دسته: برق
حجم فایل: 342 کیلوبایت
تعداد صفحه: 5
یک الگوریتم ابتکاری جدید برای مساله تخصیص واحد + نسخه انگلیسی
A New Heuristic Algorithm for Unit Commitment Problem
چکیده
تخصیص واحد (UC) سیستمهای قدرت مقیاس وسیع یک مساله پیچیدۀ بهینهسازی غیرخطی و نوع عدد صحیح مختلط با قیود مختلف است. این مقاله بر اساس اصلاح الگوریتم جستجوی هارمونی (HS) یک روش نوین و موثر برای حل برنامهریزی راهبردی تخصیص واحدهای تولیدی ارائه میکند. این الگوریتم در مقایسه با دیگر روشهای تکاملی (EM) کاربرد آسانی داشته و در دستیابی به پاسخ بهینه در یک زمان مناسب توانمند است. روش پیشنهادی به کمک یک مجموعه دادهها مورد ارزیابی قرار میگیرد. نتایج بدست آمده نیز با نتایج مقالات دیگر مقایسه میشود. نتایج عددی نشان دهنده کارائی و بهبود پاسخ از لحاظ هزینه و زمان اجرا در مقایسه با نتایج دیگر الگوریتمهای قدرتمند بهینهسازی ابتکاری است.
کلیدواژگانها: تخصیص واحد، الگوریتم تکاملی، جستجوی هارمونی (HS) ، توزیع اقتصادی
مقدمه
مساله تخصیص واحد یکی از مسئل مشکل بهینه سازی است که تحت قیود خاصی که از جانب سیستم و شرایط فیزیکی تحمیل میشوند تحت تاثیر قرار میگیرد. حل مساله تخصیص واحد از هر دو جنبه زمان اجرا و طرح صحیح و مناسب نیروگاهها با حداقل هزینه حائز اهمیت است. در رابطه با این موضوع و حل مساله تخصیص واحد منابع متنوعی منتشر شده است. در ذیل به روشهای مختلف حل مساله تخصیص واحد در نوشتجات اخیر اشاره مختصری شده است. لیست اولویت (PL) [1]-[2] به ترتیب صعودی واحدهای با هزینه بار کامل را اختصاص میدهد تا اینکه ابتدا واحدهای از لحاظ اقتصادی به صرف تخصیص داده شوند تا تقاضای سمت بار برآورده شود. روش PL بسیار سریع است اما به شدت ابتکاری بوده و زمانبندیهایی با هزینه اجرای نسبتا بالا ارائه میدهند. روش شاخه و حد (BB) [3]-[4] دارای خطر نقص در ظرفیت ذخیرگی و افزایش قابل توجه زمان محاسبه برای مساله مقیاس وسیع است. روش آزادسازی لاگرانژ (LR) [5]-[7] بر روی یافتن یک تکنیک هماهنگی مناسب برای تولید یک پاسخ اولیه ممکن و در عین حال کمینه کردن شکاف دوگانگی متمرکز است. مشکل اصلی روش آزادسازی لاگرانژ دشواری در دستیابی به پاسخهای ممکن است. روشهای فوقابتکاری تکنیکهای جستجوی مبتنی بر تکرار هستند که قادرند نه تنها پاسخهای بهینه محلی بلکه پاسخ بهینه جهانی را نیز جستجو کنند. در روشهای فوقابتکاری، برای تخصیص واحد از GA، TS، EP، SA و غیره استفاده میشود [8]-[11]. این روشها دارای مزیت جستجو کاملتر فضای پاسخ بوده و از همگرایی زودرس به بهینههای محلی اجتناب میکنند. دشواری اصلی آنها حساسیتشان به انتخاب پارامترهاست. با این حال، برای یک مساله مقیاس وسیع، این روشها به دلیل ذات تکراری بودنشان، زمان و فضای بیشتری را به خود اختصاص میدهند.
خلاصه
این مقاله مختص کسانی است که برای بررسی فرضیه ها از تیمار (علف کش، آتش، کشت، ژنوتیپ، مادۀ ارگانیک، کود و غیره) بهره میبرند و کسانی که بعد از نمونه گیری از جمعیت های طبیعی مختلف، فرضیۀ صفر را نادیده میگیرند. علاوه بر این، برای انتخاب های عملیاتی می توان از این مقاله استفاده کرد. این پژوهش برای کسانی که از جمعیت های طبع نمونه گیری می کنند و سپس فرضیه ها را فرمول بندی می کنند مناسب نیست (نتیجه گیری ارائه نمی شود). جنگلبانان حرفه ای به اطلاعات علمی صحیح نیاز دارند تا بتوانند تعیین کنند که چه نوع پایه و چه مقدار کود برای گیاه استفاده کنند و چه موقع به کار کم پشت سازی بپردازند. متاسفانه، برخی پژوهشگران آزمایشان بدون رونوشت و یافته های گزارشی مبنی بر رونوشت کاذب ارائه میدهند. کسانی که از رونوشت کاذب به منظور رد فرضیۀ صفر با خطر خطای آماری نوع 1 میشوند. در برخی زمینه ها، از هر چهار مقاله بیش از 1 مورد به رونوشت کاذب میپردازند (Hurlbert 1984، Heffnerو دیگران 1996). با وجود اینکه برخی دانشجویان تحصیلات تکمیلی با مفهوم رونوشت کاذب مواجه می شوند (Kolb و دیگران 2001) اما سایر دانشجویان این شانس را ندارند. هدف از ان مقاله (قسمت اول این مقالعۀ دو بخشی) پرداخت به موضوع زیر است:
رونوشت کاذب زمانی رخ می دهد که تیمارها رونویس نمی شوند اما آزمون t یا ANOVA (آنالیز واریانس) در هر صورت انجام میگیرد با فرض اینکه زیرنمونه ها (sub-samples) (یا دربرخی موارد درخت های فردی) همانند رونوشت هستند. این امر منجربه استفاده از تعداد ناصحیح درجات آزادی خطا می شود. عامل عمده ایی که منجر به رونوشت کاذب میشود در تعریف واحد آزمایشی صحیح با شکست مواجه می شود. علاوه بر این، برخی ویراستارهای مجلات الزامی به استفاده از جداول ANOVA در دست نوشته ها نمی بینند. در نتیجه، بازبین گر متوجه نیست که ضریب خطا شامل 13 درجۀ آزادی است یا 2841 درجۀ ازادی است. بازبین گرهایی که معمولا آزمایشات بدون رونویسی را نادیده میگیرند، غالبا به غلط تصور می کنند که آنالیز آماری (که شامل رونویسی کاذب است) معتبر است. بعداز انکه اندازه های احتمال با استفاده از رونویسی کاذب منتشرشد، مورد شک قرار میگیرند.
دسته: کامپیوتر
حجم فایل: 3769 کیلوبایت
تعداد صفحه: 34
این مطالعه نشان میدهد که چگونه دینامیک های دوستی را با یک مدل Agent-Based با استفاده از تئوری مجموعه فازی شبیه سازی کنیم. مجموعه های فازی به ما این امکان را می دهند که برای نشان دادن خصوصیاتی که ذاتا فازی هستند از مقادیر کریسپ استفاده نکنیم.
در اینجا نتایج حاصل از اعمال مجموعه های فازی و عملگرهایش در تعریف ارتباطات دوستی را با نتایج مشابه حاصل از پیاده سازی با مقادیر کریسپ مقایسه شده است.
این مقاله با یکپارچه سازی مدل های محاسباتی و تئوری مجموعه فازی یک دیدگاه مفید در یک روش سیستماتیک مبتنی بر عدم قطیت ذاتی در ارتباطات اجتماعی ارایه می دهد.
دینامیک ارتباطات اجتماعی مثل الگوهای دوستی فیلدی پیچیده از مطالعات است. این مقاله دینامیک های اجتماعی به مجموعه ای از تعاملات عامل، شرایط آنها و مکانیزم های مرتبط به آنها اشاره دارد.
امروزه تصویر نسبتا دقیقی از بسیاری ویژگی های افراد و فاکتورهای چارچوبی که بر انتخاب دوستی و شبکه های احساسی اثر میگذارد. از جمله این ویژگی ها میتوان مجاورت اجتماعی، شباهت و ویژگی های منحصر بفردی را نام برد. مدل سازی Agent-based مارا قادر میسازد تا دینامیک های اجتماعی را مطالعه کنیم. به عنوان مثال ABM برای مطالعه افکار عمومی (7) ، دینامیک های فرهنگی (8) ، دینامیک های زبانی (9) و خیلی های دیگر
فهرست مطالب
عنوان
مقدمه 1
مروری بر دینامیک های اجتماعیMentat
معرفی مجموعه ی فازی در مدلMentat
ارتباطات 11
دینامیک های دوستی 17
بحث و نتایج 24
نتیجه گیری 28
قدردانی 29
منابع 30
پیوست
دسته: کامپیوتر
حجم فایل: 956 کیلوبایت
تعداد صفحه: 14
روش یادگیری فازی Q برای هدایت کردن ربات خودکار
خلاصه- الگوریتم پیشنهاد داده شده مزیت هایی را از روش منطق فازی جفت شده و یادگیری Q برای برآورده ساختن نیازهای مربوط به هدایت کردن خودکار دریافت کرده است. سپس قوانین فازی یک تصمیم گیری و یک چارچوب کاری قابل قبول را برای مدیریت کردن عدم اطمینان ها فراهم می سازد و همچنین اجازه استفاده کردن از دانش سلسله واری را نیز می دهد. ساختار دینامیکی مربوط به یادگیری Q آن را به صورت یک ابزار متعهد در آورده است که تنظیم کننده پارامترهای تداخل فازی در زمانی است که دانش کمی در این زمینه وجود دارد یا اصلا وجود ندارد که در این صورت در سراسر دنیا در دسترس می باشد. ربات در سر تا سر دنیا به صورت مجموعه ای از جفت ها با فعالیت حرکتی مدل شده است. برای هر وضعیت فازی شده، برخی از فعالیت های پیشنهاد داده شده وجود دارد. وضعیت ها مرتبط با فعالیت های منطبق آن ها از طریق قوانین فازی می باشد که خود براساس استدالال انسانی هستند. ربات فعالیت تحریک شده بیشتری را برای هر وضعیت از طریق آزمایش های آنلاین انتخاب می کند. کارایی مربوط به روش پیشنهاد داده شده از طریق آزمایش هایی براساس ربات شبیه سازی شده Khepera موجود می باشد.
کلیدواژگان: یادگیری Q فازی- هدایت کردن خودکار- ربات Khepera
بخش اول: مفاهیم و تعاریف، کارهای انجام شده ۱
فصل اول: کلیات ۲
۱-۱ مقدمه ۲
۱-۲ مروری بر فصول پایان نامه ۵
فصل دوم: پایگاه داده فعال ۶
۲-۱ مدیریت داده ۶
۲-۲ مدیریت قوانین ۷
۲-۲-۱ تعریف قانون ۷
۲-۲-۱-۱ رویداد ۸
۲-۲-۱-۲ شرط ۱۲
۲-۲-۱-۳ واکنش ۱۳
۲-۲-۲ مدل اجرایی ۱۴
۲-۲-۲-۱ اولویت اجرایی در قوانین ۱۶
۲-۲-۲-۲ معماری پایگاه داده فعال ۱۷
۲-۲-۲-۳ آشکارساز رویداد ۱۸
۲-۲-۲-۴ ارزیابی شرط ۱۹
۲-۲-۲-۵ زمانبندی ۲۰
۲-۲-۲-۶ اجرا ۲۱
۲-۳ نمونه های پیاده سازی شده ۲۱
۲-۳-۱ Starburst ۲۱
۲-۳-۲ Ariel ۲۳
۲-۳-۳ NAOS ۲۴
۲-۴ نتیجه ۲۵
فصل سوم: مفاهیم فازی ۲۶
۳-۱ مجموعه های فازی ۲۷
۳-۲ عملگرهای فازی ۲۹
۳-۳ استنتاج فازی ۳۰
۳-۴ ابهام زدایی ۳۱
۳-۵ نتیجه ۳۱
فصل چهارم: پایگاه داده فعال فازی ….. ۳۲
۴-۱ تعریف فازی قوانین …….. ۳۳
۴-۱-۱ رویداد فازی ……… ۳۴
۴-۱-۱-۱ رویدادهای مرکب ……. ۳۶
۴-۱-۱-۲ انتخاب فازی اجزاء رویدادهای مرکب ۳۸
۴-۱-۲ شرط فازی ………. ۳۸
۴-۱-۳ واکنش فازی …….. ۴۰٫
۴-۱-۴ تعیین فازی موقعیت زمانبندی …. ۴۱
۴-۲ معماری و مدل اجرایی قوانین ….. ۴۳
۴-۲-۱ آشکارساز رویداد ……. ۴۴
۴-۲-۲ بررسی شرط ……… ۴۵
۴-۲-۳ اجرا ………. ۴۵
۴-۲-۴ زمانبندی ………. ۴۵
۴-۳ نتیجه ………… ۴۷
بخش دوم: کاربردی جدید از تریگر فازی، رونوست برداری فازی، نتایج آزمایشات …………. ۴۸
فصل پنجم: رونوشت برداری فازی …… ۴۹
۵-۱ رونوشت برداری ………. ۵۰
۵-۱-۱ رونوشت برداری همگام ….. ۵۰
۵-۱-۲ رونوشت برداری ناهمگام ….. ۵۱
۵-۱-۳ ماشین پایه رونوشت برداری داده.. ۵۲
۵-۱-۴ مقایسه دو روش همگام و ناهمگام.. ۵۳
۵-۲ رونوشت برداری فازی…….. ۵۶
۵-۲-۱ استفاده از تریگرها برای فازی نمودن رونوشت برداری ۵۷
۵-۳ کمیت سنج های فازی……… ۵۹
۵-۳-۱ روش محاسبه کمیت سنج های فازی… ۶۰
۵-۳-۲ کمیت سنج عمومی……. ۶۱
۵-۳-۳ کمیت سنج جزئی…….. ۶۴
۵-۳-۴ کمیت سنج جزئی توسعه یافته…. ۶۷
۵-۴ روش جدید محاسبه حد آستانه در تریگرهای فازی برای رونوشت برداری فازی……………. ۶۹
۵-۵ معماری ماشین رونوشت بردار فازی…. ۷۱
۵-۶ مثال………… ۷۳
۵-۷ کارایی………… ۷۷
۵-۷-۱ ترافیک در رونوشت برداری مشتاق.. ۷۹
۵-۷-۲ ترافیک در رونوشت برداری تنبل… ۸۰
۵-۷-۳ ترافیک در رونوشت برداری فازی… ۸۰
۵-۷-۴ مقایسه تئوری هزینه رونوشت برداری فازی و تنبل ۸۱
۵-۸ جمع بندی………… ۸۳
فصل ششم: پیاده سازی ……… ۸۴
۶-۱ Fuzzy SQL Server……….. ۸۴
۶-۲ عملکرد اجزای Fuzzy SQL Server…… ۸۵
۶-۳ شبیه سازی تریگرهای فازی در پایگاه داده غیر فازی ۸۶
۶-۴ اجزاء تریگر فازی در پایگاه داده غیر فازی ۸۶
۶-۵ جداول سیستمی مورد نیاز…… ۸۷
۶-۶ مثال………… ۸۹
۶-۷ کارهای آتی………. ۹۴
مراجع و منابع ……….. ۹۵