جستجوی مقالات مرتبط با کلیدواژه "multiobjective optimization" در نشریات گروه "برق"
تکرار جستجوی کلیدواژه «multiobjective optimization» در نشریات گروه «فنی و مهندسی»جستجوی multiobjective optimization در مقالات مجلات علمی
-
در این مقاله مساله خوشه بندی خودکار فازی، در قالب یک مساله بهینه سازی چندهدفه ارائه شده است. دو تابع هدف یکی بر پایه اتصال خوشه ها و دیگری براساس هم پوشانی-جدایی خوشه ها در نظر گرفته شده که جهت تعیین تعداد بهینه خوشه ها و افزایش کیفیت خوشه بندی، این دو تابع بطور همزمان بهینه می شوند. با توجه به اینکه مساله مورد نظر از نوع مسائل بهینه سازی غیر خطی، چندهدفه و نامحدب می باشد، برای حل آن نیز یک روش بهینه سازی چندهدفه مبتنی بر الگوریتم گرگ خاکستری پیشنهاد شده است. به منظور تسریع در فرآیند بهینه سازی و جلوگیری از گیر افتادن الگوریتم در بهینه های محلی، راهکارهای ابتکاری جدیدی به الگوریتم اضافه شده است. نتیجه اعمال این الگوریتم بر مساله خوشه بندی، منجر به مجموعه ای از جوابهای بهینه پارتو خواهد شد که نشان دهنده ناحیه مصالحه بین توابع هدف است. برای انتخاب جواب نهایی از بین چندین راه حل بهینه موجود، از معیار ارزیابی DB استفاده شده است. برای بررسی عملکرد الگوریتم پیشنهادی، شبیه سازی های متعددی بر روی مجموعه داده مصنوعی و واقعی انجام و نتایج با چند مقاله دیگر مقایسه گردیده است. نتایج آزمایشها نشان می دهند مدل پیشنهادی قادر به شناسایی تعداد بهینه خوشه ها و افراز مناسب داده ها در انواع مجموعه داده های هم پوشان و غیر هم پوشان است.کلید واژگان: خوشه بندی خودکار فازی, الگوریتم گرگ خاکستری, بهینه سازی چندهدفه, شاخص ارزیابی خوشهIn this paper, the automatic fuzzy clustering is presented in multiobjective optimization framework. Two objectives based on compactness and overlap-separation measures are used as the objective functions which are optimized simultaneously. The proposed optimization problem is a nonlinear and non-convex multi-objective optimization and accordingly, a grey wolf based optimization algorithm is proposed for solving it. For accelerating the optimization process and preventing local optimum trapping, new heuristic approaches are included to the original algorithm. Solving the multi-objective optimization problem using the proposed algorithm, results in several Pareto optimal solutions showing compromise between objective functions. The final solution, among the generated plans, is selected using DB cluster validity index. The proposed method is applied on synthetic and real-life data sets. As shown in the experiments, the approach provides promising solutions in well-separated, hyperspherical and overlapping clusters. This is demonstrated by the comparison with existing single-objective and multiobjective clustering techniques.Keywords: Automatic fuzzy clustering, Grey wolf optimizer, multiobjective optimization, cluster validity index
-
برنامه ریزی توسعه شبکه انتقال در محیط تجدید ساختار یافته با هدف ایجاد سرمایه گذاری مطلوب به کمک الگوریتم بهینه سازی خفاش چندهدفهدر این مقاله، الگویی برای برنامه ریزی توسعه شبکه انتقال با هدف جذب سرمایه گذاری خصوصی ارائه شده است. بدین منظور سه تابع هدف شامل کمینه کردن هزینه سرمایه گذاری، کمینه کردن هزینه های تراکم خطوط و بیشینه کردن حجم سرمایه گذاری خصوصی برای احداث خطوط سودآور در نظر گرفته شده اند. برای محاسبه درآمد خطوط از روش قیمت گذاری توان - فاصله (مگاوات - مایل) استفاده شده است. با توجه به اینکه مسئله مد نظر از نوع مسائل بهینه سازی غیرخطی، چندهدفه و نامحدب است، برای حل آن نیز روش بهینه سازی چندهدفه جدید مبتنی بر الگوریتم بهینه سازی خفاش پیشنهاد شده است. برای سرعت در فرآیند بهینه سازی و جلوگیری از گیرافتادن الگوریتم در بهینه های محلی، راهکارهای ابتکاری جدیدی نیز به الگوریتم اضافه شده اند. نتیجه اعمال این الگوریتم بر مسئله بهینه سازی، به مجموعه ای از طرح های بهینه ای منجر خواهد شد که نشان دهنده ناحیه مصالحه بین توابع هدف است. برای انتخاب طرح نهایی از بین چندین طرح بهینه موجود، از معیار تصمیم گیری فازی استفاده شده است. برای ارزیابی عملکرد الگوریتم پیشنهادی، شبیه سازی های متعددی با افق برنامه ریزی ده ساله روی شبکه 24 شینه IEEE انجام گرفته اند. نتایج شبیه سازی ها نشان می دهند الگوی پیشنهادی در حضور عدم قطعیت های مختلف، علاوه بر کمینه کردن هزینه های سرمایه گذاری و کاهش پرشدگی، خطوط با سطح ریسک پذیرفته شده و سودآور را شناسایی و برای سرمایه گذاری به بخش خصوصی پیشنهاد می کند.کلید واژگان: برنامه ریزی توسعه شبکه های انتقال, الگوریتم بهینه سازی خفاش, بهینه سازی چندهدفه, سرمایه گذاری خصوصیPrivate Investor-based Transmission Expansion Planning in a Deregulated Environment Using Pareto Bat Inspired AlgorithmThree objective functions including minimizing investment cost, minimizing lines congestion cost and maximizing the investment from private parties for constructing transmission lines are considered. The proposed optimization problem is a nonlinear and non-convex multi-objective optimization and accordingly, a bat inspired based algorithm is proposed for solving it. For accelerating the optimization process and preventing local optimum trapping, new heuristic approaches are included to the original algorithm. Solving the multi-objective optimization problem using the proposed algorithm, results in several optimal plans showing compromise between objective functions. The final plan, among the generated plans, is selected using a max-min fuzzy decision making. The proposed method is applied on the IEEE 24 bus test system and effectiveness of the proposed method is verified. Simulation results show that in the presence of various uncertainties, the proposed algorithm in addition to minimizing the investment and reducing the congestion costs identifies low risk and profitable transmission lines to be invested by private parties.Keywords: Transmission expansion planning, Multiobjective optimization, Bat algorithm, Private Investor
-
پخش بار اقتصادی یکی از روش های بهره برداری از سیستم های قدرت به منظور افزایش بازدهی، کاهش هزینه ها و افزایش قابلیت اطمینان سیستم قدرت به وسیله ایجادکردن تعادل بین بار و تولید، می باشد. در این مسئله مقدار تولید بهینه اقتصادی هر یک از واحدهای تولید مشخص می شود. از آن جا که مشکلات زیست محیطی امروزه اهمیت زیادی پیدا کرده اند و قوانین متعددی برای کم کردن این مشکلات وضع شده به همین منظور امروزه مسئله انتشار آلاینده ها در پخش بار اقتصادی نیز مدنظر قرار می-گیرد. در این مقاله الگوریتم جستجوی سیستم باردار اصلاح شده (MCSS) به عنوان روشی جدید برای بهینه سازی مسئله مذکور پیشنهاد و مدل مربوط به آن ارائه گردیده است. الگوریتم MCSS روشی است با سرعت و دقت بالا که برگرفته از علوم مغناطیس و مکانیک است. همچنین به دلیل این که در نظر گرفتن هم زمان توابع هدف مربوط به کاهش هزینه تولید انرژی و کاهش میزان انتشار آلاینده های زیست محیطی در قالب یک مساله بهینه سازی چند هدفی ممکن خواهد بود، لذا برای حل مسئله بهینه سازی چندهدفه پخش بار اقتصادی-زیست محیطی از روش بهینه سازی جمع وزنی استفاده شده است. مدل های مذکور روی شبکه استاندارد 30 شینه IEEE شبیه سازی شده و نتایج آن در مقایسه با هفت روش مختلف نشان دهنده بهبود نتایج می باشد.
کلید واژگان: پخش بار اقتصادی, زیست محیطی, الگوریتم MCSS, پخش بار مستقیم, بهینه سازی چندهدفیThis papers proposes Modified CSS Approach for Envionmental/Economic load dispatch for multiobjective scheduling of power systems.Keywords: Environmental Economic Load Dispatch, MCSS Algorithm, DC Load Flow, Multiobjective Optimization -
Often in modeling the engineering optimization design problems, the value of objective function(s) is not clearly defined in terms of design variables. Instead it is obtained by some numerical analysis such as FE structural analysis, fluid mechanic analysis, and thermodynamic analysis, etc. Yet, the numerical analyses are considerably time consuming to obtain the final value of objective function(s). For the reason of reducing the number of analyses as few as possible our methodology works as a supporting tool to the meta-models. The research in meta-modeling for multiobjective optimization are relatively young and there is still much to do. Here is shown that visualizing the problem on the basis of the randomly sampled geometrical big-data of computer aided design (CAD) and computer aided engineering (CAE) simulation results, combined with utilizing classification tool of data mining could be effective as a supporting system to the available meta-modeling approaches.
To evaluate the effectiveness of the proposed method a study case in 3D wing optimal design is given. Along with the study case, it is discussed that how effective the proposed methodology could be in further practical engineering design problems.Keywords: Data mining, Classification, Multiobjective Optimization, Engineering Optimization, Meta, Modeling -
فصلنامه رادار، پیاپی 2 (زمستان 1392)، صص 45 -56طبقه بندی پوشش زمین بویژه در مناطق شهری یکی از مهمترین کاربردهای تصاویر پلاریمتری راداری محسوب می شود. به منظور استفاده از پتانسیل بالای اطلاعاتی این تصاویر ویژگی های متعددی را می توان از آن ها استخراج کرد، بنابراین انتخاب ویژگی نقش مهمی در طبقه بندی این تصاویر ایفا می کند. در این تحقیق، سه گام اساسی در بهبود طبقه بندی اتخاذ شده است: 1) استخراج ویژگی در قالب سه گروه ویژگی های داده اصلی، ویژگی های تجزیه هدف، و تفکیک کننده های SAR؛ 2) انتخاب حداقل تعداد ویژگی ها برای رسیدن به دقت طبقه بندی بالا؛ و 3) طبقه بندی با استفاده از ویژگی های انتخابی بهینه. در روش های پیشنهادی الگوریتم بهینه سازی چندهدفه NSGA-II به عنوان ابزار جستجو و دو طبقه بندی کننده ماشین بردار پشتیبان (SVM) و سیستم استنتاج عصبی- فازی تطبیقی (ANFIS) در مرحله ارزیابی استفاده شده است. نتایج پیاده سازی بر روی تصویر رادارست2 منطقه سانفرانسیسکو حاکی از کارایی برتر ا لگوریتم های پیشنهادی در بهبود طبقه بندی نسبت به سایر روش های مورد استفاده در این تحقیق می باشد.
کلید واژگان: داده پلاریمتری, انتخاب ویژگی, طبقه بندی, بهینه سازی چندهدفه, ماشین بردار پشتیبان, سیستم استنتاج عصبی, فازی تطبیقیLand cover classification is one of the most important applications of polarimetric radar images, especially in urban areas. There are numerous features that can be extracted from these images for the use of their high potential, hence feature selection plays an important role in PolSAR image classification. In this study, three main steps are used to improve the classification: 1) feature extraction in the form of three categories, namely original data features, target decomposition features, and SAR discriminators; 2) selection of minimum number of features to achieve the high classification accuracy; and 3) classification using the best subset of features. In the proposed methods, NSGA-II multiobjective optimization algorithm is employed as the search tool and Support Vector Machine (SVM) or Adaptive Neuro Fuzzy Inference System (ANFIS) is used in the evaluation step. The implementation results on the Radarsat-2 San Francisco Bay image showed that the proposed methods outperform the other approaches tested against them.Keywords: Polarimetric Data, Feature Selection, Classification, Multiobjective Optimization, Support Vector Machine (SVM), Adaptive Neuro Fuzzy, Inference System (ANFIS) -
الگوریتم کنترل توان با بهینه سازی چند منظوره در شبکه های بی سیم CDMAاین مقاله یک الگوریتم کنترل توان چند هدفه را ارئه می کند که تنها با استفاده از اطلاعات محلی بروزرسانی توان را انجام می دهد. الگوریتم بوسیله تکنیک های بهینه سازی چند هدفه بسط داده شده است. بطوریکه اهداف بگونه ای تعیین شده است که توان ارسالی در عین حال که درحد مینیمم نگه داشته می شود مقدار SIR کاربران نیز در یک حد قابل قبول نیز قرار می گیرد از طرف دیگر سعی شده است تا نوسانات در SIR دریافتی نیز تا حد ممکن کاهش یابد. مشخصات همگرایی از الگوریتم پیشنهادی در هر دو حالت تئوری و نتایج عددی مطالعه شده است. نتایج از الگوریتم ارائه شده نشان می دهد که الگوریتم پیشنهادی نه تنها دارای میانگین توان ارسال بسیار کم می باشد بلکه نسبت به دیگر الگوریتم های کنترل توان سریعتر همگرا می شود. یک ورژن عملی نیز از الگوریتم پیشنهاد شده و با الگوریتم B-BPC (FSPC) و MOTDPC مقایسه شده است. نتایج عددی نشان می دهد که الگوریتم پیشنهادی پتانسیل بسیار زیادی از جهت سرعت همگرایی و میانگین مصرف توان نسبت به دو الکوریتم کاملا توزیعی دیگر دارد.
کلید واژگان: کنترل توان توزیعی, بهینه سازی چند هدفه, سیستم های سلولار, CDMA, همگراییAn Efficient Multiobjective Power Control Algorithm for Wireless CDMA NetworksThis paper presents a multiobjective power control algorithm that updates the transmitted power based on local information. The proposed algorithm is expanded by using multiobjective optimization schemes. The objectives to be optimized in this paper are determined so as to reduce the SINR fluctuations as well as maintaining the SINR to an acceptable level with minimizing an average transmitted power. The convergence properties of the proposed algorithm are studied theoretically and with numerical simulations. The results indicate that the algorithm converges more rapidly and has lower average transmitted power than other existing algorithms. The current study also suggests a practical version of the proposed algorithm and compares it to the existing totally distributed bang-bang power control (B-BPC) or fixed step power control (FSPC) and multiobjective totally distributed power control (MOTDPC) algorithms. Numerical results show that the proposed algorithm is potentially much more efficient in terms of convergence speed and average consumption power than the other two algorithms.Keywords: Distributed Power Control, Multiobjective Optimization, Cellular Systems, CDMA, Convergence
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.