

تعداد بازدید : ۶۷ تعداد دانلود : ۱۱۵
مسأله مسیریابی وسیله نقلیه (VRP) یکی از معروف ترین مسائل بهینه سازی است که در دهه ها ی اخیر کاربرد های زیادی به منظور بهره وری و کارایی سیستم های حمل و نقل داشته است. مسأله مسیریابی وسائل نقلیه با بارگیری و تحویل همزمان، که توزیع و جمع آوری همزمان کالا از مبدأ به مقصد (مشتریان) را انجام می دهد یکی از انواع کلاسیک مسأله مسیریابی می باشد که در آن مشتریان نیازمند تکمیل فرآیند بارگیری و تحویل در انبار در یک پنجره زمانی خاص می باشند. کاربرد های این مسأله در بسیاری از مسائل روزمره واقعی همچون حمل و نقل و بهینه سازی برنامه ریزی منطقی مشهود می باشد. این مقاله از الگوریتم های فرا ابتکاری برای این منظور استفاده کرده است. روش پیشنهادی برای حل مسأله مسیریابی وسیله نقلیه ظرفیت دار جهت بهبود بهره وری و کارایی توزیع (با کمینه کردن فاصله کل طی شده در هر مسیر) و با در نظر گرفتن ظرفیت مسیر های مختلف به کار گرفته شده است. این مسأله، ذاتاً یک مسألهNP-Hard می باشد بنابراین هیچ روش بهینه با زمان چند جمله ای برای آن وجود ندارد. روش پیشنهادی که برمبنای الگوریتم ژنتیک می باشد، بر روی برخی از مسائل آزمون استاندارد با درنظر گرفتن بهره وری محاسباتی و کیفیت جواب آزمون شده است. عملکرد روش ارائه شده با سایر الگوریتم های ابتکاری موجود بر روی همان مسأله مقایسه شده است. نتایج عددی نشان دهنده موفقیت رویکرد پیشنهادی برای مسائل مقید سخت می باشد و مکانیزم جواب ساده و پایداری را برای کاربردهای دنیای واقعی بویژه بهینه سازی مسیر یابی وسائل نقلیه را ارائه می دهد. 
۶.

رویکرد چندهدفه مبتنی بر روش های فرا ابتکاری برای مسئله انتخاب زیرمجموعه ویژگی ها

تعداد بازدید : ۱۹ تعداد دانلود : ۱۷
هدف: پیدا کردن زیرمجموعه ای از مجموعه ویژگی ها، مسئله ای است که در زمینه های مختلفی مانند یادگیری ماشین و شناسایی آماری الگوها، کاربرد گسترده ای دارد. با توجه به اینکه افزایش تعداد ویژگی ها، هزینه محاسباتی سیستم را به طور تصاعدی افزایش می دهد، این پژوهش به دنبال طراحی و پیاده سازی سیستم هایی با کمترین تعداد ویژگی و کارایی قابل قبول است. روش: با توجه به لزوم جست وجوی کارآمد در فضای جواب، در این پژوهش برای انتخاب ویژگی در داده های چندکلاسه، از الگوریتم ژنتیک (GA) و الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA II) چندهدفه با هدف افزایش دقت طبقه بندی و کاهش تعداد ویژگی ها استفاده شده است. روش ارائه شده، بر مبنای دو روش طبقه بندی ماشین بردار پشتیبان (SVM) و K نزدیک ترین همسایه (KNN) روی 6 مجموعه داده اعتباری به اجرا درآمد و نتایج آن تجزیه و تحلیل شد. یافته ها: الگوریتم ژنتیک و الگوریتم ژنتیک با مرتب سازی نامغلوب چندهدفه برای افزایش دقت طبقه بندی و کاهش تعداد ویژگی ها در مسئله انتخاب ویژگی در داده های چندکلاسه کارکرد مناسبی دارند. نتایج به دست آمده، نشان دهنده بهبود در دقت طبقه بندی، هم زمان با کاهش چشمگیر در تعداد ویژگی ها در هر دو روش ماشین بردار پشتیبان و نزدیک ترین همسایه است. نتیجه گیری: با توجه به نتایج، رویکرد پیشنهادشده در این پژوهش برای مسئله انتخاب ویژگی ها کارایی بسیار خوبی دارد.