الگوریتم‌های فراابتکاری

دسترسی آزاد مقاله

1 - طراحی شبکه زنجیره تأمین چابک با الگوریتم جستجوی ممنوع
الهه سالاری محمدرضا شهرکی عبداله شریفی

10.7508/jstpi.2019.02.003

طراحی شبکه زنجیره تأمین شامل تصمیمات کلیدی است که تأثیر زیادی بر ساختار عملیاتی زنجیره تأمین دارد. طراحی کارآمد زنجیره تأمین باعث بهبود عملکرد در سازمان‌ها می‌شود. این موضوع باعث به‌وجود آمدن مفاهیم جدیدی در مسأله زنجیره تأمین در دهه گذشته شده است. در این تحقیق مسأله طر چکیده کامل

طراحی شبکه زنجیره تأمین شامل تصمیمات کلیدی است که تأثیر زیادی بر ساختار عملیاتی زنجیره تأمین دارد. طراحی کارآمد زنجیره تأمین باعث بهبود عملکرد در سازمان‌ها می‌شود. این موضوع باعث به‌وجود آمدن مفاهیم جدیدی در مسأله زنجیره تأمین در دهه گذشته شده است. در این تحقیق مسأله طراحی شبکه‎ زنجیره‎ی تأمین در سازمان‎های چابک دارای چند سطح و چند دوره زمانی مورد توجه قرار گرفته است. این مسأله تحت شرایط داشتن چندین مشتری با حجم تقاضای زیاد در نظر گرفته شده است. تصمیمات شامل انتخاب شرکت‌ها در هر سطح، مقدار تولید، انبار و حمل‌ونقل هر شرکت است. مسأله برای یکپارچه‎سازی تمامی متغیرهای تصمیم‎گیری و با هدف حداقل‌کردن هزینه‎های عملیاتی کل در تمام زنجیره‎ی تأمین و ارضاء تقاضای کامل مشتری‌ها و کسب رضایت آنها مدل‌سازی شده است. از آنجایی‌که حل مسأله طراحی زنجیره تأمین چند سطحی چند دوره‌ای در شرایط عدم قطعیت از نوع مسائل NP-Hard می‌باشد بهتر است الگوریتم‌های ابتکاری و فراابتکاری به منظور کاهش زمان حل مسأله استفاده شود. به همین منظور برای حل مدل از الگوریتم جستجوی ممنوع که یکی از الگوریتم‌های فراابتکاری است، به کار گرفته ‌شده است. نتایج این تحقیق نشان می‎دهد که با بالارفتن تعداد تکرار‎های حل مسأله، به جواب‎هایی با کمتر از 3% اختلاف از جواب بهینه دست پیدا کرده است که الگوریتم جستجو ممنوع برای به‌دست آوردن جواب بهینه در مقایسه با الگوریتم لاگرانژ بهتر عمل کرده است. پرونده مقاله

دسترسی آزاد مقاله

2 - روشی نوین برای خوشه‌بندی داده‌ها با استفاده از الگوریتم بهینه‌سازی چهارگرگ خاکستری
لاله عجمی بختیاروند زهرا بهشتی

امروزه، خوشه‌بندی داده‌ها به دلیل حجم و تنوع داده‎ها بسیار مورد توجه قرار گرفته است. مشکل اصلی روش‌های خوشه‌بندهای معمول این است که در دام بهینه محلی گرفتار می‌آیند. الگوریتم‌های فراابتکاری به دلیل داشتن توانایی فرار از بهینه‌های محلی، نتایج موفقی را در خوشه‌بندی داده‌ه چکیده کامل

امروزه، خوشه‌بندی داده‌ها به دلیل حجم و تنوع داده‎ها بسیار مورد توجه قرار گرفته است. مشکل اصلی روش‌های خوشه‌بندهای معمول این است که در دام بهینه محلی گرفتار می‌آیند. الگوریتم‌های فراابتکاری به دلیل داشتن توانایی فرار از بهینه‌های محلی، نتایج موفقی را در خوشه‌بندی داده‌ها نشان داده‌اند. الگوریتم بهینه‌سازی گرگ خاکستری از جمله این دسته الگوریتم‌ها است که قابلیت بهره‌برداری خوبی دارد و در برخی از مسایل راه حل مناسبی ارائه داده است، اما اکتشاف آن ضعیف است و در بعضی از مسایل به بهینه محلی همگرا می‌شود. در این تحقیق برای بهبود خوشه‌بندی داده‌ها، نسخه بهبودیافته‌ای از الگوریتم بهینه‌سازی گرگ خاکستری به نام الگوریتم بهینه‌سازی چهارگرگ خاکستری ارائه شده که با استفاده از بهترین موقعیت دسته چهارم گرگ‌ها به نام گرگ‌های امگای پیشرو در تغییر موقعیت هر گرگ، قابلیت اکتشاف بهبود می‌یابد. با محاسبه امتیاز هر گرگ نسبت به بهترین راه حل، نحوه حرکت آن مشخص می‌شود. نتایج الگوریتم پیشنهادی چهارگرگ خاکستری با الگوریتم‌های بهینه‌سازی گرگ خاکستری، بهینه‌سازی ازدحام ذرات، کلونی زنبور عسل مصنوعی، ارگانیسم‌های هم‌زیست و بهینه‌سازی ازدحام سالپ در مسأله خوشه‌بندی روی چهارده مجموعه دادگان ارزیابی شده است. همچنین عملکرد الگوریتم پیشنهادی با چند نسخه بهبودیافته از الگوریتم گرگ خاکستری مقایسه شده است. نتایج به دست آمده عملکرد قابل توجه الگوریتم پیشنهادی را نسبت به سایر الگوریتم‌های فراابتکاری مورد مقایسه در مسأله خوشه‌بندی نشان می‌دهد. بر اساس میانگین معیار F روی تمام مجموعه دادگان، روش پیشنهادی 82/172% و الگوریتم بهینه ذرات 78/284% را نشان می‌دهد و در مقایسه با نسخه‌های بهبودیافته الگوریتم گرگ، الگوریتم EGWO که در رتبه بعدی است دارای میانگین معیار F برابر 80/656% می‌باشد. پرونده مقاله

دسترسی آزاد مقاله

3 - برنامه‌ریزی تصادفی بهبود تاب‌آوری سیستم‌های توزیع انرژی الکتریکی در مقابل طوفان‌های گرد و غبار شدید
مرتضی حق‌شناس رحمت‌الله هوشمند مهدی قلی‌پور

ویژگی تاب آوری در سیستم های قدرت به قابلیت های سیستم در مقابله با اغتشاشات شدید با احتمال رخداد کم اشاره دارد. از آنجا که در چند سال اخیر ریزگردها و طوفان های گرد و غبار خسارت های سنگینی را به صنعت برق کشور تحمیل کرده است، در این مقاله یک مدل برنامه ریزی دوسطحی برای بهب چکیده کامل

ویژگی تاب آوری در سیستم های قدرت به قابلیت های سیستم در مقابله با اغتشاشات شدید با احتمال رخداد کم اشاره دارد. از آنجا که در چند سال اخیر ریزگردها و طوفان های گرد و غبار خسارت های سنگینی را به صنعت برق کشور تحمیل کرده است، در این مقاله یک مدل برنامه ریزی دوسطحی برای بهبود تاب آوری سیستم های توزیع انرژی در مقابل این پدیده پیشنهاد شده است. در سطح اول مدل پیشنهادی، هزینه های سرمایه گذاری برای بهبود تاب آوری سیستم توزیع در مقابل طوفان های گرد و غبار و در سطح دوم آن، هزینه های مورد انتظار بهره برداری از سیستم توزیع در چارچوب محدودیت های مالی و عملیاتی سیستم حداقل می گردند. با توجه به کاهش استقامت عایقی تجهیزات شبکه توزیع در شرایط طوفان گرد و غبار، اقدامات پیشنهادی در حوزه برنامه ریزی شامل تقویت خطوط توزیع با مقره های سیلیکونی، تعیین محل کلیدهای جداکننده در شبکه توزیع و بکارگیری ژنراتورهای اضطراری می اشد. در مدل پیشنهادی، اقدامات حوزه بهره برداری به دو دسته اقدامات پیشگیرانه و اصلاحی تفکیک شده و تعامل بین سطوح برنامه ریزی به گونه ای پیاده سازی شده است که نتایج هر سطح به متغیرهای تصمیم و محدودیت های سطح مقابل وابسته است. نتایج شبیه سازی و مطالعات عددی بر روی شبکه 33 باسه IEEE و یک فیدر فشار متوسط شعاعی با 209 گره واقع در استان خوزستان کارایی روش پیشنهادی را در مقادیر مختلف بودجه تایید کرده است. پرونده مقاله

دسترسی آزاد مقاله

4 - بهره‌گیری از رویکردهای جدید بهینه‌سازی هوشمند فراابتکاری مبتنی بر هوش مصنوعی در طراحی سیستم‌های ناوبری INS
علی محمدی فرید شیخ الاسلام مهدی امامی

به کارگیری تکنیک‌های محاسبات نرم در علوم مهندسی حجم زیادی از پژوهش‌ها را شامل شده است. از جمله این مسایل می‌توان به طراحی و بهینه‌سازی سیستم‌های ناوبری جهت استفاده در سیستم‌های حمل‌ونقل زمینی، دریایی و هوایی اشاره کرد. از این رو در این پژوهش سعی در بهره‌گیری از رویکردها چکیده کامل

به کارگیری تکنیک‌های محاسبات نرم در علوم مهندسی حجم زیادی از پژوهش‌ها را شامل شده است. از جمله این مسایل می‌توان به طراحی و بهینه‌سازی سیستم‌های ناوبری جهت استفاده در سیستم‌های حمل‌ونقل زمینی، دریایی و هوایی اشاره کرد. از این رو در این پژوهش سعی در بهره‌گیری از رویکردهای جدید بهینه‌سازی هوشمند فراابتکاری مبتنی بر هوش مصنوعی در جهت طراحی سامانه‌های ناوبری تلفیقی می‌باشد. برای این منظور از نسخه جدید الگوریتم بهینه‌سازی سیستم صفحات شیب‌دار به همراه چند نسخه دیگر آن در کنار دو روش مرسوم الگوریتم زیستی و بهینه‌سازی ازدحام ذرات استفاده شده است. ملاحظات بر روی یک مسأله INS/GNSS با ماژول‌های اندازه‌گیری اینرسی IMU MEMS انجام شدند. ماتریس‌های کواریانس نویز فرایند و اندازه‌گیری به عنوان متغیرهای طراحی و مجموع میانگین مربعات خطا به عنوان تابع هدف در قالب یک مسأله کمینه‌سازی تک‌هدفه در نظر گرفته شده‌اند. خروجی‌ها بر حسب شاخص‌های آماری و عملکردی نظیر زمان اجرا، برازندگی، همگرایی‌ها، دقت سرعت‌های زاویه‌ای، طول و عرض جغرافیایی، بلندی، Roll، Pitch، Yaw و مسیریابی به همراه رتبه‌بندی الگوریتم‌ها ارائه شدند. برایند کلی نتایج حکایت از عملکرد موفق و برتری نسبی روش های IPO و IIPO نسبت به رقبا و همچنین کارکرد قابل رقابت الگوریتم های پیشنهادی در قیاس با حجم ملاحظات و محاسبات مسأله مفروض دارد. پرونده مقاله

دسترسی آزاد مقاله

5 - بهبود سیستم تشخیص نفوذ در اینترنت اشیاء صنعتیِ مبتنی بر یادگیری عمیق با استفاده الگوریتم‌های فراابتکاری
محمدرضا زراعت‌کار مقدم مجید غیوری ثالث

با توجه به گسترش روز افزون استفاده از سامانه‌های اینترنت‌اشیاء صنعتی یکی از پرکابردترین مکانیزم‌های امنیتی، سیستم‌های تشخیص نفوذ در اینترنت‌اشیاء صنعتی می‌باشد. در این سیستم‌ها از تکنیک‌های یادگیری عمیق به‌طور فزآینده‌ای برای شناسایی حملات، ناهنجاری‌ها یا نفوذ استفاده م چکیده کامل

با توجه به گسترش روز افزون استفاده از سامانه‌های اینترنت‌اشیاء صنعتی یکی از پرکابردترین مکانیزم‌های امنیتی، سیستم‌های تشخیص نفوذ در اینترنت‌اشیاء صنعتی می‌باشد. در این سیستم‌ها از تکنیک‌های یادگیری عمیق به‌طور فزآینده‌ای برای شناسایی حملات، ناهنجاری‌ها یا نفوذ استفاده می‌شود. در یادگیری عمیق مهم‌ترین چالش برای آموزش شبکه‌های عصبی، تعیین فراپارامترهای اولیه در این شبکه‌ها است. ما برای غلبه بر این چالش، به ارائه‌ی رویکردی ترکیبی برای خودکارسازی تنظیم فراپارامتر در معماری یادگیری عمیق با حذف عامل انسانی پرداخته‌ایم. در این مقاله یک سیستم تشخیص نفوذ در اینترنت‌اشیاء صنعتی مبتنی بر شبکه‌های عصبی کانولوشن (CNN) و شبکه‌ عصبی بازگشتی مبتنی بر حافظه کوتاه مدت (LSTM) با استفاده از الگوریتم‌های فراابتکاری بهینه‌سازی ازدحام ذرات (PSO) و وال (WOA) ارائه شده است. این سیستم یک روش ترکیبی براساس شبکه‌های عصبی و الگوریتم‌های فراابتکاری برای بهبود عملکرد شبکه عصبی در راستای افزایش نرخ تشخیص و کاهش زمان آموزش شبکه‌های عصبی می‌باشد. در روش ما با درنظر گرفتن الگوریتم‌ PSO-WOA، فراپارامترهای شبکه عصبی بدون دخالت عامل انسانی و به‌صورت خودکار تعیین شده است. در این مقاله از مجموعه‌داده‌ی UNSW-NB15 برای آموزش و آزمایش استفاده شده است. در این پژوهش، الگوریتم‌ PSO-WOA با محدود کردن فضای جستجو، فراپارامترهای شبکه عصبی را بهینه‌ کرده و شبکه‌‌ عصبی CNN-LSTM با فراپارامترهای تعیین شده آموزش دیده است. نتایج پیاده‌سازی حکایت از آن دارد که علاوه‌ بر خودکارسازیِ تعیین فراپارامترهای شبکه‌ی عصبی، نرخ تشخیص روش ما 98.5 درصد بوده که در مقایسه با روش‌های دیگر بهبود مناسبی داشته است. پرونده مقاله

فهرست مقالات الگوریتم‌های فراابتکاری

رایمگ

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی