بررسی و مقایسه کارایی دو روش بهینه سازی چند هدفه الگوریتم ژنتیک و ازدحام ذرات در طراحی مفهومی شناورهای سطحی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 613

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NSMI18_173

تاریخ نمایه سازی: 6 اسفند 1395

چکیده مقاله:

طراحی مفهومی یکی از مراحل اساسی و اصلی در روند طراحی شناور سطحی می باشد که بعد از مرحله امکان سنجی شروع و بعد از خاتمه این مرحله طراحی مقدماتی شناور آغاز می شود یکی از ابزارهای مورد نیاز در این مرحله ابزار بهینه سازی می باشد که به منظور بهینه کردن پارامترهای و مشخصات مدل شناور سطحی بکار گرفته می شود. سرعت و صحت روش بهینه سازی می تواند در اتخاذ تصمیمات صحیح و دقیق در خصوص مشخص شدن پارامترهای و مشخصات شناور سطحی، سهم بسزایی را ایفا کند. هم اکنون روشهای بهینه سازی بسیاری وجود دارد که هر کدام از این روشا دارای مزایا و معایبی هستند و البته هریک از این روشها نیز در حال تکامل و پیشرفته می باشند. در این مقاله هدف بررسی بکارگیری و در نهایت مقایسه کارایی دو روش بهینه سازی چند هدفه الگوریتم ژنتیک و ازدحام ذرات جهت بهینه کردن پارامترها و مشخصات شناور سطحی در مرحله طراحی مفهومی می باشد بدین منظور با استفاده از یک مدل ریاضی که برای شناورهای سطحی تجاری بکار گرفته می شود با استفاده از دو روش بهینه سازی مذکور و انجام کدنویسی های مربوطه در نرم افزار محاسباتی MATLAB به بهینه سازی پارامترهای و مشخصات شناور مربوطه پرداخته و در نهایت نتایج بدست آمده را بررسی و مقایسه خواهیم کرد.

نویسندگان

اصغر اسکندری چچگلو

دانشکده علوم ریاضی گروه آمار دانشگاه گیلان رشت

رضا آخوندی

مرکز تحقیقات فیزیک پلاسما، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • (2 ری بیات، فرشاد، الگوریتم‌های بهینه‌سازی فرا ابتکاری (همراه با ...
  • اسکندری چچگلو، اصغر، فتحی واجارگاه، بهروز، مولدهای شبه تصادفی د ...
  • اسکندری چچگلو، اصغر، فتحی واجارگاه، بهروز، اهمیت مولدهای شبه تصادفی ...
  • Eiben, A. E., Smith, J. E., Introduction o Evolutionary Computing, ...
  • Simon, D., Evolutionary Optimization Algorithms, 2nd Edition, Wiley, 2013. ...
  • Pham, D. T., Karaboga, D., Intelligent Optimisation Techniques, Springer, London, ...
  • Tseng, L.Y., Yang, _ "Genetic algorithms for clustering, feature selection ...
  • Vafaie, H., Imam, I., :Feature selection methods: genetic algorithms vs. ...
  • Mitchell, M., An Introduction o Genetic Algorithms, MIT Press, Cambridge, ...
  • Goldberg, D. E., Genetic Algorithms in Search, Optimization and Machine ...
  • Clerc, M., Particle Swarm Optimization, Morgan Kautmann, 2006. ...
  • نمایش کامل مراجع