در سالهای اخير رويکرد جديدی به منظور حل مشکلات الگوريتمهای تکاملي به ويژه الگوريتمهای ژنتيکي مورد توجه محققين قرار گرفته است. اين رويکرد مبتني برايجاد مدلهای احتمالاتي از ژنومها و اجزای سازنده آنها ميباشد. تاکنون الگوريتمهای متنوعي بر اين اساس ارائه شدهاند که اگر چ چکیده کامل
در سالهای اخير رويکرد جديدی به منظور حل مشکلات الگوريتمهای تکاملي به ويژه الگوريتمهای ژنتيکي مورد توجه محققين قرار گرفته است. اين رويکرد مبتني برايجاد مدلهای احتمالاتي از ژنومها و اجزای سازنده آنها ميباشد. تاکنون الگوريتمهای متنوعي بر اين اساس ارائه شدهاند که اگر چه برخي از سادگي الگوريتمهای ژنتيکي برخوردار نيستند، اما در حل مسائل با موفقيت بيشتری روبرو بودهاند. در اين مقاله رهيافت ديگری از اين الگوريتمها را بر اساس اتوماتای يادگير معرفي و مورد بررسي قرار ميدهيم. در اين رهيافت مدل احتمالاتي اجزای سازنده مسئله به وسيله اتوماتای يادگير و بر اساس ژنومهای نسل توليد شده تخمين زده ميشود. الگوريتم پيشنهادی بسيار ساده و برای مسائل مورد بررسي در اين مقاله دارای کارايي خوبي ميباشد.
پرونده مقاله
در اين مقاله کاربرد روشهاي جديد بهينهسازي در توسعه توأم پستها و خطوط فوق توزيع مطرح ميشود. اين روش، ترکيبي بهينه از کانديدهاي توسعه پستها و خطوط فوق توزيع به منظور حداقلکردن تابع هدف را مشخص ميکند، در حالي که قيود مختلف توسعه شبکه و احتمال پيشامد خطاي يگانه در خط چکیده کامل
در اين مقاله کاربرد روشهاي جديد بهينهسازي در توسعه توأم پستها و خطوط فوق توزيع مطرح ميشود. اين روش، ترکيبي بهينه از کانديدهاي توسعه پستها و خطوط فوق توزيع به منظور حداقلکردن تابع هدف را مشخص ميکند، در حالي که قيود مختلف توسعه شبکه و احتمال پيشامد خطاي يگانه در خطوط و ترانسفورماتورها را در نظر ميگيرد. در کانديداهاي مختلف توسعه پستها و شبکه، ساخت خطوط يا نصب پستهاي جديد يا افزايش ظرفيت خطوط و پستها در نظر گرفته ميشود. همچنين در برنامهريزي توسعه ارائهشده، ناحيه سرويسدهي، ظرفيت بهينه و نوع ترانسفورماتورهاي پستهاي فوق توزيع (HV/MV) مشخص ميشود. در اين تحقيق، روش الگوريتم ژنتيک، الگوريتم مورچگان و روش ترکيبي الگوريتم مورچگان و ژنتيک که براي حل اين مسأله پيشنهاد شده است، مقايسه ميشوند. همچنين نتايج، با برنامهريزي توسعه جداگانه پستها و شبکه فوق توزيع روي شبکه نمونه مقايسه ميشود.
پرونده مقاله
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
تراكم در خطوط انتقال يكي از موانع اصلي براي شكلگيري رقابت سالم در بازار برق ميباشد و بنابراين تحقيقات متعددي بر روي روشهاي مديريت تراكم در بازار برق انجام شده است. از سوي ديگر، رفتار يك سيستم قدرت داراي ماهيت تصادفي است و بههمين دليل در بسياري از مباحث مطالعاتی مرتب چکیده کامل
تراكم در خطوط انتقال يكي از موانع اصلي براي شكلگيري رقابت سالم در بازار برق ميباشد و بنابراين تحقيقات متعددي بر روي روشهاي مديريت تراكم در بازار برق انجام شده است. از سوي ديگر، رفتار يك سيستم قدرت داراي ماهيت تصادفي است و بههمين دليل در بسياري از مباحث مطالعاتی مرتبط با بهرهبرداری و برنامهریزی، سیستم بهصورت غير قطعي مدلسازي و بررسي ميگردد. عدم قطعيتهاي سيستم قدرت را بهطور كلي ميتوان در سه بخش مستقل بار، توليد و شبكه انتقال بررسي نمود.
در اين مقاله، هدف ارائه روشي جديد براي تحليل تصادفي تراكم به كمك مدلسازي عدم قطعيتهاي ذاتي سيستم قدرت است. جهت تحليل مسئله مديريت تراكم بهصورت احتمالي بهجاي استفاده از روشهاي معمول، از برنامهريزي مبتني بر شانس كه روشي براي مدلسازي مسایل بهينهسازي تصادفي است، استفاده ميگردد. مدل پیشنهادی مدیریت احتمالی تراکم توسط يك روش عددي با تكيه بر الگوريتم ژنتيك كد حقيقي و تكنيك مونت كارلو تحليل ميشود. براي مطالعه كارايي روش پيشنهادي، مديريت تراكم بهصورت احتمالي بر روي شبكه 9باسه اصلاحشده IEEE پيادهسازي ميشود. در اين شبكه منتخب، روش پيشنهادي براي تحليل تصادفي تراكم با روش ميانگين مقايسه شده و عملكرد روش ارائهشده در اين مقاله ارزيابي ميگردد. مطالعه نتایج، نشاندهنده انعطافپذیری روش پیشنهادی در مدیریت تراکم شبکه انتقال است.
پرونده مقاله
اين مقاله الگوریتم ژنتیک چندهدفه (V-MOGA) را براي بهينهسازي هزينه توليد، آلودگي و تلفات انتقال توان اکتيو در سيستمهاي قدرت مجهزشده به سيستمهاي انتقال ac قابل انعطاف (FACTS) ارائه ميکند. در رويکرد پيشنهادی، مسأله پخش بار بهينه به عنوان يک مسأله بهينهسازي چندهدفه فر چکیده کامل
اين مقاله الگوریتم ژنتیک چندهدفه (V-MOGA) را براي بهينهسازي هزينه توليد، آلودگي و تلفات انتقال توان اکتيو در سيستمهاي قدرت مجهزشده به سيستمهاي انتقال ac قابل انعطاف (FACTS) ارائه ميکند. در رويکرد پيشنهادی، مسأله پخش بار بهينه به عنوان يک مسأله بهينهسازي چندهدفه فرمولبندي گردیده و ادوات FACTS در نظر گرفته شده شامل خازن سري کنترلشده با تايريستور (TCSC) است. رويکرد پيشنهادي روي یک سيستم تست 57باسه آزمايش شده و نتايج به دست آمده از رويکرد پيشنهادي با نتايج به دست آمده از روشهاي NSGA - II و MODE مقايسه شدهاند.
پرونده مقاله
استفاده از یک راهکار مسیریابی سلسلهمراتبی مبتنی بر تکنیکهای خوشهبندی و چاهک متحرک میتواند انرژی مصرفی در شبکههای حسگر بیسیم را به طرز قابل توجهی کاهش دهد. دو مسأله مهم در طراحی این راهکار سلسلهمراتبی، انتخاب حسگر شایستهتر به عنوان سرخوشه و نیز تخصیص بهینه چاهکه چکیده کامل
استفاده از یک راهکار مسیریابی سلسلهمراتبی مبتنی بر تکنیکهای خوشهبندی و چاهک متحرک میتواند انرژی مصرفی در شبکههای حسگر بیسیم را به طرز قابل توجهی کاهش دهد. دو مسأله مهم در طراحی این راهکار سلسلهمراتبی، انتخاب حسگر شایستهتر به عنوان سرخوشه و نیز تخصیص بهینه چاهکهای متحرک به مناطق بحرانی (یعنی مناطقی که ریسک ایجاد حفره انرژی در آنها بالا است) میباشد. از آنجایی که چاهکهای متحرک هزینه بالایی را به شبکه تحمیل میکنند، تعداد محدودی از آنها به کار گرفته میشوند. لذا تخصیص این تعداد محدود چاهک به شمار بالای درخواستهای واصلشده از نقاط بحرانی در دسته مسایل NP-hard است. بیشتر راهکارهای موجود با تطبیق یک روش تکاملی و اجرای آن توسط حسگرها سعی در حل این مسأله داشتهاند. این در حالی است که تکنولوژی به کار گرفته شده در طراحی حسگرهای امروزی و نیز منابع محاسباتی بسیار محدود آنها، اجراییشدن این روشها در شبکههای واقعی را دچار چالش میکند. به بیان دیگر، اجرای چنین ایدههایی از حد تئوری فراتر نمیرود. در نتیجه برای رسیدن به توازنی مناسب میان افزایش دقت و کاهش بار محاسباتی در مسیریابی مبتنی بر خوشهبندی چاهک متحرک یک روش نیمهمتمرکز بر اساس الگوریتم ژنتیک پیشنهاد میکنیم. در این روش، محاسبات سبکوزن از سنگینوزن جدا شده و اجرای دسته اول محاسبات بر عهده حسگرها و دسته دوم بر عهده ایستگاه پایه گذاشته میشود. اقدامات روبهرو در طراحی راهکار پیشنهادی انجام شده است: 1) انتخاب سرخوشه بر اساس پارامترهای تأثیرگذار محیطی و نیز تعریف تابع هزینه عضویت حسگر در خوشه، 2) مدلسازی ریاضی شانس یک ناحیه برای دریافت چاهک متحرک و 3) طراحی یک تابع برازش برای ارزیابی شایستگی هر تخصیص از چاهکهای متحرک به مناطق بحرانی در الگوریتم ژنتیک. در اقدامات اخیراً ذکرشده مینیممسازی تعداد و نیز طول پیامها مورد توجه قرار گرفته است. به طور خلاصه، مزیت مهم روش پیشنهادی امکان اجراییشدن آن در شبکههای حسگر واقعی (به دلیل جداسازی محاسبات سبکوزن از محاسبات سنگینوزن) در کنار ایجاد موازنهای مناسب میان اهداف تعریفشده است. نتایج شبیهسازی نشاندهنده بهبود در عملکرد روش پیشنهادی است.
پرونده مقاله
نهاننگاری تصاویر، رویکرد جایگذاری اطلاعات در تصویر پوشش است. یکی از معیارهای ارزیابی یک روش نهاننگاری تصاویر، توانایی آن در حفظ شفافیت تصویر پوشش است. در واقع، جایگذاری اطلاعات پنهان باید به گونهای باشد که کمترین تغییرات در شفافیت بین تصویر پوشش و تصویر نهاننگاری شد چکیده کامل
نهاننگاری تصاویر، رویکرد جایگذاری اطلاعات در تصویر پوشش است. یکی از معیارهای ارزیابی یک روش نهاننگاری تصاویر، توانایی آن در حفظ شفافیت تصویر پوشش است. در واقع، جایگذاری اطلاعات پنهان باید به گونهای باشد که کمترین تغییرات در شفافیت بین تصویر پوشش و تصویر نهاننگاری شده به وجود آید. میزان شفافیت تصویر خروجی به صورت عمده تحت تأثیر روش جایگذاری و میزان اطلاعات پنهان یا همان ظرفیت جایگذاری است. با این موضوع میتوان به عنوان یک مسئله بهینهسازی برخورد کرد و تابع مد نظر برای بهینهسازی را شفافیت تصویر قرار داد. در روش پیشنهادی، تابع PSNR برای بهینهسازی انتخاب شده است. متغیرهای این تابع، نگاشتهای اعمالی روی تصویر پوشش و اطلاعات پنهان و مکان جایگذاری اطلاعات در تصویر پوشش هستند. این متغیرها با ایجاد حالات مختلف جایگذاری، روی PSNR تصویر خروجی تأثیر میگذارند. توسط الگوریتم ژنتیک و استفاده از دو مفهوم جستجوی هدفمند و جستجوی بدون هدف، محل و حالت مناسب برای جایگذاری اطلاعات در کمارزشترین بیتهای تصویر پوشش شناسایی میشوند. در این روش، بازیابی اطلاعات پنهان به صورت کامل و بدون خطا صورت میگیرد. این کار توسط کلید نهایی تولیدشده توسط الگوریتم ژنتیک یا همان کروموزومی که منجر به نهاننگاری شده است، صورت میگیرد. این ویژگی در سیستمهای مدیریتی و شبکههای ابری که برای ذخیرهسازی اطلاعات از نهاننگاری استفاده میکنند، مهم است. نهایتاً روش پیشنهادی مورد آزمایش قرار گرفته و نتایج آن با روشهای دیگر در همین حوزه مقایسه شده است. نتایج حاصل از آزمایشها با معیارهای PSNR و همچنین مقادیر بالاتر از 99/0 در معیار SSIM، افزایش شفافیت در روش ارائهشده نسبت به رقیبان و همچنین روش LSB ساده را نشان میدهند. نتایج به دست آمده از بررسی معیار عینی NIQE و هیستوگرام، تغییرات اندک تصویر نهاننگاری شده را نسبت به تصویر اصلی نشان میدهند. بهبود در نتایج آزمایش به علت استفاده همزمان نگاشت روی اطلاعات پنهان و تصویر پوشش، معرفی نگاشت جدید انتقال ناحیهای و استفاده از دو نوع جهش و ترکیب در ساختار الگوریتم ژنتیک است.
پرونده مقاله