الگوریتم ترکیبی

یکی از مسائل مهم در بهره برداری بهینه از سیستم قدرت، بهره برداری بهینه از ریزشبکه ها با در نظر گرفتن مدیریت سمت تقاضا است. اجرای برنامه های مدیریت سمت تقاضا از یک طرف باعث کاهش هزینه بهره برداری از سیستم قدرت گردیده و از طرف دیگر اجرای این گونه برنامه ها نیاز به سیاستهای تشویقی مالی دارد. در این مقاله مسئله بهره برداری بهینه از ریزشبکه ها به همراه مدیریت سمت تقاضا به صورت یک مساله بهینه سازی فرمول بندی گردیده است. جابجایی بار به عنوان یک راهکار موثر در مدیریت سمت تقاضا در نظر گرفته شده است. تابع هدف این مساله، حداقل کردن مجموع هزینه های بهره برداری از سیستم قدرت و هزینه جابجایی بار بوده و قیود مساله شامل قیود بهره برداری و محدودیتهای اجرایی برای جابجایی بار است. در این مساله میزان جابجایی بارها برحسب ساعت به عنوان متغیرهای مسئله در نظر گرفته شده و برای حل این مساله، از ترکیب الگوریتم ژنتیک و الگوریتم پخش بار بهینه استفاده شده است. روش پیشنهادی به یک ریزشبکه نمونه اعمال شده و نتایج نشان داد که با مدیریت سمت تقاضا می توان هزینه کل بهره برداری از یک ریزشبکه را کاهش داد.

دارو محصولی حیاتی است که سلامت جامعه را رقم می زند و تحویل به موقع آن به مصرف کنندگان از اهمیت بالایی برخوردار بوده و در نتیجه نیازمند به برنامه ریزی مناسبی برای تولید/توزیع آن هستیم. در این پژوهش یک مسئله زنجیره تأمین دارویی دوسطحی چند دوره ای ارائه شد که تقاضا در سطح دوم غیرقطعی است. برای مدل سازی مسئله یادشده از رویکرد برنامه ریزی تصادفی دومرحله ای استفاده شد. هدف مدل ارائه شده شامل حداقل کردن هزینه های تولید، موجودی، انتقال، هزینه های زمان ارسال، زودکرد و دیرکرد است. با توجه به اینکه مدل با تابع هدف زودکرد و دیرکرد با موعد تحویل متفاوت یک مسئله NP-hard است و هرچه ابعاد مسئله افزایش یابد، روش دقیق توانایی حل مسئله را در زمان معقول ندارد؛ بنابراین برای این مسئله یک الگوریتم ژنتیک به همراه یک الگوریتم ترکیبی ژنتیک و جست وجوی همسایگی متغیر ارائه شد. در حل این مدل با استفاده از برنامه ریزی تصادفی، پنج سناریو مطالعه و شاخص «ارزش مورد انتظار اطلاعات کامل» محاسبه و درنهایت نتایج آن با جواب مدل برنامه ریزی تصادفی دومرحله ای مقایسه شد. همچنین روش برنامه ریزی تصادفی، الگوریتم ترکیبی و الگوریتم ژنتیک در نظر گرفتن سناریوهای مختلف با یکدیگر مقایسه شدند. نتایج نشان داد که از لحاظ تابع هدف الگوریتم ترکیبی کارایی بسیار خوبی در مقایسه با الگوریتم ژنتیک دارد.

الگوریتم های هوش مصنوعی شامل شاخه های مختلفی از علوم کامپیوتر و ریاضیات می باشند. الگوریتم های ترکیبی یا فراتکاملی نوعی از الگوریتم های تقریبی هستند که برای یافتن پاسخ بهینه به کار می روند. یک الگوریتم بهینه سازی ترکیبی یک روش ابتکاری است که میتواند با تغییرهایی کم برای مسائل مخلتف بهینه سازی به کار رود الگوریتم های فرا ابتکاری بطور قابل ملاحظه ای توانایی یافتن جواب های با کیفیت بالا را برای مسائل بهینه سازی در تصمیم گیری و پیش بینی های مدیریت منابع انسانی سخت افزایش میدهد. این پژوهش یک سامانه ی خبره ی ساده و اثربخش را برای پیش بینی داده های نوسانی تصادفی وکوتاه مدت ایجاد نموده است. فرآیند بررسی شامل معرفی الگوریتم سری فوریه، زنجیره ی مارکوف و مقایسه ی مدل پیش بینی الگوریتم های ساده سنتی که در هم آمیخته شده اند ادامه یافته، تا منجربه خلق یک سامانه ی خبره ی پیش بینی با کمک هوش مصنوعی شود. این مدل موجب می شود اثربخشی پیش بینی داده های تصادفی نوسانی در اکثر برنامه های مدیریتی ومنابع انسانی به عنوان یکی از عوامل تاثیر گذار در افزایش بهره وری سازمان ها افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می کند تا محیطی رایانه ای برای یک سامانه ی پیش بینی خبره ایجاد شود که داده های کوتاه مدت و اتفاقی ناپایدار را در مدیریت منابع انسانی به درستی و بادقت پیش بینی کند.