الگوریتم زنبورها

میزان تابش خورشید، مهم ترین پارامتر جهت طراحی و توسعه سیستم های مختلف انرژی خورشیدی است. به منظور برآورد تابش خورشیدی، مدل های مختلفی توسط محققان پیشنهاد شده اند که لزوم نصب تجهیزات گران قیمت را در ایستگاه های هواشناسی مرتفع می سازند. معروفترین این مدل ها مدل انگسترم است. به دلیل ساختار غیرخطی و وابسته به پارامترهای محیطی این مدل ها، تکنیک های حل قدرتمندی مورد نیاز است. در این مقاله، روش جدیدی جهت برآورد متوسط روزانه تابش خورشیدی در ماه بر روی سطح افقی، بر مبنای مدل آنگسترم و با استفاده از الگوریتم زنبورها با برنامه نویسی در محیط نرم افزار MATLAB معرفی شده است. ضرایب تجربی مدل آنگسترم برای چهار منطقه آب و هوایی مختلف ایران در محیط نرم افزار محاسبه شده و مقدار متوسط روزانه تابش کلی خورشید تخمینی با روش پیشنهادی در ماه برای مناطق نمونه ارائه شده است . مقایسه بین نتایج بدست آمده از روش پیشنهادی و روش های دیگر، کارایی تکنیک پیشنهادی را برای پیدا کردن تابش خورشیدی برای هر چهار منطقه نمونه ایران ثابت می کند.

اسکان موقت پس از زمین لرزه از مهم ترین موضوع ها در مدیریت بحران به شمار می آید، و انجام صحیح آن با کاهش گسترده تلفات جانی و مالی ناشی از پس لرزه ها همراه است. هدف از انجام این تحقیق ارزیابی توانایی و مقایسه عملکرد دو الگوریتم شاخص هوش جمعی با نام های الگوریتم زنبورها (Bess) و الگوریتم اجتماع ذرا (PSO)- در بهینه سازی تخصیص مکان های اسکان موقت است که یکی از موضوعات مهم مکانی به شمار می آید. در الگوریتم بهینه سازی اجتماع ذرات از رفتار اجتماعی پرندگان الهام گرفته می شود. این الگوریتم مورد استفاده گسترده در مقوله های بهینه سازی پیوسته قرار گرفته است ولی در مقوله های گسسته چندان به آن توجه نشده است. در این تحقیق با بررسی نقاط ضعف و قوت نسخه های مختلف الگوریتم پرندگان گسسته (DPSO) موجود، نوع جدیدی از این الگوریتم ارائه شده است که در حل مسائل گسسته توانایی بالایی دارد. الگوریتم زنبور عسل از فرایند جست و جوی غذای زنبورها در طبیعت الهام گرفته است. این الگوریتم در پژوهش حاصر برای حل مسئله اسکان موقت شرح و بسط داده شد و در نهایت نتایج حاصل از هر دو الگوریتم مذکور، از داده های شبیه سازی شده و به منظور ارزیابی دقت عملکرد الگوریتم ها از داده های منطقه 7 تهران به عنوان داده های واقعی استفاده شد. مقایسه اعداد همگرایی هر یک از دو الگوریتم در داده های واقعی، عملکرد بسیار بهتر الگوریتم ابداعی را در کمینه سازی تابع هدف مسئله نشان می دهد. در نهایت به منظور ارزیابی کیفیت و دقت الگوریتم از تست تکرارپذیری برای نتایج حاصل از اجرای هر الگوریتم روی داده ها استفاده شد. نتایج حاصل از این آزمون ها نمایانگر عملکرد دقیق هر یک از دو الگوریتم در بهینه سازی تخصیص افراد به مناطق امن است.