نیک فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

نیک فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

پایان نامه جامع ارزیابی عملکرد الگوریتم ژنتیک مقطع کارشناسی و ارشد

اختصاصی از نیک فایل پایان نامه جامع ارزیابی عملکرد الگوریتم ژنتیک مقطع کارشناسی و ارشد دانلود با لینک مستقیم و پر سرعت .

پایان نامه جامع ارزیابی عملکرد الگوریتم ژنتیک مقطع کارشناسی و ارشد


پایان نامه جامع ارزیابی و بررسی عملکرد الگوریتم ژنتیک

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 189 صفحه

چکیده :

الگوریتم ژنتیک (Genetic Algorithm - GA) تکنیک جستجویی در علم رایانه برای یافتن راه‌حل تقریبی برای بهینه‌سازی و مسائل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم‌های تکامل است که از تکنیک‌های زیست‌شناسی برگشتی مانند وراثت و جهش استفاده می‌کند.در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند. الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای تصادف هستند. مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسأله‌ای که باید حل شود ورودی است و راه‌حل‌ها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.کلاً این الگوریتم‌ها از بخش های زیر تشکیل می‌شوند: تابع برازش، نمایش، انتخاب، تغییر.

کلمات کلیدی:

الگوریتم ژنتیک، هیوریستیک، ترکیب و جهش، تکامل طبیعی داروین، معمای هشت وزیر.

 

فصل اول-------------------------------------------------- 1

1-1- مقدمه------------------------------------------------------- 2

1-2- به دنبال تکامل------------------------------------------- 3

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک------------------------------- 4

1-4- درباره علم ژنتیک------------------------------------------ 6

1-5- تاریخچۀ علم ژنتیک---------------------------------------- 6

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)--------------------------- 7

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی----------------------------- 10

1-8- الگوریتم--------------------------------------------------------- 11

1-8-1- الگوریتم‌های جستجوی ناآگاهانه----------------------------------- 12

1-8-1-الف- جستجوی لیست------------------------------------------ 12

1-8-1-ب- جستجوی درختی------------------------------------------ 13

1-8-1-پ- جستجوی گراف------------------------------------------- 14

1-8-2- الگوریتم‌های جستجوی آگاهانه------------------------------------ 14

1-8-2-الف- جستجوی خصمانه----------------------------------------- 15

1-9- مسائل NP-Hard------------------------------------------------- 15

1-10- هیوریستیک------------------------------------------------------ 17

1-10-1- انواع الگوریتم‌های هیوریستیک------------------------------------ 19

فصل دوم------------------------------------------------------ 21

2-1- مقدمه----------------------------------------------------------- 22

2-2- الگوریتم ژنتیک---------------------------------------------------- 23

2-3- مکانیزم الگوریتم ژنتیک---------------------------------------------- 25

2-4- عملگرهای الگوریتم ژنتیک------------------------------------------- 28

2-4-1- کدگذاری---------------------------------------------------- 28

2-4-2- ارزیابی------------------------------------------------------ 29

2-4-3- ترکیب------------------------------------------------------ 29

2-4-4- جهش------------------------------------------------------- 29

2-4-5- رمزگشایی---------------------------------------------------- 30

2-5- چارت الگوریتم به همراه شبه کد آن------------------------------------- 30

2-5-1- شبه کد و توضیح آن-------------------------------------------- 31

2-5-2- چارت الگوریتم ژنتیک------------------------------------------- 33

2-6- تابع هدف-------------------------------------------------------- 34

2-7- روش‌های کد کردن------------------------------------------------- 34

2-7-1- کدینگ باینری------------------------------------------------ 35

2-7-2- کدینگ جایگشتی---------------------------------------------- 36

2-7-3- کد گذاری مقدار----------------------------------------------- 37

2-7-4- کدینگ درخت------------------------------------------------ 38

2-8- نمایش رشته‌ها----------------------------------------------------- 39

2-9- انواع روش‌های تشکیل رشته------------------------------------------- 41

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها---------------------------------- 42

2-10-1- تعداد بیت‌های متناظر با هر متغیر----------------------------------- 43

2-11- جمعیت--------------------------------------------------------- 44

2-11-1- ایجادجمعیت اولیه---------------------------------------------- 44

2-11-2- اندازه جمعیت------------------------------------------------ 45

2-12- محاسبه برازندگی (تابع ارزش)---------------------------------------- 46

2-13- انواع روش‌های انتخاب---------------------------------------------- 48

2-13-1- انتخاب چرخ رولت-------------------------------------------- 49

2-13-2- انتخاب حالت پایدار-------------------------------------------- 51

2-13-3- انتخاب نخبه گرایی--------------------------------------------- 51

2-13-4- انتخاب رقابتی------------------------------------------------- 52

2-13-5- انتخاب قطع سر------------------------------------------------ 52

2-13-6- انتخاب قطعی بریندل-------------------------------------------- 53

2-13-7- انتخاب جایگزینی نسلی اصلاح شده--------------------------------- 53

2-13-8- انتخاب مسابقه------------------------------------------------ 54

2-13-9- انتخاب مسابقه تصادفی------------------------------------------ 54

2-14- انواع روش‌های ترکیب---------------------------------------------- 54

2-14-1- جابه‌جایی دودوئی--------------------------------------------- 55

2-14-2- جابه‌جایی حقیقی---------------------------------------------- 58

2-14-3- ترکیب تک‌نقطه‌ای--------------------------------------------- 59

2-14-4- ترکیب دو نقطه‌ای--------------------------------------------- 60

2-14-5- ترکیب n نقطه‌ای---------------------------------------------- 60

2-14-6- ترکیب یکنواخت---------------------------------------------- 61

2-14-7- ترکیب حسابی------------------------------------------------ 62

2-14-8- ترتیب------------------------------------------------------ 62

2-14-9- چرخه------------------------------------------------------ 63

2-14-10- محدّب---------------------------------------------------- 64

2-14-11- بخش_نگاشته----------------------------------------------- 64

2-15- احتمال ترکیب---------------------------------------------------- 65

2-16- تحلیل مکانیزم جابجایی--------------------------------------------- 66

2-17- جهش---------------------------------------------------------- 66

2-17-1- جهش باینری------------------------------------------------- 69

2-17-2- جهش حقیقی------------------------------------------------- 69

2-17-3- وارونه سازی بیت---------------------------------------------- 70

2-17-4- تغییر ترتیب قرارگیری------------------------------------------- 70

2-17-5- وارون سازی------------------------------------------------- 71

2-17-6- تغییر مقدار--------------------------------------------------- 71

2-18- محک اختتام اجرای الگوریتم ژنتیک------------------------------------ 72

2-19- انواع الگوریتم‌های ژنتیکی------------------------------------------- 72

2-19-1- الگوریتم ژنتیکی سری------------------------------------------ 73

2-19-2- الگوریتم ژنتیکی موازی----------------------------------------- 74

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی------------------------------- 75

2-21- نقاط قوّت الگوریتم‌های ژنتیک---------------------------------------- 76

2-22- محدودیت‌های GAها---------------------------------------------- 78

2-23- استراتژی برخورد با محدودیت‌ها--------------------------------------- 79

2-23-1- استراتژی اصلاح عملگرهای ژنتیک--------------------------------- 79

2-23-2- استراتژی رَدّی------------------------------------------------ 79

2-23-3- استراتژی اصلاحی--------------------------------------------- 80

2-23-4- استراتژی جریمه‌ای--------------------------------------------- 80

2-24- بهبود الگوریتم ژنتیک----------------------------------------------- 81

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک------------------------------ 81

فصل سوم------------------------------------------------------ 86

3-1- مقدمه----------------------------------------------------------- 87

3-2- حلّ معمای هشت وزیر----------------------------------------------- 88

3-2-1- جمعیت آغازین------------------------------------------------ 90

3-2-2- تابع برازندگی------------------------------------------------- 94

3-2-3- آمیزش------------------------------------------------------ 95

3-2-4- جهش ژنتیکی------------------------------------------------- 96

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد----------------------------- 97

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک----------------------------- 99

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP-------------------- 107

3-3-3- نتیجه گیری--------------------------------------------------- 108

3-4- حلّ مسأله معمای سودوکو-------------------------------------------- 109

3-4-1- حل مسأله---------------------------------------------------- 110

3-4-2- تعیین کروموزم------------------------------------------------ 110

3-4-3- ساختن جمعیت آغازین یا نسل اول---------------------------------- 111

3-4-4- ساختن تابع از ارزش--------------------------------------------- 112

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید-------------------------------- 113

3-4-6- ارزشیابی مجموعه جواب------------------------------------------ 118

3-4-7- ساختن نسل بعد------------------------------------------------ 118

3-5- مرتب سازی به کمک GA-------------------------------------------- 119

3-5-1- صورت مسأله-------------------------------------------------- 119

3-5-2- جمعیت آغازین------------------------------------------------ 119

3-5-3- تابع برازندگی------------------------------------------------- 122

3-5-4- انتخاب------------------------------------------------------ 123

3-5-5- ترکیب------------------------------------------------------ 123

3-5-6- جهش------------------------------------------------------- 124

فهرست منابع و مراجع--------------------------------------------- 126

پیوست---------------------------------------------------------- 127

واژه‌نامه--------------------------------------------------------- 143


دانلود با لینک مستقیم


جایابی مولدهای تولید پراکنده با استفاده از الگوریتم بهینه سازی مورچگان به منظور کاهش تلفات و بهبود پروفیل ولتاژ

اختصاصی از نیک فایل جایابی مولدهای تولید پراکنده با استفاده از الگوریتم بهینه سازی مورچگان به منظور کاهش تلفات و بهبود پروفیل ولتاژ دانلود با لینک مستقیم و پر سرعت .

جایابی مولدهای تولید پراکنده با استفاده از الگوریتم بهینه سازی مورچگان به منظور کاهش تلفات و بهبود پروفیل ولتاژ


 جایابی مولدهای تولید پراکنده با استفاده از الگوریتم بهینه سازی مورچگان به منظور کاهش تلفات و بهبود پروفیل ولتاژ

 

 

 

 

 

چکیده

با نیل به تجدید ساختار در شبکه های قدرت، ارائه دهندگان خدمات شبکه به دنبال روش های جدیدی برای ارائة توان با کیفیت و قابلیت اطمینان بالا به مشتریان خود هستند. در این زمینه استفاده از مولدهای کوچک به دلیل مشکلات کمتر زیست محیطی و امکان نصب آسان و بازده بالا به سرعت مورد توجه ارائه دهندگان خدمات قرار گرفت. علاوه بر آن مشکلات و محدودیت های احداث خطوط جدید برای انتقال توان با فواصل طولانی علاقه مندی به مولدهای تولید پراکنده را افزایش داده است. زیرا بر خلاف نیروگاه های اصلی و بزرگ، مولدهای تولیدپراکنده می توانند در محل بار و یا در نزدیکی آن نصب شود. مسأله تخصیص و اندازه مولدهای تولید پراکنده از اهمیت به سزایی برخوردار است. نصب مولد تولید پراکنده در محل غیربهینه می تواند باعث افزایش تلفات گردد. و هزینه شبکه را افزایش دهد. بنابراین، با توجه به افزایش روز افزون نفوذ مولدهای تولید پراکنده در شبکه های توزیع استفاده از یک الگوریتم بهینه سازی برای جایابی و تعیین اندازه مولدها ضروری است. انتخاب بهترین محل برای نصب مولد تولید پراکنده و اندازه آن برای سیستم های توزیع بزرگ یک مسأله بهینه سازی ترکیبی پیچیده است. این پایان نامه روشی را برای تعیین محل و اندازه مناسب مولد تولید پراکنده در شبکه های توزیع با استفاده از الگوریتم بهینه سازی مورچگان ارائه می کند. الگوریتم بهینه سازی مورچگان یکی از روشهای نوین بهینه سازی است که به منظور بهینه کردن تابع هدف استفاده می شود. ایده اصلی الگوریتم بهینه سازی مورچگان از رفتار مورچه های طبیعی برای یافتن کوتاهترین مسیر بین لانه و غذا نشأت گرفته است. اساس تابع هدف استفاده شده در این پایان نامه بر پایه کاهش هزینه شبکه می باشد که بطور همزمان اندازه و محل مولد تولید پراکنده را تعیین می نماید. شبیه سازی برای سه شبکه متفاوت نمایش داده شده است. در دو شبیه سازی اول از مولدهای PQ برای جایابی استفاده شده است. و در سومین شبیه سازی از مولدهای تولید پراکنده PV برای جایابی استفاده شده است. در پایان محل و اندازه مولد تولید پراکنده برای هر یک از شبکه ها تعیین و نتایج نمایش داده شده است.

مقدمه

استفاده از مولد های تولید پراکنده در شبکه های توزیع با توجه به مزایای این مولد ها در حال افزایش است با وجود مزایای فراوان مولدهای DG یکی از مزایایی که معمولاً در جایابی و استفاده از این مولدها مورد تأکید است کاهش تلفات شبکه های توزیع و انتقال می باشد.

استفاده از این مولدها بدون مطالعات جایابی و مطالعه شبکه توزیع و انتقال علاوه بر اینکه باعث کاهش تلفات شبکه نمی شود ممکن است سایر فاکتورهای مهم شبکه از جمله قابلیت اطمینان و سطح ولتاژ در شبکه توزیع را مختل کرده و هارمونیک های ولتاژ را در شبکه افزایش دهد. علاوه بر آن عدم حفاظت مناسب از مولد های تولید پراکنده می تواند برای تعمیرکارانی که به هنگام خاموشی شبکه مشغول کار هستند خطرناک باشد.

تولید پراکنده شده یا توزیع شده (DG) سیستم قدرت را در سطح شبکه توزیع و انتقال به خصوص شبکه توزیع تحت تاثیر اثرات حضور خود در شبکه قرار می دهد.

روش های مختلفی برای جایابی مولدهای تولید پراکنده در شبکه وجود دارد. هر یک از این روش ها اهداف گوناگونی را برای جایابی مولدهای تولید پراکنده در شبکه دنبال می کنند. یکی از این اهداف که بیشتر در تحقیقات جایابی مورد توجه بوده است جایابی به منظور کاهش تلفات و بهبود پروفیل ولتاژ است. جایابی صحیح مولد تولید پراکنده منجر به صرفه جویی در توان میگردد و شبکه را از جابجایی توان اضافی آزاد می سازد. روش های جایابی مولدهای تولید پراکنده که به منظور کاهش توان تلف شده استفاده می شود گوناگون هستند. که در این پروژه نیز یک روش برای جایابی مورد بررسی قرار میگیرد.

فصل اول: مروری بر سابقه موضوع

1-1- تاریخچه استفاده از مولدهای کوچک

روش های مختلفی برای جایابی مولدهای تولیدپراکنده در شبکه وجود دارد. هر یک از این روش ها اهداف گوناگونی را برای جایابی مولدهای تولید پراکنده در شبکه دنبال می کنند. یکی از این اهداف که بیشتر در تحقیقات جایابی مورد توجه بوده است جایابی به منظور کاهش تلفات و بهبود پروفیل ولتاژ است. جایابی صحیح مولد تولیدپراکنده منجر به صرفه جویی در توان می گردد و شبکه را از جابجایی توان اضافی آزاد می سازد. روش های جایابی مولدهای تولید پراکنده که به منظور کاهش توان تلف شده استفاده می شود گوناگون هستند یکی از روش هایی که برای جایابی مولدهای تولید پراکنده استفاده می شود مبتنی بر قانونی است که معمولاً برای جایابی خازن های سری از آن استفاده م ی شود. روش ” قانون دو سوم” برای جایابی مولدهای تولید پراکنده در شبکه ای با بارهایی که به صورت همگون در شبکه توزیع شده اند در مرجع [3] آورده شده است. این روش پیشنهاد می کند که مولدهای تولیدپراکنده در شبکه های شعاعی و دارای توزیع همگون بار، تقریباً در دو سوم فیدر با توانی معادل دو سوم توان ورودی به شبکه جاگذاری شوند. قانون دو سوم یک روش سادةه جایابی می باشد. در عمل نیز اعمال این قانون به شبکه بسیار ساده می باشد. اما قانون دو سوم دارای قابلیت اعمال به فیدرهایی با مشخصات دیگری از لحاظ توزیع بار و یا شکل شبکه نمی باشد و صرفاً محدود به فیدرهای شعاعی می باشد و قابل اعمال به یک شبکه نیست. مراجع [7-2] و [2-1] از الگوریتم پخش بار برای جایابی بهینه مولدهای تولیدپراکنده استفاده کرده اند با این فرض که تمامی باس های باری توانایی نصب مولد DG را دارند. و مرجع [4] از روشی تحلیلی برای جایابی بهینه به منظور کاهش تلفات استفاده کرده است. در برخی از موارد جایابی مولد DG برای کاهش تلفات در خط مورد بررسی قرار گرفته است.

تعداد صفحه : 131

 


دانلود با لینک مستقیم


بهینه سازی توپولوژی شبکه های دولایه فضاکار با استفاده از الگوریتم جستجوی گرانشی

اختصاصی از نیک فایل بهینه سازی توپولوژی شبکه های دولایه فضاکار با استفاده از الگوریتم جستجوی گرانشی دانلود با لینک مستقیم و پر سرعت .

با توجه به اهمیت سبک سازى در سازه ها و مسایل اجرایى آنها تحقیقات زیادى در مورد انواع مختلف روش هاى بهینه سازى در مورد سازه هاى فضاکار صورت گرفته است. رسیدن به شکل بهینه ، مسیرى است که وزن سازه را کاهش مى دهد و معمولاً کاهش وزن ، منجر به کاهش هزینه ها می شود. بهینه سازه ى توپولوژی یکى از انواع روش هاى بهینه سازى می باشد. در برخى از مسائل بهینه سازى توپولوژی، سختى سازه با در نظر گرفتن قیدهای مختلف حداکثر می شود. در این مقاله از الگوریتم جستجوى گرانشى براى بهینه سازى توپولوژی شبکه هاى دولایه فضایى استفاده شده است. در این فرآیند وجود و عدم وجود گره هاى شبکه پایین به همراه سطح مقطع اعضا به عنوان متغیرهاى بهینه سازى و تغییر مکان گره ها، ضریب لاغرى و تنش داخلى اعضا به عنوان قیدهای مسأله بهینه سازى در نظر گرفته شده است. همچنین به منظور کاهش فضاى طراحى، اعضا تیپ بندى شده اند بطوریکه تعداد تیپهاى اعضاى کششى و فشاری در طول فرآیند بهینه سازى ثابت است. براى بررسى عملکرد این الگوریتم در بهینه سازى توپولوژی شبکه هاى دولایه ، پس از آنکه کد مربوط به آن در نرم افزار متلب نوشته شد، تعدادى از سازه ى فضاکار با ابعاد متفاوت توسط این الگوریتم مورد بررسى قرار گرفته و توپولوژی بهینه براى تمامى مثال ها بدست آمد. نتایج مثال هاى عددى نشان مى دهند که عملکرد الگوریتم جستجوى گرانشى در بهینه سازى توپولوژی شبکه هاى دولایه مناسب مى باشد.

 

سال انتشار: 1392

تعداد صفحات: 15

فرمت فایل: pdf


دانلود با لینک مستقیم


بهینه سازی توپولوژی شبکه های دولایه فضاکار با استفاده از الگوریتم رقابت استعماری

اختصاصی از نیک فایل بهینه سازی توپولوژی شبکه های دولایه فضاکار با استفاده از الگوریتم رقابت استعماری دانلود با لینک مستقیم و پر سرعت .

امروزه سازه هاى فضاکار یکى از متداول ترین گزینه ها براى پوشش دهانه هاى بزرگ مى باشند. شبکه هاى دولایه یکى از مرسوم ترین نوع از این سازه ها مى باشند که بهینه سازى آنها می تواند به مقدار قابل توجهى در کاهش هزینه ها و مصرف مصالح موثر باشد. از روش هاى پیشنهادى جهت کاهش وزن سازه ، بهینه سازى توپولوژى می باشد. در مسائل بهینه سازى توپولوژی هدف تعیین تعداد، مکان و نحوه ى بدست آوردن ارتباط بین اعضاى سازه است ، به نحوى که با کمترین وزن مقاوم ترین نوع سازه ممکن را که تخطى از قیود نیز ننماید، به دست آوریم. در این مقاله از الگوریتم رقابت استعمارى براى بهینه سازى توپولوژی شبکه هاى دولایه فضاکار استفاده شده است. سطح مقطع تمامى اعضا و نیز وجود و عدم وجود گره هاى شبکه ى پایین بعنوان متغیر هاى طراحى و وزن سازه بعنوان تابع هدف انتخاب شده است. قیود مسئله شامل پایداری سازه ، حدا کثر تغییر مکان گره ها، حدا کثر تنش و ضریب لاغرى اعضا مى باشند که مقادیر مجاز قیود با استفاده از ضوابط آیین نامه استخراج می گردد. در این مقاله ، بارهاى استاتیکى متمرکز به گره هاى شبکه بالا اعمال و از آنالیز خطى براى تحلیل سازه استفاده شده است براى نشان دادن قابلیت هاى الگوریتم پیشنهادى، کد الگوریتم مورد اشاره در نرم افزار متلب نوشته شده است. سپس چندین شبکه دولایه با پوشش فضایى مشخص با بارگذاری و شرایط تکیه گاهى یکسان و توپولوژی متفاوت مورد بررسى قرار گرفت. نتایج حاصل از مثال هاى عددى نشان مى دهد که الگوریتم رقابت استعمارى در بهینه سازى توپولوژی شبکه هاى دولایه فضاکار عملکرد مناسبى دارد.

 

سال انتشار: 1392

تعداد صفحات: 8

فرمت فایل: pdf


دانلود با لینک مستقیم


بررسی الگوریتم بهینه سازی Simulated Annealing و انواع کاربردهای آن

اختصاصی از نیک فایل بررسی الگوریتم بهینه سازی Simulated Annealing و انواع کاربردهای آن دانلود با لینک مستقیم و پر سرعت .

بررسی الگوریتم بهینه سازی Simulated Annealing و انواع کاربردهای آن


بررسی الگوریتم بهینه سازی Simulated Annealing و انواع کاربردهای آن

 

 

 

 

چکیده

در این سمینار الگوریتم جستجوی محلی Simulated Annealing,SA (پخت شبیه سازی شده) را معرفی کرده و جزئیات، مزایا، معایب و کاربردهای آن را مورد بررسی قرار خواهیم داد به طوری که روش های توسعه یافته این الگوریتم نیز به اجمال معرفی می شوند. سپس اهمیت تعیین مشخصات مدارات الکترونیکی (Circuit Sizing) را با انواع روش های موجود برای این کار را مورد بررسی و مقایسه قرار می دهیم. برنامه ریزی هندسی و روش های بر پایه شبیه سازی معروف ترین استراتژی هایی هستند که برای تعیین مشخصات مدار به منظور بهینه سازی آنها به کار می روند که در ادامه با توجه به ضرورت بهینه سازی بلوک های جمع کننده و ضرب کننده که عنصر اصلی در مدارات دیجیتال می باشند، روش SA را به عنوان یک الگوریتم ساده و با قابلیت یافتن نقطه بهینه در کل برای حداقل شدن توان مصرفی و تاخیر در این بلوک ها، انتخاب می کنیم.

مقدمه

جستجو برای یافتن خواسته های مطلوب و بهینه از میان گزینه های قابل انتخاب جزء مسائلی است که بشر همواره با آن مواجه بوده است. در زندگی روزمره نیز به کرات با چنین مسائلی مواجه هستیم مانند: انتخاب یک محل مناسب برای زندگی، تنظیم جدول زمانی برای امتحانات سراسری، یافتن بهترین مسیر برای مسافرت با وسیله نقلیه، حرکت مناسب در بازی شطرنج و… نه تنها در زندگی روزمره بلکه در انواع مسائل مهندسی، معماری، مالی، اقتصادی، تحقیقات اپراتوری، پزشکی، نظامی و… به نوعی با مسائل بهینه سازی مواجه هستیم.

در تمام مسائل جستجو واضح است که یافتن یک حل ممکن برای مسئله بسیار آسان تر از یافتن بهترین حل می باشد. محدودیت ها در یافتن بهترین جواب ناشی از زمان، منابع در دسترس، پیچیدگی طبیعی خواسته های بهینه سازی و کثرت گزینه های قابل انتخاب می باشد.

در بعضی از مسائل بهینه سازی باید عملیات جستجو به نحوی انجام شود که چندین تابع هزینه باهم بهینه شوند (Multi objective). همچنین محدودیت ها و قیودات مختلفی بسته به نوع مسئله وجود دارد به عنوان مثال برای تنظیم بهینه جدول زمانی امتحانات یک دانشگاه چندین موضوع باید در نظر گرفته شود مانند: تعداد دانشجویانی که امتحانات پشت سرهم دارند، تعداد دانشجویانی که بیشتر از یک امتحان در یک روز دارند، حداکثر زمان مشخص شده برای کل امتحانات، حداکثر اتاق های قابل استفاده، تعداد مراقبان امتحانات و… بدون شک پیدا کردن جوابی که تمام خواسته ها و محدودیت ها را برآورده کند کاری بسیار مشکل می باشد.

برای یافتن بهترین جواب باید بیشترین جستجو را انجام داد این خود باعث صرف شدن زمان زیاد و تلاش محاسباتی (effort) حجیم می شود. در مسائل بهینه سازی باید مصالحه ای بین کیفیت جواب و زمان و تلاش محاسباتی برقرار شود. چنانچه محدودیت کمی برای زمان و تلاش محاسباتی وجود داشته باشد می توانیم بیشترین جستجو را انجام دهیم یعنی فضاهای جستجو را به اندازه ممکن بزرگ در نظر گرفته و نقاط بیشتری را از یک فضای مشخص به عنوان حل های ممکن در نظر بگیریم. اما چنانچه محدودیت های ما بر روی زمان و تلاش محاسباتی زیاد باشد نمی توانیم همه نقاط ممکن را جستجو کنیم در نتیجه برای رسیدن به جواب مناسب باید روشی را پیدا کنیم که به سمت جواب های بهتر هدایت شویم. در واقع به جای جستجوی همه نقاط ممکن (explore) باید اطلاعات به دست آورده از جستجوهای قبلی را طوری تحلیل کنیم تا به سمت نقاط بهتر هدایت شویم (exploite). البته این عمل در بعضی از مسائل بسیار مشکل می باشد.

الگوریتم هایی که برای حل مسئله بهینه سازی و جستجو به کار می روند در صورتی که قابل اعمال به دسته وسیعی از مسائل باشند به الگوریتم های همه منظورمه (general – purpose optimization algorithm) موسوم می باشند. این الگوریتم ها نیز بسته به استراتژی جستجو در آنها به دو دسته کلی تقسیم می شوند. دسته اول که به روش محلی تک نقطه ای موسوم می باشند در هر ملحه تنها یک جواب انتخاب می شود. (SA (simulated annealing و جستجوی TABU جزء این دسته می باشند. دسته دیگر به روش های جستجوی دسته جمعی موسوم می باشند. در هر مرحله به صورت موازی چندین حل انتخاب می شود. سپس از میان آن ها حل هایی که دارای بیشترین برازش باشند برای همسایگی در مرحله بعدی در نظر گرفته می شوند و این عمل تکرار می شود.

اکثر الگوریتم های تکاملی جزء روش های جستجوی دسته جمعی می باشند. در بسیاری از مقالات میان الگوریتم های بهینه سازی مقایسه شده است. این مقایسه از چند جهت ضروری می باشد اولا آنکه مقایسه مشخص می کند که برای مسائل مختلف کدام الگوریتم بهتر عمل می کند دوما آنکه برای مسائلی که در آینده مطرح می شوند دید کافی برای حل آنها وجود خواهد داشت. البته این موضوع بستگی به دسته بندی صحیح مسائل بهینه سازی از جهت خصوصیات آنها و سازگاری الگوریتم های بهینه سازی برای هریک از این مشخصات خواهد داشت. سوم آنکه مقایسه الگوریتم ها بر روی یک فرآیند باعث فهم بهتر عملکرد آن فرآیند شده و این امکان را می دهد تا اصلاحات لازم بر روی الگوریتم ها انجام شده یا حتی آنها را با یکدیگر ترکیب کنیم تا از مزایای هرکدام بهره مند شویم.

یکی از مباحث مطرح شده در ریاضیات میزان پیچیدگی الگوریتم ها می باشد. الگوریتمی برای تعیین پیچیدگی یک مسئله وجود دارد که بسته به ساده ترین راه حل ممکن برای آن مسائل را به دو دسته سخت و آسان تقسیم بندی می کند. هرچقدر برای رسیدن به جواب مطلوب تعداد گام های بیشتری صرف شود آن الگوریتم پیچیده تر خواهد بود. مسائل بهینه سازی از جهت پیچیدگی به دو دسته “سرکش” (intractable) و “رام” (tractable) تقسیم می شوند.

مسائل سرکش مسائلی هستند که به طور معمول غیرقابل تصمیم گیری هستند یعنی پیدا کردن حل های ممکن برای آنها بسیار سخت است مانند حل معادلات دیوفانتین که اثبات شده است که هیچ روند پیاپی برای حل همه مثال های آن وجود ندارد. اما مسائل رام مسائلی هستند که راه حل های ممکن برای آن قابل استخراج می باشد اما ممکن است زمان و تلاش محاسباتی زیادی برای جستجوی همه راه حل های ممکن مورد نیاز باشد. در مسائل سرکش هیچ الگوریتمی وجود ندارد که به ازای گام های معین که تابعی چند جمله ای از اندازه مسئله می باشند بتواند آنها و همه مثال های مربوط به آن مسائل را حل کند.

تعداد صفحه : 65


دانلود با لینک مستقیم