Particle swarm optimization

دسترسی آزاد مقاله

1 - استفاده از خوشه بندی در پروتکل مسیریابی AODV برای شبکه های بین خودرویی بر روی سناریوی بزرگراه
امین فیضی

شبکه های بین خودرویی زیرمجموعه‌ای از شبکه های سیار موردی می باشد که در آن خودروها به عنوان گره های شبکه محسوب می شوند. تفاوت اصلی آن با شبکه های سیار موردی در تحرک سریع گره ها است که باعث تغییر سریع توپولوژی در این شبکه می شود. تغییرات سریع توپولوژی شبکه یک چالش بزرگ بر چکیده کامل

شبکه های بین خودرویی زیرمجموعه‌ای از شبکه های سیار موردی می باشد که در آن خودروها به عنوان گره های شبکه محسوب می شوند. تفاوت اصلی آن با شبکه های سیار موردی در تحرک سریع گره ها است که باعث تغییر سریع توپولوژی در این شبکه می شود. تغییرات سریع توپولوژی شبکه یک چالش بزرگ برای مسیریابی محسوب می شود که برای مسیریابی در این شبکه ها، پروتکل های مسیریابی باید قوی و قابل‌اعتماد باشد. یکی از پروتکل های مسیریابی شناخته ‌شده در شبکه‌های بین خودرویی، پروتکل مسیریابی AODV است. اعمال این پروتکل مسیریابی بر روی شبکه های بین خودرویی نیز دارای مشکلاتی می‌باشد که با افزایش مقیاس شبکه و تعداد گره ها، تعداد پیام های کنترلی در شبکه افزایش می یابد. یکی از روش‌های کاهش سربار در پروتکل AODV، خوشه بندی کردن گره های شبکه است. در این مقاله برای خوشه بندی کردن گره ها از الگوریتم تغییریافته K-Means و برای انتخاب سر خوشه از الگوریتم ازدحام ذرات استفاده شده است. نتایج بدست آمده از روش پیشنهادی باعث بهبود بار مسیریابی نرمال شده و افزایش نرخ تحویل بسته در مقایسه با پروتکل مسیریابی AODV شده است. پرونده مقاله

دسترسی آزاد مقاله

2 - تخصیص بهینه درس‌پار به کمک الگوریتم بهینه‌سازی گروه ذرّات
غلامعلی منتظر

یاددهندگان معمولاً به طور ذهنی دریافتهاند که تدریس خوب دارای چه ویژگیهایی است و با توجه به تجربه و حوزهی دانش خود درسپارهایی ایجاد کرده و در وب قرار میدهند. به همین دلیل بسیاری از یادگیرندگان نمیتوانند درسپارهای متناسب با نیازهای خود را پیدا کنند. به همین جهت بسی چکیده کامل

یاددهندگان معمولاً به طور ذهنی دریافتهاند که تدریس خوب دارای چه ویژگیهایی است و با توجه به تجربه و حوزهی دانش خود درسپارهایی ایجاد کرده و در وب قرار میدهند. به همین دلیل بسیاری از یادگیرندگان نمیتوانند درسپارهای متناسب با نیازهای خود را پیدا کنند. به همین جهت بسیاری از پژوهشگران، تحقیقات خود را بر سامانههای یادگیری شخصی شده معطوف داشته‌اند که یکی از روش‌های شخصی‌سازی در محیط یادگیری الکترونیکی، تعیین توالی مناسب درس‌پارهاست. در این مقاله به بهینه‌سازی توالی درس‌پارها با استفاده از الگوریتم بهینه‌سازی گروه ذرّات پرداخته شده است. معیارهای استفاده شده برای انجام این کار سبک یادگیری و توانایی یادگیرندگان بوده که به ترتیب با استفاده از پرسشنامه‌ی فلدر و سولومان و نظریه‌ی پرسش و پاسخ شناسایی شده است. به منظور ارزیابی روش پیشنهادی، سامانه‌ی طراحی شده در محیط آموزشی وب‌بنیاد در حالت‌های مختلف مورد استفاده قرار گرفته و نتایج حاصل از «موفقیت تحصیلی»، «رضایت تحصیلی» و «زمان حضور در محیط» یادگیرندگان مورد بررسی و تحلیل قرار گرفته است که نتایج، کارامدی چشمگیر سامانه‌ی پیشنهادی را نشان می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

3 - استفاده از روش تركيبي PSO – GA جهت جايابي بهينة خازن در سیستم‌های توزيع
محمدهادی ورهرام امیر محمدی

در اين مقاله ، ما يك الگوريتم جديد پيشنهاد كرده‌ايم كه PSO و ژنتيك را به طريقي با هم تركيب می‌کند بگونه‌اي كه الگوريتم جديد مؤثرتر و كارآمدتر می‌شود. اين بدان معناست که سرعت رسيدن به پاسخ به طور قابل ملاحظه‌اي افزايش مي‌يابد و در عين حال دقّت پاسخ نيز به مراتب بالاتر چکیده کامل

در اين مقاله ، ما يك الگوريتم جديد پيشنهاد كرده‌ايم كه PSO و ژنتيك را به طريقي با هم تركيب می‌کند بگونه‌اي كه الگوريتم جديد مؤثرتر و كارآمدتر می‌شود. اين بدان معناست که سرعت رسيدن به پاسخ به طور قابل ملاحظه‌اي افزايش مي‌يابد و در عين حال دقّت پاسخ نيز به مراتب بالاتر است. خاصيت الگوريتم بهينه‌سازي تجمّع اين است که به سرعت همگرا مي‌شود ، اما در نزديكي‌هاي نقطة بهينه فرآيند جستجو به شدّت كند مي‌شود . از طرفی می‌دانیم که الگوريتم ژنتيك نيز به شرايط اوليه به شدت حساس است. در حقيقت طبيعت تصادفي عملگرهاي ژنتيك ، الگوريتم را به جمعیّت اوليّه حساس مي‌کند. اين وابستگي به شرايط اوليه به گونه‌اي است كه اگر جمعیّت اوليه خوب انتخاب نشود ، الگوريتم ممكن است همگرا نشود. در اين مقاله با استفاده از اين الگوريتم تركيبي GA- PSO، مكان و اندازة بهينة خازن در يك سيستم توزيع نمونه بدست آمده است . همچنين جايابي بهينة خازن با الگوريتم هاي PSO و GA بطور جداگانه بدست و نتايج با هم مقايسه شده‌اند .نتايج نشان می‌دهند که الگوريتم جديد مي‌تواند سريع‌تر به پاسخ برسد و به جمعیّت اوليه وابسته نيست و پاسخ‌هاي دقيق‌تري را پيدا می‌کند. پرونده مقاله

دسترسی آزاد مقاله

4 - Multimodal Biometric Recognition Using Particle Swarm Optimization-Based Selected Features
Sara Motamed علی برومندنیا Azamossadat Nourbakhsh

10.7508/jist.2013.02.002

Feature selection is one of the best optimization problems in human recognition, which reduces the number of features, removes noise and redundant data in images, and results in high rate of recognition. This step affects on the performance of a human recognition system چکیده کامل

Feature selection is one of the best optimization problems in human recognition, which reduces the number of features, removes noise and redundant data in images, and results in high rate of recognition. This step affects on the performance of a human recognition system. This paper presents a multimodal biometric verification system based on two features of palm and ear which has emerged as one of the most extensively studied research topics that spans multiple disciplines such as pattern recognition, signal processing and computer vision. Also, we present a novel Feature selection algorithm based on Particle Swarm Optimization (PSO). PSO is a computational paradigm based on the idea of collaborative behavior inspired by the social behavior of bird flocking or fish schooling. In this method, we used from two Feature selection techniques: the Discrete Cosine Transforms (DCT) and the Discrete Wavelet Transform (DWT). The identification process can be divided into the following phases: capturing the image; pre-processing; extracting and normalizing the palm and ear images; feature extraction; matching and fusion; and finally, a decision based on PSO and GA classifiers. The system was tested on a database of 60 people (240 palm and 180 ear images). Experimental results show that the PSO-based feature selection algorithm was found to generate excellent recognition results with the minimal set of selected features. پرونده مقاله

دسترسی آزاد مقاله

5 - PSO-Algorithm-Assisted Multiuser Detection for Multiuser and Inter-symbol Interference Suppression in CDMA Communications
Atefeh Haji Jamali Arani پائیز عزمی

10.7508/jist.2014.01.006

Applying particle swarm optimization (PSO) algorithm has become a widespread heuristic technique in many fields of engineering. In this paper, we apply PSO algorithm in additive white Gaussian noise (AWGN) and multipath fading channels. In the proposed method, PSO algor چکیده کامل

Applying particle swarm optimization (PSO) algorithm has become a widespread heuristic technique in many fields of engineering. In this paper, we apply PSO algorithm in additive white Gaussian noise (AWGN) and multipath fading channels. In the proposed method, PSO algorithm was applied to solve joint multiuser and inter-symbol interference (ISI) suppression problems in the code-division multiple-access (CDMA) systems over multipath Rayleigh fading channel and consequently, to reduce the computational complexity. At the first stage, to initialize the POS algorithm, conventional detector (CD) was employed. Then, time-varying acceleration coefficients (TVAC) were used in the PSO algorithm. The simulation results indicated that the performance of PSO-based multiuser detection (MUD) with TVAC is promising and it is outperforming the CD. پرونده مقاله

دسترسی آزاد مقاله

6 - Hybrid Task Scheduling Method for Cloud Computing by Genetic and PSO Algorithms
Amin Kamalinia Ali Ghaffari

10.7508/jist.2016.04.008

Cloud computing makes it possible for users to use different applications through the internet without having to install them. Cloud computing is considered to be a novel technology which is aimed at handling and providing online services. For enhancing efficiency in cl چکیده کامل

Cloud computing makes it possible for users to use different applications through the internet without having to install them. Cloud computing is considered to be a novel technology which is aimed at handling and providing online services. For enhancing efficiency in cloud computing, appropriate task scheduling techniques are needed. Due to the limitations and heterogeneity of resources, the issue of scheduling is highly complicated. Hence, it is believed that an appropriate scheduling method can have a significant impact on reducing makespans and enhancing resource efficiency. Inasmuch as task scheduling in cloud computing is regarded as an NP complete problem; traditional heuristic algorithms used in task scheduling do not have the required efficiency in this context. With regard to the shortcomings of the traditional heuristic algorithms used in job scheduling, recently, the majority of researchers have focused on hybrid meta-heuristic methods for task scheduling. With regard to this cutting edge research domain, we used HEFT (Heterogeneous Earliest Finish Time) algorithm to propose a hybrid meta-heuristic method in this paper where genetic algorithm (GA) and particle swarm optimization (PSO) algorithms were combined with each other. The results of simulation and statistical analysis of proposed scheme indicate that the proposed algorithm, when compared with three other heuristic and a memetic algorithms, has optimized the makespan required for executing tasks. پرونده مقاله

دسترسی آزاد مقاله

7 - A Two-Stage Multi-Objective Enhancement for Fused Magnetic Resonance Image and Computed Tomography Brain Images
Leena Chandrashekar A Sreedevi Asundi

10.29252/jist.8.30.93

Magnetic Resonance Imaging (MRI) and Computed Tomography (CT) are the imaging techniques for detection of Glioblastoma. However, a single imaging modality is never adequate to validate the presence of the tumor. Moreover, each of the imaging techniques represents a diff چکیده کامل

Magnetic Resonance Imaging (MRI) and Computed Tomography (CT) are the imaging techniques for detection of Glioblastoma. However, a single imaging modality is never adequate to validate the presence of the tumor. Moreover, each of the imaging techniques represents a different characteristic of the brain. Therefore, experts have to analyze each of the images independently. This requires more expertise by doctors and delays the detection and diagnosis time. Multimodal Image Fusion is a process of generating image of high visual quality, by fusing different images. However, it introduces blocking effect, noise and artifacts in the fused image. Most of the enhancement techniques deal with contrast enhancement, however enhancing the image quality in terms of edges, entropy, peak signal to noise ratio is also significant. Contrast Limited Adaptive Histogram Equalization (CLAHE) is a widely used enhancement technique. The major drawback of the technique is that it only enhances the pixel intensities and also requires selection of operational parameters like clip limit, block size and distribution function. Particle Swarm Optimization (PSO) is an optimization technique used to choose the CLAHE parameters, based on a multi objective fitness function representing entropy and edge information of the image. The proposed technique provides improvement in visual quality of the Laplacian Pyramid fused MRI and CT images. پرونده مقاله

دسترسی آزاد مقاله

8 - Evaluation of Pattern Recognition Techniques in Response to Cardiac Resynchronization Therapy (CRT)
Mohammad Nejadeh Peyman Bayat Jalal Kheirkhah Hassan Moladoust

10.29252/jist.8.31.197

Cardiac resynchronization therapy (CRT) improves cardiac function in patients with heart failure (HF), and the result of this treatment is decrease in death rate and improving quality of life for patients. This research is aimed at predicting CRT response for the progno چکیده کامل

Cardiac resynchronization therapy (CRT) improves cardiac function in patients with heart failure (HF), and the result of this treatment is decrease in death rate and improving quality of life for patients. This research is aimed at predicting CRT response for the prognosis of patients with heart failure under CRT. According to international instructions, in the case of approval of QRS prolongation and decrease in ejection fraction (EF), the patient is recognized as a candidate of implanting recognition device. However, regarding many intervening and effective factors, decision making can be done based on more variables. Computer-based decision-making systems especially machine learning (ML) are considered as a promising method regarding their significant background in medical prediction. Collective intelligence approaches such as particles swarm optimization (PSO) algorithm are used for determining the priorities of medical decision-making variables. This investigation was done on 209 patients and the data was collected over 12 months. In HESHMAT CRT center, 17.7% of patients did not respond to treatment. Recognizing the dominant parameters through combining machine recognition and physician’s viewpoint, and introducing back-propagation of error neural network algorithm in order to decrease classification error are the most important achievements of this research. In this research, an analytical set of individual, clinical, and laboratory variables, echocardiography, and electrocardiography (ECG) are proposed with patients’ response to CRT. Prediction of the response after CRT becomes possible by the support of a set of tools, algorithms, and variables. پرونده مقاله

دسترسی آزاد مقاله

9 - Improvement of Firefly Algorithm using Particle Swarm Optimization and Gravitational Search Algorithm
Mahdi Tourani

10.52547/jist.9.34.123

Evolutionary algorithms are among the most powerful algorithms for optimization, Firefly algorithm (FA) is one of them that inspired by nature. It is an easily implementable, robust, simple and flexible technique. On the other hand, Integration of this algorithm with ot چکیده کامل

Evolutionary algorithms are among the most powerful algorithms for optimization, Firefly algorithm (FA) is one of them that inspired by nature. It is an easily implementable, robust, simple and flexible technique. On the other hand, Integration of this algorithm with other algorithms, can be improved the performance of FA. Particle Swarm Optimization (PSO) and Gravitational Search Algorithm (GSA) are suitable and effective for integration with FA. Some method and operation in GSA and PSO can help to FA for fast and smart searching. In one version of the Gravitational Search Algorithm (GSA), selecting the K-best particles with bigger mass, and examining its effect on other masses has a great help for achieving the faster and more accurate in optimal answer. As well as, in Particle Swarm Optimization (PSO), the candidate answers for solving optimization problem, are guided by local best position and global best position to achieving optimal answer. These operators and their combination with the firefly algorithm (FA) can improve the performance of the search algorithm. This paper intends to provide models for improvement firefly algorithm using GSA and PSO operation. For this purpose, 5 scenarios are defined and then, their models are simulated using MATLAB software. Finally, by reviewing the results, It is shown that the performance of introduced models are better than the standard firefly algorithm. پرونده مقاله

دسترسی آزاد مقاله

10 - A Hybrid Approach based on PSO and Boosting Technique for Data Modeling in Sensor Networks
hadi shakibian Jalaledin Nasiri

10.52547/jist.19789.10.40.259

An efficient data aggregation approach in wireless sensor networks (WSNs) is to abstract the network data into a model. In this regard, regression modeling has been addressed in many studies recently. If the limited characteristics of the sensor nodes are omitted from c چکیده کامل

An efficient data aggregation approach in wireless sensor networks (WSNs) is to abstract the network data into a model. In this regard, regression modeling has been addressed in many studies recently. If the limited characteristics of the sensor nodes are omitted from consideration, a common regression technique could be employed after transmitting all the network data from the sensor nodes to the fusion center. However, it is not practical nor efferent. To overcome this issue, several distributed methods have been proposed in WSNs where the regression problem has been formulated as an optimization based data modeling problem. Although they are more energy efficient than the centralized method, the latency and prediction accuracy needs to be improved even further. In this paper, a new approach is proposed based on the particle swarm optimization (PSO) algorithm. Assuming a clustered network, firstly, the PSO algorithm is employed asynchronously to learn the network model of each cluster. In this step, every cluster model is learnt based on the size and data pattern of the cluster. Afterwards, the boosting technique is applied to achieve a better accuracy. The experimental results show that the proposed asynchronous distributed PSO brings up to 48% reduction in energy consumption. Moreover, the boosted model improves the prediction accuracy about 9% on the average. پرونده مقاله

دسترسی آزاد مقاله

11 - طبقه‌بندي کننده چندمنظوره گروه ذرات
سیدحمید ظهیری

در اين تحقيق با استفاده از روش بهينه‌سازي چندمنظوره گروه ذرات طبقه‌بندي کننده‌اي ارائه شده است که همزمان قادر به بهينه‌سازي شاخص‌هاي متفاوت و مهمي در تشخيص الگو نظير قابليت اطمينان، نرخ تشخيص صحيح و تعداد ابرصفحه‌هاي لازم براي مرزبندي مؤثر کلاس‌هاي متفاوت در فضاي ويژگي چکیده کامل

در اين تحقيق با استفاده از روش بهينه‌سازي چندمنظوره گروه ذرات طبقه‌بندي کننده‌اي ارائه شده است که همزمان قادر به بهينه‌سازي شاخص‌هاي متفاوت و مهمي در تشخيص الگو نظير قابليت اطمينان، نرخ تشخيص صحيح و تعداد ابرصفحه‌هاي لازم براي مرزبندي مؤثر کلاس‌هاي متفاوت در فضاي ويژگي مي‌باشد. در طراحي طبقه‌بندي کننده پيشنهادشده مسايل مهم فوق-برازش و فوق-آموزش نيز برطرف شده است. توانايي دستيابي همزمان به شاخص‌هاي مذکور در ساير طبقه‌بندي کننده‌هاي مبتني بر روش‌هاي هوش جمعي وجود ندارد. نتايج عملي به دست آمده بر روي داده‌هاي آزمايشي نشان مي‌دهند که طبقه‌بندي کننده چندمنظوره پيشنهادي با تخمين جبهة پَرِتو بهترين مجموعه انتخابي از ابرصفحه‌هاي جداکننده کلاس‌هاي مختلف را براي برپايي شرايط دلخواه کاربر در خصوص انتخاب شاخص‌هاي فوق‌الذکر، فراهم مي‌آورد. پرونده مقاله

دسترسی آزاد مقاله

12 - يك روش دو‌مرحله‌اي براي تركيب طبقه‌بندها
سیدحسن نبوی کریزی احسان‌اله کبیر

يادگيري دسته‌جمعي، يک رويکرد مؤثر در يادگيري ماشيني است كه در آن با تركيب نتايج چند‌ طبقه‌بند سعي مي‌شود تقريب بهتري از يك طبقه‌بند بهينه فراهم شود. براي آنكه تركيب نتايج طبقه‌بندها مفيد واقع شود بايد طبقه‌بندهاي پايه ضمن برخورداري از كارآيي قابل قبول، داراي خطاهاي متفا چکیده کامل

يادگيري دسته‌جمعي، يک رويکرد مؤثر در يادگيري ماشيني است كه در آن با تركيب نتايج چند‌ طبقه‌بند سعي مي‌شود تقريب بهتري از يك طبقه‌بند بهينه فراهم شود. براي آنكه تركيب نتايج طبقه‌بندها مفيد واقع شود بايد طبقه‌بندهاي پايه ضمن برخورداري از كارآيي قابل قبول، داراي خطاهاي متفاوتي بوده و قاعده مناسبي براي تركيب نتايج آنها به كار گرفته شود. در اين مقاله يك روش دومرحله‌اي براي تركيب نتايج طبقه‌بندها پيشنهاد مي‌شود كه در مرحله اول آن، با روش اختلاط خبره‌ها يك مجموعه طبقه‌بند با خطاهاي متفاوت ايجاد مي‌شود و در مرحله دوم با استفاده از الگوريتم بهينه‌سازي گروه ذرات، وزن‌هاي بهينه براي تركيب خطي نظرات آنها پيدا مي‌شوند. نتايج آزمايش‌هاي ما بر روي چند مجموعه داده متداول، نشان مي‌دهند كه روش پيشنهادي ما باعث افزايش كارآيي سيستم طبقه‌بندي مركب نسبت به روش‌هاي يادگيري مستقل و روش اختلاط خبره‌ها مي‌شود. پرونده مقاله

دسترسی آزاد مقاله

13 - ارائه‌ی یک روش هوشمند انتخاب ویژگی مبتنی بر الگوریتم جستجوی گرانشی باینری در سیستم بازشناسی ارقام دست‌نویس فارسی
نجمه قنبری سیدمحمد رضوی سیدحسن نبوی کریزی

در این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دست‌نویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای سیستم بازشناسی ارقام دست‌نویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگی‌های مناسب کمینه می‌شود. نتایج پیاده‌سازی نش چکیده کامل

در این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دست‌نویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای سیستم بازشناسی ارقام دست‌نویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگی‌های مناسب کمینه می‌شود. نتایج پیاده‌سازی نشان می‌دهند که استفاده از روش‌های هوشمند برای انتخاب ویژگی به‌خوبی قادر است که موثر‌ترین ویژگی‌ها برای سیستم بازشناسی را انتخاب کند. همچنین مقایسه نتایج روش پیشنهادی با سایر روش‌های مشابه مبتنی بر استفاده از الگوریتم ژنتیک و روش بهینه‌سازی گروه ذرات باینری نشان دهنده‌ی کارایی خوب این روش است. پرونده مقاله

دسترسی آزاد مقاله

14 - بررسی اقتصادی نیروگاه‌های تولید هم‌زمان بر اساس بهینه‌سازی ظرفیت و استراتژی عملکرد
محمدحسن مرادی مهدی حاجی‌نظری

تولید هم‌زمان برق و حرارت (CHP) با استفاده از یک نوع سوخت ورودی، صرفه‌جویی انرژی قابل توجهی را ممکن ساخته و در بسیاری از موارد با توجه به بازده انرژی بالا، کاهش انتشار آلودگی و افزایش قابلیت اطمینان، جایگزینی کلیدی برای تولید مجزای انرژی حرارتی و الکتریکی شناخته می‌شود چکیده کامل

تولید هم‌زمان برق و حرارت (CHP) با استفاده از یک نوع سوخت ورودی، صرفه‌جویی انرژی قابل توجهی را ممکن ساخته و در بسیاری از موارد با توجه به بازده انرژی بالا، کاهش انتشار آلودگی و افزایش قابلیت اطمینان، جایگزینی کلیدی برای تولید مجزای انرژی حرارتی و الکتریکی شناخته می‌شود. با این حال وجود یک ارزیابی صحیح در جهت بررسی توجیه‌پذیری اقتصادی سرمایه‌گذاری در این نیروگاه‌ها با توجه به شرایط مختلف از جمله نوع و حجم تقاضای انرژی محل مصرف و همچنین مشخصات پارامترهای بهره‌برداری ضروری به نظر می‌رسد. از این رو در اين مطالعه يک چهارچوب بهينه‌سازي اقتصادی به‌منظور ارزيابي سرمايه‌گذاري در احداث واحد توليد هم‌زمان ارائه می‌گردد که در آن یک استراتژی بهینه با توجه به مدل عملکرد نیروگاه برای کاهش هزینه‌های بهره‌برداری و همچنین کاهش انتشار آلودگی زیست‌محیطی پیشنهاد می‌گردد. برای کاهش هزینه‌های مربوط به تأمین تقاضای انرژی در هر ساعت (تعیین استراتژی عملکرد) از برنامه‌ریزی خطی استفاده می‌گردد و در ادامه، استراتژی مورد نظر به کمک الگوریتم بهینه‌سازی اجتماع پرندگان (PSO)، برای تعیین ظرفیت بهینه CHP و بویلر کمکی، تا دست‌یابی به ماکزیمم مقدار ارزش خالص فعلی (NPV) از مقادیر مورد انتظار سرمایه‌گذاری به‌کار می‌رود. در نهايت کارایی روش پیشنهادی با آنالیز تصمیم احداث يک نیروگاه CHP براي یک بيمارستان نمونه ارائه‌ می‌گردد. پرونده مقاله

دسترسی آزاد مقاله

15 - ارزيابي امنيت استاتيكي و ديناميكي سيستم قدرت بر اساس ريسك و بهبود آن به وسیله برنامه‏ریزی مجدد تولید
مرتضی سعیدی حسین سیفی

تعيين سطح امنيت سيستم قدرت، به‌طور سنتي با استفاده از معيارهاي قطعي انجام مي‌پذيرد. با استفاده از اين معيار در نهايت نقاط بهره‏برداري سيستم قدرت به دو دسته داراي امنيت و فاقد امنيت دسته‏بندي مي‌شود. اگر در صورت وقوع يک خطاي مشخص، متغيرهاي بهره‏برداري از حدود خود خارج شو چکیده کامل

تعيين سطح امنيت سيستم قدرت، به‌طور سنتي با استفاده از معيارهاي قطعي انجام مي‌پذيرد. با استفاده از اين معيار در نهايت نقاط بهره‏برداري سيستم قدرت به دو دسته داراي امنيت و فاقد امنيت دسته‏بندي مي‌شود. اگر در صورت وقوع يک خطاي مشخص، متغيرهاي بهره‏برداري از حدود خود خارج شوند (شرايط فاقد امنيت) لازم است تصميمات پيشگيرانه‌اي اتخاذ شود تا از امنيت سيستم در صورت وقوع خطا اطمينان حاصل گردد. علاوه بر معيار قطعي جهت تعيين سطح امنيت سيستم قدرت، اخيراً از معيار احتمالاتي و يا معيار بر اساس ريسک استفاده مي‏شود. ارزيابي امنيت بر اساس ريسک، بر محاسبه شاخص ريسک استوار مي‏باشد. در اين مقاله شاخص‌هاي ريسک امنيت استاتيکي و امنيت ديناميکي مطالعه و بررسي شده است. يک شاخص جديد ريسک پايداري گذرا تعريف شده و از آن در تصميمات بهره‌بردار استفاده شده است. به‌طور معمول امنيت به‌عنوان يک قيد در تصميمات بهره‌برداري در نظر گرفته مي‌شود. در اين مقاله براي اولين بار، شاخص ريسک امنيت استاتيکي به‌عنوان تابع هدف و شاخص ريسک امنيت ديناميکي به‌عنوان قيد مسأله برنامه‌ريزي مجدد توليد لحاظ شده است. تصميم بهره‌بردار در دو حالت ارزيابي قطعي و ارزيابي بر اساس ريسک مقايسه شده ‏است. متغير حالت بهره‌برداري، ميزان توان اکتيو توليدي نيروگاه‏ها و ولتاژ مرجع ژنراتورها بوده و از الگوريتم بهينه‏سازي گروهي پرندگان به دليل کارایي بالاي آن جهت رسيدن به نقطه بهينه توليد استفاده شده ‏است. تابع هدف پيشنهادي شامل حداقل‌سازي هزينه توليد و حداکثرسازي امنيت (حداقل‌سازي شاخص ريسک امنيت) و قيد مسأله شامل در محدوده‌بودن شاخص ريسک پايداري گذرا مي‌باشد. قابليت بالاي روش پيشنهادي بر روي شبکه 24 شين IEEE نشان داده شده است. پرونده مقاله

دسترسی آزاد مقاله

16 - طراحی خودکار طبقه‌بندی‌کننده‌های فازی بهینه با استفاده از روش بهینه‌سازی گروه ذرات
سیدحمید ظهیری

مهم‌ترین موضوع در طراحی طبقه‌بندی‌کننده‌های فازی، تعیین متغیرهای فازی اعم از نوع و مکان توابع عضویت، بخش مقدم و تالی قواعد فازی و تعداد قواعد بهینه می‌باشد. در واقع، اینها پارامترهای ساختاری یک طبقه‌بندی‌کننده فازی هستند که طراح سعی می‌کند با یافتن مقادیر بهینه آنها، به چکیده کامل

مهم‌ترین موضوع در طراحی طبقه‌بندی‌کننده‌های فازی، تعیین متغیرهای فازی اعم از نوع و مکان توابع عضویت، بخش مقدم و تالی قواعد فازی و تعداد قواعد بهینه می‌باشد. در واقع، اینها پارامترهای ساختاری یک طبقه‌بندی‌کننده فازی هستند که طراح سعی می‌کند با یافتن مقادیر بهینه آنها، به بهترین عملکرد (به‌عنوان مثال بالاترین نرخ تشخیص صحیح) دست یابد. این مسئله را می‌توان به‌صورت یک مسئله جستجو در فضای با ابعاد بالا در نظر گرفت، به‌گونه‌ای که هر نقطه در فضای پاسخ، نشان‌دهنده یک مجموعه قواعد با توابع عضویت خاص می‌باشد که در محل‌های ویژه استقرار یافته‌اند. با این توضیح به نظر می‌رسد الگوریتم‌های ابتکاری (اعم از تکاملی و هوش جمعی)، ابزار مناسبی برای یافتن بهترین پارامترهای یک طبقه‌بندی‌کننده فازی باشند. ویژگی برجسته این روش‌ها این است که با تعریف مناسبی از تابع برازندگی می‌توان تخمین بهینه‌ای از کلیه پارامترهای مؤثر در یک طبقه‌بندی‌کننده فازی را به‌صورت خودکار و بدون نیاز به تنظیم دستی (به‌صورت سعی و خطا) به‌دست آورد. در این مقاله با به‌کارگیری الگوریتم بهینه‌سازی گروه ذرات روشی برای طراحی بهینه یک طبقه‌بندی‌کننده فازی ارائه شده است. روش پیشنهادی قادر است نوع توابع عضویت، محل آنها، قواعد فازی لازم و تعداد آنها را به‌طور هم‌زمان تخمین زده و بدون دخالت کاربر نسبت به بهینه‌سازی آنها اقدام نماید. نتایج به‌دست آمده از آزمایشات مکرر بر روی داده‌های مشهور و مسئله کاربردی طبقه‌بندی اهداف رادار، توانایی روش ارائه‌شده را در استخراج کلیه پارامترهای یک طبقه‌بندی‌کننده فازی در مقایسه با روش‌های مشابه نشان می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

17 - بازآرایی چندمنظوره سیستم توزیع همراه با تبادل توان ریزشبکه‌ها با استفاده از روش بیشینه- کمینه فازی و الگوریتم تجمع ذرات
عباس فتاحی می‌آبادی حسین سهرابیانی

مجموعه‌هایی از تولیدات کوچک و ذخیره‌کننده‌های انرژی در سیستم‌های توزیع ولتاژ پایین یا متوسط در کنار مصرف‌کنندگان، نوع جدیدی از سیستم قدرت به نام ریزشبکه را شکل می‌دهد. طراحی اجزای ریزشبکه باید به نحوی باشد که هم به صورت متصل به شبکه و هم در حالت مجزا از شبکه، کارکردی ای چکیده کامل

مجموعه‌هایی از تولیدات کوچک و ذخیره‌کننده‌های انرژی در سیستم‌های توزیع ولتاژ پایین یا متوسط در کنار مصرف‌کنندگان، نوع جدیدی از سیستم قدرت به نام ریزشبکه را شکل می‌دهد. طراحی اجزای ریزشبکه باید به نحوی باشد که هم به صورت متصل به شبکه و هم در حالت مجزا از شبکه، کارکردی ایمن و اقتصادی داشته و با شبکه بالادست خود به تبادل انرژی الکتریکی بپردازد. بدین ترتیب، حضور ریزشبکه‌ها می‌تواند در مسایل مختلف برنامه‌ریزی و بهره‌برداری از سیستم‌های توزیع اثرگذار باشد. بازآرایی شبکه‌های توزیع در حضور ریزشبکه‌ها یکی از موضوعات مورد توجه در این زمینه است. در مطالعات انجام‌شده، ریزشبکه‌ها معمولاً به صورت تولیدات پراکنده در شبکه توزیع در نظر گرفته می‌شوند. در این مقاله، ریزشبکه‌ به عنوان تبادل‌کننده انرژی با سیستم توزیع مدل‌سازی ‌شده و تأثیر آن در بازآرایی شبکه توزیع بررسی می‌شود. برای این منظور، بازآرایی شبکه‌ توزیع با استفاده از روش بیشینه- کمینه فازی در قالب یک مسئله بهینه‌سازی چندمنظوره فرمول‌بندی می‌شود که در آن کاهش تلفات و عدم تعادل بار در بین فیدرهای شبکه به عنوان اهداف مسئله و پروفیل ولتاژ، گرفتگی خطوط، شعاعی‌بودن و پخش توان به عنوان قیود مسئله مطرح می‌گردد. الگوریتم تجمع ذرات جهت حل مسئله بهینه‌سازی استفاده شده و نتایج حاصل از بازآرایی روی دو شبکه نمونه 33 و 70شینه IEEE ارائه می‌شود. نتایج نشان می‌دهد که تبدیل شبکه‌های توزیع از حالت سنتی به سیستم‌های مدرن با حضور ریزشبکه‌ها و تبادل توان آنها با شبکه، موجب افزایش قابلیت اعتماد شده و مقرون به صرفه‌تر خواهد بود. پرونده مقاله

دسترسی آزاد مقاله

18 - مکان‌یابی اتوبوسترها (AVRs) و بازآرایی شبکه هاي توزیع شعاعی به طور همزمان و مقاوم با در نظر گرفتن عدم قطعیت بار
محمودرضا شاکرمی یاسر محمدی‌پور

در این تحقیق موضوع جایابی بهینه اتوبوسترها (AVRs) و بازآرایی شبکه‌هاي توزیع به طور هم‌زمان به عنوان یک مسئله بهینه‌سازي مطرح شده است. یک تابع هدف جدید شامل شاخص‌هاي تلفات توان حقیقی (اکتیو)، تلفات توان واکنشی (راکتیو)، پروفیل ولتاژ، قابلیت اطمینان، ظرفیت بارگذاري (MVA) چکیده کامل

در این تحقیق موضوع جایابی بهینه اتوبوسترها (AVRs) و بازآرایی شبکه‌هاي توزیع به طور هم‌زمان به عنوان یک مسئله بهینه‌سازي مطرح شده است. یک تابع هدف جدید شامل شاخص‌هاي تلفات توان حقیقی (اکتیو)، تلفات توان واکنشی (راکتیو)، پروفیل ولتاژ، قابلیت اطمینان، ظرفیت بارگذاري (MVA) سیستم و پایداري ولتاژ معرفی گردیده است. جهت مقاوم‌نمودن وضعیت کلیدها در موضوع بازآرایی و همچنین مقاوم‌نمودن مکان و تپ اتوبوسترها در مقابل تغییرات بار، سطوح مختلفی از بار به طور هم‌زمان در تابع هدف در نظر گرفته شده است. به همین منظور یک روش جدید براي محاسبه سطوح بار با در نظر گرفتن عدم قطعیت بار معرفی شده است. همچنین بار نیز به صورت مدل وابسته به ولتاژ در نظر گرفته شده و به همین منظور سناریوهاي مختلفی معرفی شده‌اند. براي حل این مسئله از الگوریتم بهینه‌سازي اجتماع ذرات عدد صحیح (IPSO) استفاده شده است. نتایج شبیه‌سازي روي سیستم‌هاي توزیع شعاعی 33 و 69شینه استاندارد IEEE مؤثربودن روش ارائه‌شده را نشان می‌دهد. پرونده مقاله

دسترسی آزاد مقاله

19 - جبران‌سازي بهينه و همزمان توان‌هاي اكتيو و راكتيو در سيستم‌هاي قدرت با استفاده از خودروهاي برقي متصل به شبكه
فرزان رشیدی حسن فشکي فراهاني

خودروهاي برقی قابل اتصال به شبکه در كنار مسئله كاهش آلودگي، ‌داراي قابليت‌هايي براي كمك‌رساني به سيستم‌هاي قدرت مي‌باشند. يکي از مهم‌ترين اين قابليت‌ها پاسخگويي به نياز شبکه جهت توليد توان‌هاي اکتيو و راکتيو است. در اين مقاله با توجه به قيود شبکه، ملاحظات فني و قيمت‌هاي چکیده کامل

خودروهاي برقی قابل اتصال به شبکه در كنار مسئله كاهش آلودگي، ‌داراي قابليت‌هايي براي كمك‌رساني به سيستم‌هاي قدرت مي‌باشند. يکي از مهم‌ترين اين قابليت‌ها پاسخگويي به نياز شبکه جهت توليد توان‌هاي اکتيو و راکتيو است. در اين مقاله با توجه به قيود شبکه، ملاحظات فني و قيمت‌هاي پيشنهادي بازار، يک چارچوب نظري جهت اختصاص ظرفيت اين خودروها ارائه شده است. بدين منظور تابع هدفي با رويکرد حداقل‌سازي هزينه‌هاي پرداختي توسط بهره‌بردار مستقل شبکه توزيع يا DSO به توليد‌کنندگان هر يک از توان‌هاي اکتيو و راکتيو پيشنهاد شده است. با توجه به اين که مسأله مورد نظر در قالب يک مسأله بهينه‌سازي است، براي حل آن نيز از الگوريتم بهينه‌سازي اجتماع ذرات استفاده شده است. همچنين به منظور تسريع در فرايند بهينه‌سازي و جلوگيري از گيرافتادن الگوريتم در بهينه‌هاي محلي، راهکارهاي ابتکاري جديدي به الگوريتم اضافه شده است. در اين قالب پيشنهادي، خودروها براي توليد توان‌هاي اکتيو و راکتيو با ژنراتور رقابت مي‌کنند. کارایي روش پيشنهادي بر روي يک فيدر شبکه ولتاژ پايين با 134 مشترک و با حضور منابع توليد توان‌هاي اکتيو و راکتيو مورد ارزيابي قرار گرفته و ميزان توليد و هزينه‌هاي پرداختي براي هر يک از توليدکنندگان تعيين شده است پرونده مقاله

دسترسی آزاد مقاله

20 - طراحی بهینه ژنراتور سنکرون آهن‌ربای دایم شار شعاعی شش‌فاز جهت استفاده در توربین‌های بادی مقیاس کوچک
محمدابراهیم مؤذن سیداصغر غلامیان میثم جعفری نوکندی

در این مقاله طراحی بهینه ژنراتور سنکرون آهنربای دایم شش‌فاز جهت استفاده در توربین‌های بادی بدون جعبه‌دنده ارائه شده است. ابعاد و هزینه ساخت زیاد و راندمان کم از معایب ژنراتورهای متصل به توربین‌های بادی بدون جعبه‌دنده به دلیل سرعت نامی پایین می‌باشد. بنابراین هدف اصلی ای چکیده کامل

در این مقاله طراحی بهینه ژنراتور سنکرون آهنربای دایم شش‌فاز جهت استفاده در توربین‌های بادی بدون جعبه‌دنده ارائه شده است. ابعاد و هزینه ساخت زیاد و راندمان کم از معایب ژنراتورهای متصل به توربین‌های بادی بدون جعبه‌دنده به دلیل سرعت نامی پایین می‌باشد. بنابراین هدف اصلی این مقاله طراحی بهینه ژنراتور سنکرون آهنربای دایم بر اساس کاهش تلفات و هزینه ساخت ژنراتور است. به همین منظور ابتدا روابط حاکم بر طراحی ژنراتور سنکرون آهنربای دایم شار شعاعی مورد بررسی قرار گرفته و یک الگوریتم طراحی دقیق برای آن استخراج شده است. سپس با تعریف یک مسأله بهینه‌سازی چندهدفه، متغیرهای طراحی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات در یک محدوده مناسب بهینه‌یابی شده و حداقل تلفات و هزینه ساخت ژنراتور به دست آمده است. در پایان مقایسه‌ای بین ژنراتور بهینه شده و یک نمونه ژنراتور آهنربای دائم رتور خارجی واقعی انجام شده است که نشان‌دهنده قابلیت‌های بسیار خوب روش طراحی بهینه ارائه‌شده می‌باشد. همچنین صحت طراحی بهینه انجام‌شده به واسطه تحلیل اجزای محدود مورد بررسی قرار گرفته است. پرونده مقاله

دسترسی آزاد مقاله

21 - جمع‌آوری داده آگاه به انرژی در شبکه‌های حسگر قابل شارژ با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات توسعه‌یافته
وحیده فراهانی لیلی فرزین وش مینا زلفی لیقوان رحیم ابری لیقوان

یک چالش مهم در شبکه‌های حسگر، جمع‌آوری داده با توجه به انرژی محدود گره‌ها است. استفاده از حسگرهای قابل شارژ برای جمع‌آوری اطلاعات و انتقال آنها به چاهک، مشکل محدودیت انرژی را تا حدی مرتفع می‌نماید. با توجه به نرخ پایین برداشت انرژی در گره‌های قابل شارژ، مدیریت مصرف انرژ چکیده کامل

یک چالش مهم در شبکه‌های حسگر، جمع‌آوری داده با توجه به انرژی محدود گره‌ها است. استفاده از حسگرهای قابل شارژ برای جمع‌آوری اطلاعات و انتقال آنها به چاهک، مشکل محدودیت انرژی را تا حدی مرتفع می‌نماید. با توجه به نرخ پایین برداشت انرژی در گره‌های قابل شارژ، مدیریت مصرف انرژی در این شبکه‌ها امری ضروری است. الگوریتم‌های موجود، جنبه‌های مهم جمع‌آوری آگاه به انرژی- شامل زمان‌بندی خواب گره‌ها، خوشه‌بندی و مسیریابی- را به صورت جامع بررسی نکرده‌اند و همچنین اکثر آنها از روش‌های حریصانه و با کارایی پایین استفاده نموده‌اند. در این مقاله، یک روش کارای مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات توسعه‌یافته به نام EDGR برای جمع‌آوری داده در شبکه‌های قابل شارژ ارائه شده است. در الگوریتم پیشنهادی، مسئله مورد نظر به سه مرحله زمان‌بندی خواب گره‌ها، خوشه‌بندی و مسیریابی، تقسیم گردیده و مراحل به ترتیب حل شده‌اند. بر اساس نتایج شبیه‌سازی، الگوریتم EDGR مقدار متوسط و انحراف از معیار انرژی ذخیره‌شده در گره‌ها و همچنین نرخ گم‌شدن بسته‌ها را به مقدار قابل توجهي نسبت به روش‌های پیشین بهبود داده است. پرونده مقاله

دسترسی آزاد مقاله

22 - انتخاب ویژگی چندبرچسبه با استفاده از راهکار ترکیبی مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات
آذر رفیعی پرهام مرادی عبدالباقی قادرزاده

طبقه‌بندی چندبرچسبی یکی از مسائل مهم در یادگیری ماشین است که کارایی الگوریتم‌های این طبقه‌بندی با افزایش ابعاد مسأله به شدت کاهش می‌یابد. انتخاب ویژگی، یکی از راهکارهای اصلی برای کاهش ابعاد در مسائل چندبرچسبی است. انتخاب ویژگی چندبرچسبی یک راهکار NP Hard است و تا کنون چکیده کامل

طبقه‌بندی چندبرچسبی یکی از مسائل مهم در یادگیری ماشین است که کارایی الگوریتم‌های این طبقه‌بندی با افزایش ابعاد مسأله به شدت کاهش می‌یابد. انتخاب ویژگی، یکی از راهکارهای اصلی برای کاهش ابعاد در مسائل چندبرچسبی است. انتخاب ویژگی چندبرچسبی یک راهکار NP Hard است و تا کنون تعدادی راهکار مبتنی بر هوش جمعی و الگوریتم‌های تکاملی برای آن ارائه شده است. افزایش ابعاد مسأله منجر به افزایش فضای جستجو و به تبع، کاهش کارایی و همچنین کاهش سرعت همگرایی این الگوریتم‌ها می‌شود. در این مقاله یک راهکار هوش جمعی ترکیبی مبتنی الگوریتم دودویی بهینه‌سازی ازدحام ذرات و استراتژی جستجوی محلی برای انتخاب ویژگی چندبرچسبی ارائه شده است. برای افزایش سرعت همگرایی، در استراتژی جستجوی محلی، ویژگی‌ها بر اساس میزان افزونه‌بودن و میزان ارتباط با خروجی مسأله به دو دسته تقسیم‌بندی می‌شوند. دسته اول را ویژگی‌هایی تشکیل می‌دهند که شباهت زیادی به کلاس مسأله و شباهت کمتری به سایر ویژگی‌ها دارند و دسته دوم هم ویژگی‌های افزونه و کمتر مرتبط است. بر این اساس، یک اپراتور محلی به الگوریتم بهینه‌سازی ازدحام ذرات اضافه شده که منجر به کاهش ویژگی‌های غیر مرتبط و افزونه هر جواب می‌شود. اعمال این اپراتور منجر به افزایش سرعت همگرایی الگوریتم پیشنهادی در مقایسه با سایر الگوریتم‌های ارائه‌شده در این زمینه می‌شود. عملکرد روش پیشنهادی با شناخته‌شده‌ترین روش‌های انتخاب ویژگی، بر روی مجموعه داده‌های مختلف مقایسه گردیده است. نتایج آزمایش‌ها نشان دادند که روش پیشنهادی از نظر دقت، دارای عملکردی مناسب است. پرونده مقاله

دسترسی آزاد مقاله

23 - شناسایی پارامترهای تابع انتقال موتور DC بدون جاروبک با استفاده از الگوریتم ازدحام گروه ذرات
احمد شیرزادی آرش دهستانی کلاگر محمدرضا علیزاده پهلوانی

تا کنون مطالعات جامع و گسترده‎ای بر روی موتور DC بدون جاروبک (BLDC) صورت گرفته که بخشی از این مطالعات، ناظر بر تخمین پارامترهای تابع انتقال این موتور می‎باشد. تخمین پارامترهای تابع انتقال موتور BLDC امری ضروری جهت بررسی عملکرد موتور و پیش‎بینی رفتار آن است؛ بنابراین به چکیده کامل

تا کنون مطالعات جامع و گسترده‎ای بر روی موتور DC بدون جاروبک (BLDC) صورت گرفته که بخشی از این مطالعات، ناظر بر تخمین پارامترهای تابع انتقال این موتور می‎باشد. تخمین پارامترهای تابع انتقال موتور BLDC امری ضروری جهت بررسی عملکرد موتور و پیش‎بینی رفتار آن است؛ بنابراین به یک روش تخمین پارامتر کارآمد، دقیق و قابل اعتماد احساس نیاز می‌شود. در این مقاله با استفاده از الگوریتم ازدحام گروه ذرات (PSO)، مسئله تخمین پارامترهای تابع انتقال مجموعه موتور BLDC و اینورتر مربوط به این موتور، حل شده است. نتایج حاصل از به‌کارگیری این الگوریتم با نتایج سایر الگوریتم‌های بهینه‎سازی فراابتکاری مقایسه شده و بررسی این نتایج نشان داده که الگوریتم PSO برای حل مسئله تخمین پارامتر تابع انتقال، یک روش کارآمد، دقیق و قابل اعتماد است. پرونده مقاله

دسترسی آزاد مقاله

24 - بهبود تخصیص منابع در محاسبات لبه موبایل با استفاده از الگوریتم بهینه سازی ازدحام ذرات و گرگ خاکستری
سیدابراهیم دشتی رحمت آبادی سعید شب بویی

محاسبات لبه موبایل تجربه کاربران نهایی را برای دستیابی به خدمات مناسب و کیفیت خدمات بهبود می دهد. در این مقاله مسئله بهبود تخصیص منابع هنگام بارگیری وظایف براساس دستگاه‌های تلفن همراه به سرورهای لبه در سیستم‌های محاسباتی بررسی می شود. برخی وظایف به صورت محلی پردازش و بر چکیده کامل

محاسبات لبه موبایل تجربه کاربران نهایی را برای دستیابی به خدمات مناسب و کیفیت خدمات بهبود می دهد. در این مقاله مسئله بهبود تخصیص منابع هنگام بارگیری وظایف براساس دستگاه‌های تلفن همراه به سرورهای لبه در سیستم‌های محاسباتی بررسی می شود. برخی وظایف به صورت محلی پردازش و برخی به سرورهای لبه بارگذاری می شوند. مسئله اصلی این است که وظایف تخلیه‌شده برای ماشین‌های مجازی در شبکه های محاسباتی بصورت مناسب زمانبندی ‌شوند تا زمان محاسبات، هزینه خدمات، اتلاف شبکه های محاسباتی و حداکثر ارتباط یک کار با شبکه به حداقل برسد. در این مقاله الگوریتم ترکیبی ازدحام ذرات و گرگ خاکستری برای مدیریت تخصیص منابع و زمان‌بندی وظایف برای دستیابی به یک نتیجه بهینه در شبکه های محاسبات لبه معرفی شد. نتایج مقایسه نشان دهنده بهبود زمان انتظار و هزینه در رویکرد پیشنهادی است. نتایج نشان می دهد که به طور میانگین مدل پیشنهادی با کاهش 10 درصدی زمان انجام کار و افزایش استفاده از منابع به میزان 16 درصد بهتر عمل کرده است. پرونده مقاله

دسترسی آزاد مقاله

25 - بهبود تخصیص منابع در محاسبات لبه موبایل با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات و گرگ خاکستری
سیدابراهیم دشتی سعید شب بویی

محاسبات لبه موبایل تجربه کاربران نهایی را برای دستیابی به خدمات مناسب و کیفیت خدمات بهبود می‌دهد. در این مقاله مسئله بهبود تخصیص منابع، هنگام بارگیری وظایف، براساس دستگاه‌های تلفن همراه به سرورهای لبه در سیستم‌های محاسباتی بررسی می‌شود. برخی وظایف به صورت محلی و برخی به چکیده کامل

محاسبات لبه موبایل تجربه کاربران نهایی را برای دستیابی به خدمات مناسب و کیفیت خدمات بهبود می‌دهد. در این مقاله مسئله بهبود تخصیص منابع، هنگام بارگیری وظایف، براساس دستگاه‌های تلفن همراه به سرورهای لبه در سیستم‌های محاسباتی بررسی می‌شود. برخی وظایف به صورت محلی و برخی به سرورهای لبه بارگذاری و پردازش می‌شوند. مسئله اصلی این است که وظایف تخلیه‌شده برای ماشین‌های مجازی در شبکه‌های محاسباتی بصورت مناسب زمانبندی ‌شوند تا زمان محاسبات، هزینه خدمات، اتلاف شبکه‌های محاسباتی و حداکثر ارتباط یک کار با شبکه به حداقل برسد. در این مقاله الگوریتم ترکیبی چند هدفه ازدحام ذرات و گرگ خاکستری برای مدیریت تخصیص منابع و زمان‌بندی وظایف برای دستیابی به یک نتیجه بهینه در شبکه‌های محاسبات لبه معرفی شد. جست و جوی محلی در الگوریتم ازدحام ذرات نتایج مناسبی را در مسئله دارد اما باعث از بین رفتن بهینه‌های سراسری خواهد شد، بنابراین در این مسئله به منظور بهبود مدل، از الگوریتم گرگ خاکستری به عنوان پایه اصلی الگوریتم پیشنهادی استفاده شد، در الگوریتم گرگ خاکستری به دلیل رویکرد گرافی مسئله، مجموعه جست و جوهای سراسری به جواب بهینه‌ای خواهد رسید، بنابراین با ترکیب این توابع سعی در بهبود شرایط عملیاتی دو الگوریتم برای اهداف مورد نظر مساله شد. به منظور ایجاد شبکه در این پژوهش از پارامترهای ایجاد شبکه در مقاله پایه استفاده شده است و در شبیه‌سازی از مجموعه داده LCG استفاده شد. محیط شبیه‌سازی در این پژوهش محیط شبیه‌ساز کلود سیم است. نتایج مقایسه نشان‌دهنده بهبود زمان انتظار و هزینه در رویکرد پیشنهادی است. نتایج نشان می‌دهد که به طور میانگین مدل پیشنهادی با کاهش 10 درصدی زمان انجام کار و افزایش استفاده از منابع به میزان 16 درصد بهتر عمل کرده است. پرونده مقاله

فهرست مقالات Particle swarm optimization

رایمگ

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی