برنامهريزي ژنتيک چیست؟
حوزه(هاي) تحت پوشش: بهينه سازي مصرف انرژي
تاريخ برگزاري: 2 مرداد 1389 تا 3 مرداد 1389
برگزار کننده: موسسه همايش صنعت
محل برگزاري: تهران
تاریخهای مهم:مهلت ارسال اصل مقاله: 1389/1/31
دریافت نسخه نهایی مقالات: 1389/3/15
اعلام نتایج داوری اصل مقاله: 1389/2/20
مهلت ثبت نام: 1389/1/31
محورهاي اصلي و فرعي كنفرانس:
1- برنامهريزي بلندمدت عرضه و تقاضاي انرژي درافق 20 ساله
1-1 طرح جامع انرژي كشور
1-2 تركيب بهينه فناوريهاي سيستم انرژي (توليد، تبديل، انتقال، ذخيره سازي، توزيع و مصرف انرژي)
1-3 تركيب بهينه حاملهاي انرژي در سبد عرضه و تقاضا
1-4 تخمين هزينه نهايي حاملهاي انرژي
1-5 ظرفيتهاي صرفهجويي انرژي
1-6 روند تغييرات شاخصهاي انرژيبري
1-7 حجم سرمايهگذاري لازم
2- آموزش، اطلاعرساني و فرهنگ سازي در خصوص اصلاح الگوي مصرف انرژي
3- ساختار نهادهاي تصميمگير در بخش انرژي
4- سياستهاي غيرقيمتي مديريت عرضه و تقاضاي انرژي
5- سياستهاي قيمتي مديريت عرضه و تقاضاي انرژي
5-1 يارانههاي انرژي و بررسي اثرات هدفمند كردن يارانهها
5-2 قيمت حاملهاي انرژي
5-3 توزيع درآمد و كشش تقاضا
6- راهكارهاي مديريت و بهينهسازي عرضه و تقاضاي انرژي
7- استانداردها و معيارهاي عرضه و تقاضاي انرژي
8- انرژيهاي تجديدپذير و سوختهاي جايگزين
9- قوانين و مقررات مديريت عرضه و تقاضاي انرژي
10- تاثير اقليم و شرايط جغرافيايي بر مديريت عرضه و تقاضاي انرژي
11- مديريت بار، توليد همزمان كار و گرما، و توليد پراكنده انرژي
12- مسائل زيستمحيطي عرضه و تقاضاي انرژي و مسئله تغيير اقليم
13- شركتهاي خدمات انرژي (ESCO)
14- بهترين نمونههاي (Best Practices) مديريت عرضه و تقاضاي انرژي در بخشهاي مختلف
بخش عرضه انرژي: نفت، گاز، زغال سنگ، هسته اي، تجديدپذيرها و سوختهاي سنتي.
بخش تبديل انرژي: پالايشگاههاي نفت و گاز و نيروگاه ها.
بخش مصرف انرژي: ساختمان و مسكن، حمل و نقل، صنعت، كشاورزي و پتروشيمي.
اطلاعات تماس با دبیرخانه:
تلفن دبيرخانه: 02188954425
فکس دبيرخانه: 02188996230
وبسایت: http://www.emciran.com
بر روی سایت “الگوریتم رقابت استعماری و بهینه سازی تکاملی” متن آموزشی جامعی قرار گرفته است که توضیحات مفصلی را در مورد این الگوریتم در اختیار می کذارد. این فایل در حقیقت بخشهایی نسبتاً کامل از یک پایان نامه در مورد الگوریتم رقابت استعماری می باشد. در ادامه فهرست مطالب این متن آموزشی آمده است. برای مشاهده هر بخش می توانید روی عنوان آن بخش کلیک کنید. لازم به ذکر است که فایل PDF جامعتر این متن آموزشی نیز بر روی سایت در این لینک (کلیک کنید) قرار گرفته است. توصیه می شود پس از مطالعه بخش مربوطه در وبسایت، در صورت تمایل متن فایل PDF را نیز مطالعه نمایید. با ما در ادامه مطلب همراه باشید.
نکته دیگر قابل ذکر این است که الگوریتم رقابت استعماری در حال حاضر درنسخه های مختلف و با تغییراتی نسبت به نسخه اولیه آن توسط دانشجویان و محققین حوزه بهینه سازی مورد استفاده قرار می گیرد. متن آموزشی ارائه شده بر روی سایت ورژن اولیه و نسخه ابتدایی الگوریتم رقابت استعماری می باشد. برای آشنایی با نسخه های جدیدتر الگوریتم می توانید به برخی از مقالات ارائه شده بر روی سایت مراجعه نمایید.
فصل 1 مقدمه
1-1 هدف و اهميت مسئله
1-2 الگوريتم توسعه داده شده
1-3 مزاياي الگوريتم توسعه داده شده
1-4 ساختار نوشتار
فصل 2 بهينهسازي و روشهاي موجود
2-1 انواع مسائل بهينهسازي
2-2 روشهاي بهينهسازي کمينهجو
2-2-1 بهينهسازي تحليلي
2-2-2 جستجوي خط
2-2-3 روشهاي نيوتوني
2-2-4 روش کاهشي نِلدِر ـ ميد با اشکال غير مرکب
2-3 الگوريتم ژنتيک
2-4 الگوريتم بازپخت شبيهسازي شده
2-5 بهينهسازي گروه ذرات
2-6 کلوني مورچهها
2-7 برنامهريزي ژنتيک
فصل 3 استراتژي بهينهسازي مبتني بر تکامل اجتماعيـسياسي
3-1 مقدمه
3-2 مروري تاريخي بر پديده استعمار
3-2-1 هند
3-2-2 مالزي
3-2-3 هندوچين فرانسه
3-2-4 هند شرقي (اندونزي)
3-3 الگوريتم پيشنهادي
3-3-1 شکل دهي امپراطوريهاي اوليه
3-3-2 مدلسازي سياست جذب: حرکت مستعمرهها به سمت امپرياليست
3-3-3 جابجايي موقعيت مستعمره و امپرياليست
3-3-4 قدرت کل يک امپراطوري
3-3-5 رقابت استعماري
3-3-6 سقوط امپراطوريهاي ضعيف
3-3-7 همگرايي
3-4 مثال کاربردي
3-5 نتيجهگيری
3-6 توابع هزينه مورد استفاده
فصل 4 پيادهسازي هاي انجام شده
4-1 استفاده از الگوريتم معرفي شده براي طراحي يک کنترلکننده PID بهينه
4-1-1 کنترلکننده PID
4-1-2 طراحي کنترلکننده PID بهينه توسط الگوريتم رقابت استعماري
4-1-3 نتيجهگيري
4-2 استفاده از الگوريتم رقابت امپرياليستي براي طراحي کنترلکننده PID چند متغيره براي سيستم صنعتي ستون تقطير
4-2-1 مقدمه
4-2-2 کنترلکننده PID براي فرايند چند متغيره
4-2-3 نتايج شبيهسازي
4-2-4 نتيجهگيري
4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
4-3-1 يک بازي غير خطي استاتيک ساده
4-3-2 يک بازي با پيچيدگي بيشتر
4-4 طراحي بهينه آنتهاي آرايهاي
4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي
4-5-1 مقدمه
4-5-2 توصيف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
4-5-4 نتيجهگيری
4-6 کنترل فازي اتومبيل
4-6-1 مدل اتومبيل
4-6-2 نتايج
فصل 5 خلاصه، نتيجهگيري و پيشنهادات
در این پست برخی از پایان نامه هایی که در داخل ایران در مورد “الگوریتم رقابت استعماری” نگاشته شده اند را خدمتتان معرفی می کنیم. شما می توانید با مراجعه به دانشگاه محل اجرای پایان نامه و یا تماس با مولف آن، نسبت به مطالعه این متون اقدام نماید. با ما در ادامه مطلب همراه باشید.
اگر پایان نامه ای را مشاهده و یا نگارش کرده اید که از الگوریتم رقابت استعماری به هر نوعی استفاده کرده است ولی آن را در لیست زیر نمی بینید، می توانید عنوان آن را از طریق بخش تماس با ما و یا از طریق این فرم (+)، اطلاع دهید تا جهت اطلاع سایر علاقه مندان برروی سایت قرار گیرد.
لازم به ذکر است که مستندات الگوریتم رقابت استعماری در سه بخش جداگانه به صورت سه پست مجزا با عناوین زیر بر روی سایت قرار گرفته اند.
در ادامه برخی از پایان نامه های مرتبط با الگوریتم رقابت استعماری فارسی آمده اند.
______________________________________
عنوان: توسعه الگوریتم بهینه سازی اجتماعی و بررسی کارایی آن
نگارنده: اسماعیل آتش پز گرگری
استاد/اساتید راهنما: دکتر کارو لوکس، دکتر بابک نجار اعرابی
استاد/اساتید مشاور: دکتر مجید نیلی احمد آبادی
سال انتشار: 1387
زبان: فارسی
دانشگاه / دانشکده: دانشگاه تهران – دانشکده مهندسی برق و کامپیوتر
ایمیل نگارنده : atashpaz.gargari@gmail.com
کد سند: ica_thesis_fa_1387_atashpaz
نحوه دسترسی به پایان نامه:
چکیده فارسی: الگوريتم هاي بهينهسازي الهام گرفته از طبيعت به عنوان روشهاي هوشمند بهينهسازي در كنار روشهاي كلاسيك موفقيت قابل ملاحظهاي از خود نشان دادهاند. از جمله اين روشها ميتوان به الگوريتمهاي ژنتيك (الهام گرفته از تكامل بيولوژيكي انسان و ساير موجودات)، بهينهسازي كلوني مورچهها (بر مبناي حركت بهينه مورچهها) و روش بازپخت شبيهسازي شده (با الهامگيري از فرايند تبريد فلزات) اشاره نمود. اين روشها در حل بسياري از مسائل بهينهسازي در حوزههاي مختلفي چون تعيين مسير بهينه عاملهاي خودكار، طراحي بهينه كنترل كننده براي پروسه هاي صنعتي، حل مسائل عمده مهندسي صنايع همانند طراحي چيدمان بهينه براي واحدهاي صنعتي، حل مسائل صف و نيز در طراحي عاملهاي هوشمند استفاده شدهاند. الگوريتمهاي بهينهسازي معرفي شده، به طور عمده الهام گرفته از فرايندهاي طبيعي ميباشند و در ارائه اين الگوريتمها به ساير نمودهاي تكامل انساني توجهي نشده است. در اين نوشتار الگوريتم جديدي براي بهينهسازي مطرح ميشود كه نه از يك پديده طبيعي، بلكه از يك پديده اجتماعي – انساني الهام گرفته است. بطور ويژه اين الگوريتم به فرايند استعمار، به عنوان مرحلهاي از تكامل اجتماعي – سياسي بشر نگريسته و با مدلسازي رياضي اين پديده تاريخي، از آن به عنوان منشأ الهام يك الگوريتم قدرتمند در زمينه بهينهسازي بهره ميگيرد. در مدت كوتاهي كه از معرفي اين الگوريتم ميگذرد، از آن براي حل مسائل بسياري در حوزه بهينهسازي استفاده شده است. طراحي چيدمان بهينه براي واحدهاي صنعتي، آنتنهاي مخابراتي هوشمند، سيستمهاي پيشنهاددهنده هوشمند و نيز طراحي كنترل كننده بهينه براي سيستمهاي صنعتي شيميايي تعدادي معدود از كاربردهاي گسترده اين الگوريتم در حل مسائل بهينهسازي ميباشد.
______________________________________
عنوان: ارائه الگوريتم فرا ابتکاري کارا براي حل مدل کنترل موجودي چند سطحي
نگارنده: رضايي، زهرا
استاد/اساتید راهنما: در دسترس نیست
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1388
زبان: فارسی
دانشگاه / دانشکده: دانشگاه شهيد بهشتي
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1388_rezaei
نحوه دسترسی به پایان نامه:
______________________________________
عنوان: زمانبندي دو معياره سيستم مونتاژ جريان کاري دو مرحله اي توسط روش هاي فرا ابتکاري
نگارنده: شکراله پور، السا
استاد/اساتید راهنما: در دسترس نیست
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1388
زبان: فارسی
دانشگاه / دانشکده: دانشگاه شهيد بهشتي
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1388_shokrollahpour
نحوه دسترسی به پایان نامه:
______________________________________
عنوان: تعیین خواص الاستو – پلاستیک فلزات با استفاده از آزمون سختی سطح و مطالعه اثر شکل ایندنتر در آن با استفاده از روشهای عددی و تجربی
نگارنده: امیر بیابانگرد اسکویی
استاد/اساتید راهنما: ناصر سلطانی
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1386
زبان: فارسی
دانشگاه / دانشکده: دانشگاه تهران – دانشکده مکانیک
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1386_oskouyi
نحوه دسترسی به پایان نامه:
چکیده فارسی: در اين پايان نامه روش جديدي براي تعيين پاسخ آزمون فروروندگي و مشخصات منحني بار- جابجايي با استفاده از الگوريتم شبكه هاي عصبي ارايه شده است. توابع و عبارات بي بعد كه پاسخ منحني بار- جابجايي را به ويژگي هاي الاستو- پلاستيك ماده مرتبط مي كنند، با استفاده از نظريه تحليل ابعادي و الگوريتم باكينگهام ارايه شده است. مدلسازي المان محدود براي دسته گسترده اي از مواد با ويژگي هاي الاستو- پلاستيك گسترده انجام گرفته تا توابع بي بعد را به صورت عددي براي ايندنـتر كروي و ايندنـتر نوك تيز مخروطي با زاويه تيزي بدست آورد. ايندنـتر به صورت صلب مدل شده و نسبت پواسون براي مواد مورد مطالعه فرض گرديده كه مقدار ثابت را داشته باشد كه براي اغلب مواد مهندسي معتبر مي باشد. مقادير بدست آمده از مدلسازي عددي در آموزش شبكه عصبي چند لايه پيشرو ـ پسخوراند، مورد استفاده قرار گرفته شده است. در قسمت بعدي تكنيك جديدي با استفاده از الگوريتم ژنتيك براي تحليل روش معكوس مورد استفاده قرار گرفته است. الگوريتم مورد استفاده براي تحليل روش معكوس براي ايندنـتر مخروطي، الگوريتم ژنتيك مرتب سازي غيرغالب مي باشد. كه براي تعيين خواص الاستو -پلاستيك با استفاده از پاسخ آزمون فروروندگي مورد استفاده قرار گرفته است. در ادامه براي تحليل روش معكوس براي ايندنـتر كروي، از الگوريتم جستجوگر جديدي كه با الهام گيري از رقابت هاي استعماري تدوين شده و استفاده شده است. ويژگي هاي منحصر به فرد اين الگوريتم باعث جايگزيني اين الگوريتم به جاي الگوريتم ژنتيك در مرحله بعدي اين مطالعه گرديد. در پايان با طراحي و ساخت دستگاه ميكرو فروندگي ابزار دقيق، يافته هاي تئوري مطالعه به صورت عملي و تجربي مورد بررسي قرار گرفت.
______________________________________
عنوان: پیش بینی کوتاه مدت بار با استفاده از شبکه های عصبی مصنوعی و الگوریتم هیبرید رقابت استعماری
نگارنده: احسان هادیان حقیقی
استاد/اساتید راهنما: دکتر جواد ساده (دانشیار دانشگاه فردوسی مشهد – عضو هیئت علمی دانشگاه آزاد-واحد گناباد)
استاد/اساتید مشاور: در دسترس نیست
سال انتشار: 1390
زبان: فارسی
دانشگاه / دانشکده: دانشگاه آزاد اسلامی، واحد مشهد
ایمیل نگارنده : در دسترس نیست
کد سند: ica_thesis_fa_1390_hadian
نحوه دسترسی به پایان نامه:
چکیده فارسی: در این پایاننامه روشی جدید جهت پیشبینی کوتاه مدت بار و بصورت بار ساعتی، در شبکه توزیع انرژی الکتریکی ارائه شده است. در روش ارائه شده از گسستهسازی الگوریتم رقابت استعماری که بصورت ترکیبی از الگوریتم رقابت استعماری و الگوریتم ژنتیک است و آن را HICA (Hybrid Imperialist Competitive Algorithm) مینامیم به منظور ابزاری جهت انتخاب ویژگی (ورودی) در شبکههای عصبی استفاده شده است. هدف استفاده از HICA یافتن آن دسته از ورودیها است که بیشترین تأثیر را در پیشبینی سری زمانی بار الکتریکی دارند، تا بتوان خطای شبکه عصبی را تا حد امکان کاهش داد. ورودیهای شبکه عصبی که در ابتدا احتمال آن داده شد که می توانند در پیشبینی بار موثر باشند، شامل ورودیهایی از ساعت، روز، ماه، روز هفته، و نوع روز از جهت تعطیل یا روز عادی؛ اطلاعات هواشناسی نظیر حداقل و حداکثر دما، سرعت باد، وضعیت ابر، درجه حرارت خشک، درجه حرارت مرطوب و رطوبت هوا؛ ترتیبی منطقی از دادههای قبلی بار به صورت میزان بار مصرفی ساعت کنونی، بار ساعت کنونی از روز قبل، بار ساعت کنونی از سال قبل، بار ساعت بعد از روز قبل، بار ساعت بعد از سال قبل، میزان بار کل مصرفی روز قبل، بار کل مصرفی روز قبل از سال قبل، بار کل مصرفی همان روز از سال قبل تعیین گردید. با اعمال الگوریتم HICA و محاسبه میزان تأثیر و کارایی ورودیها بر اساس میزان خطایی که آن دسته از ورودیها در مواجه با دادههایی که قبلاً شبکه عصبی با آن مواجه نشده است، داشت؛ ورودیهای مؤثر تعیین شدند. نتايج آزمايشها نشان داد که الگوريتم HICA ويژگيهاي (ورودیهای) مناسبي را براي پیشبینی بار انتخاب ميکند، به طوري که با تعداد ويژگيهاي بسيار محدود ميتوان دقت پیشبینی خوبي بدست آورد.
______________________________________
عنوان: کاربرد روش های زیستی و اجتماعی در سیستم های پیشنهادگر
نگارنده: هدی سپهری راد
استاد/اساتید راهنما: دکتر کارو لوکس
استاد/اساتید مشاور: دکتر مجید نیلی احمد آبادی
سال انتشار: 1386
زبان: فارسی
دانشگاه / دانشکده: دانشگاه تهران – دانشکده مهندسی برق و کامپیوتر
ایمیل نگارنده : sepehrir@ualberta.ca
کد سند: ica_thesis_fa_1386_sepehri
نحوه دسترسی به پایان نامه:
چکیده فارسی: سيستم هاي پيشنهاد گر سعي دارند با پيشنهاد اقلام و سرويس هاي مورد علاقه ونياز كاربران به آنها در يافتن اين اقلام از بين حجم وسيعي از اطلاعات كمك كنند. هدف از اين تحقيق بررسي كاربرد هاي ممكن براي روشهاي زيستي و اجتماعي و ارائه راه كارهاي جديدي در اين زمينه است روشهاي زيستي و اجتماعي روش هاي الهام گرفته شده از پديده هاي موجود در طبيعت مانند قانون وراثت و يا رفتارهاي اجتماعي نظير تعامل با اجتماغ و يادگيري هستند
______________________________________
عنوان: انتخاب و بهينه سازی سبد سهام با استفاده از روش هاي فراابتكاري و مقایسه ی آن با سبدهای تشکیلیِ خبرگان و تازه کارها در بازار بورس اوراق بهادار تهران.
نگارنده: آرش طالبی
استاد/اساتید راهنما: دکتر محمّد علی مولایی
استاد/اساتید مشاور: دکتر محمّد جواد شیخ
سال انتشار: 1389
زبان: فارسی
دانشگاه / دانشکده: دانشگاه صنعتی شاهرود – دانشکده مهندسی صنایع و مدیریت
ایمیل نگارنده : arash.talebi.thesisinfo@gmail.com
کد سند: ica_thesis_fa_1389_talebi
نحوه دسترسی به پایان نامه:
چکیده فارسی: در قياس با رشد روز افزون استفاده از پورتفويها و نيز با وجود ادبيات غني آن، همچنان موضوعات و سؤالات بي پاسخ فراواني در اين زمينه وجود دارد. همچنين، بازارهاي بورس ايران، به عنوان بازارهايي رو به رشد، نيازمند پژوهشهاي بومي در پاسخ به اين سؤالات و موضوعات ميباشد. هدف از اين پژوهش، ارائهي ابزاري مفيد و كارا براي كمك به متخصصين و محققين، در تئوريِ انتخاب پورتفوي است. پژوهش، ضمن بررسي جامع ادبيات موضوع و پيشرفتها و گسترشهاي صورت پذيرفته در زمينهي انتخاب و بهينهسازي پورتفوي، به مروري بر انواع مسائل و روشهاي بهينهسازي پرداخته، با مناسب تشخيص دادن روشهاي ابتكاري، به اعمال چهار الگوريتم ابتكاري جديد و پر كاربرد ژنتيك، تركيب ژنتيك و نلدر- ميد، گروه ذرات(كوچ پرندگان) و رقابت استعماري بر مسئلهي بهينهسازي پورتفوي در بازار بورس اوراق بهادار تهران و از بين سهام 50 شركت برتر ميپردازد؛ تا سبدهايي بهينه، داراي ريسك كمينه و بازده بيشينه –به طور همزمان- را انتخاب نمايد. همچنين، در اين پژوهش، جهت دستيابي به نتايجي در زمينهي چگونگي گزارشگري نرخ بازدهي، براي اثربخشي و كارايي بالاتر (بازدهي ماهانه در مقابل سالانه) به تشكيل دو پورتفوي مختلف با استفاده از هر الگوريتم و به كمك وروديهاي سالانه و ماهانه پرداخته ميشود. در ادامه، جهت سنجش و مقايسهي عملكرد سه گروه الگوريتمها، خبرگان و نيز تازهكارهاي بازار بورس با يكديگر، با ارائهي تعريفي از دو گروه آخر، به جمعآوري سبدهاي منتخب آنها توسط پرسشنامه، پرداخته خواهد شد. كلّيهي پورتفويهاي پژوهش، يعني هشت سبد منتخب الگوريتمها، چهل سبد منتخب كارگزاران به عنوان نمونهي خبرگان و چهل و سه سبد منتخب سرمايهگذاران فرديِ حاضر در تالار بورس به عنوان نمونهي تازهكارها، در شرايط واقعي بازار بر دورهاي شش ماهه كه از آن با عنوان دورهي آزمون ياد مي شود، اعمال ميگردند؛ به عبارت ديگر، به طور فرضي اما در بازار واقعي، طبق اين پورتفويها، سهام خريداري و به مدت شش ماه با استراتژي منفعلانه، نگهداري ميشوند. در نهايت، عملكرد هر سه گروه بر اساس مقياسهاي تعديل شده بر مبناي ريسك براي سنجش عملكرد پورتفوي، محاسبه شده، بر اساس فرضيات اصلي و فرعي پژوهش، مورد آزمون آماري تحليل واريانس تك-عاملي و آزمون تعقيبي شفه قرار ميگيرند تا مقايسههاي آماري، بين متوسط عملكرد اين سه گروه صورت پذيرد. نتايج آشكار ميسازند كه تفاوت معناداري بين متوسط عملكرد سبدهاي منتخب خبرگان و متوسط عملكرد الگوريتمها وجود ندارد، همچنين هر دو رويكرد، در دورهي آزمون، به طور متوسط بهتر از پورتفوي بازار عمل نموده، به بازدهي بالاتري دست يافتهاند. سرعت همگرايي الگوريتمها در رسيدن به پاسخ بهينه نيز، مناسب و معقول ميباشد. اما متوسط عملكرد تازهكارها، با متوسط عملكرد اين دو رويكرد تفاوت معناداري دارد، به طوريكه در بررسيهاي آزمون تعقيبي شفه، مشخص شد كه متوسط عملكرد خبرگان و الگوريتمها، در سطح معناداري بهتر از عملكرد تازهكارها بوده است. متغيرِ نوع اطلاعات ورودي (ماهانه يا سالانه) نيز، تأثير معناداري بر عملكرد سبدها ايجاد نكرده بود. با توجه به اين يافتهها، نتيجهگيريهاي پژوهش عبارتند از موارد ذيل: اولاً، از آنجا كه عملكرد الگوريتمها و سازگاري آنها با حل مسئلهي پورتفوي تأييد شد، به خبرگان كه هماكنون جهت تشكيل سبد به صرف منابع هنگفت مالي، انساني و … ميپردازند، استفاده از روشهاي پژوهش به شدت توصيه ميشود، و بدينوسيله، خبرگان قادر به دستيابي به اثربخشي يكسان و كارايي بالاتر خواهند بود. ثانياً، با توجه به مزاياي عمدهي تشكيل پورتفوي، آماتورها به تشكيل و نگهداري پورتفوي تشويق مي شوند، اما از آنجا كه در پژوهش، نشان داده شد كه مهارتي در اين امر ندارند، استفاده از الگوريتمهاي پژوهش، دست كم در بدو امر، براي آنها رويكردي هوشمندانه است. بخشي از آنها كه توان ماليِ خريد و نگهداري سبدي سهام را ندارند نيز، به خريد سهام شركتهاي سرمايهگذاري رهنمون ميشوند تا به طور غيرِمستقيم، صاحب پورتفوي شوند. ثالثاً، با توجه به عملكرد يكسان سبدهاي منتخب اطلاعات ماهانه و سالانه، استفاده از اطلاعات سالانه، به دليل حجم محاسباتي پايينتر و بنابراين كارايي بالاتر و با حفظ اثربخشي يكسان، در مقايسه با همتاهاي ماهانه، به سرمايهگذاران و پژوهشگران توصيه ميشود. در نهايت، با توجه به آنكه الگوريتمها صرفاً از اطلاعات تاريخي جهت تشكيل پورتفوي استفاده نمودند، و عملكرد قابل قبولي در مقايسه با پورتفوي بازار و خبرگان داشتند، شكل ضعيف فرضيهي بازار كارا كه بيانگر هضم و انعكاس اطلاعات تاريخي در قيمت سهام است، در بازار بورس تهران زير سؤال رفته، تا حد زيادي مورد ترديد قرار ميگيرد.
______________________________________
بعضی از مقالات و مستندات مربوط به الگوریتم رقابت استعماری “به زبان فارسی” در این پست ارائه شده اند. مقالات دیگر مربوط به الگوریتم به تدریج برای استفاده در این پست در اختیار علاقه مندان محترم قرار خواهد گرفت. اگر مقاله ای را در اینترنت در مورد الگوریتم رقابت استعماری مشاهده کردید ولی امکان دانلود آن برای شما فراهم نبود، لطفاً از طریق بخش تماس با ما، این موضوع را به ما اطلاع دهید تا سریعاً مقاله تهیه شده و جهت استفاده در اختیار شما و دیگران قرار گیرد. جهت ارسال مشخصات مقاله مورد نظر خود می توانید از طریق فرم ثبت مقالات و مستندات الگوریتم رقابت استعماری (این لینک) نیز اقدام کنید. با ما در ادامه مطلب همراه باشید.
مطالعه و استفاده از این مقالات به همه علاقه مندان به حوزه هوش مصنوعی و بهینه سازی تکاملی، و به طور ویژه علاقه مندان الگوریتم رقابت استعماری توصیه می شود.
اگر به هر دلیلی در دانلود هر یک از مقالات مذکور از هر کدام از لینکها با مشکل مواجه شدید، خواهشمندیم از طریق بخش تماس با ما و یا از طریق ارسال ایمیل به آدرس icasite.info@gmail.com ما را در جریان بگذارید.
در ادامه برخی از مقالات الگوریتم رقابت استعماری به زبان فارسی به ترتیب زمان انتشار آمده اند. مقالات جدیدتر به ترتیب در بالای مقالات قبلی قرار خواهند گرفت.
______________________________________
عنوان: الگوريتم رقابت استعماري با شعاع حركت تطبيقي
مولفین: مرجان عبدچيري، محمد صنيعي آباده، هلنا بهرامي
سال انتشار: 2010
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: کنفرانس مهندسی برق ایران 2010
ایمیل مولفین: marjan.abdechiri@qiau.ac.ir, h_hahrami@qiau.ac.ir
کد مقاله: ica_fa_2010_cnf_abdechiri_adaptive_radius
لینک های دانلود مقاله:
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
______________________________________
عنوان: كشف رمزهاي بلوكي جايگشتي با استفاده از الگوريتم رقابت استعماري
مولفین:بهاره قادري، كارولوكس
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: ششمين كنفرانس بين المللي انجمن رمز ايران
ایمیل مولفین: در دسترس نیست
کد مقاله: ica_fa_2009_cnf_ghaderi_decoding_permutation_block
لینک های دانلود مقاله: در دسترس نیست
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
______________________________________
عنوان: طراحي کنترل کننده PI در يک محرکه DC سرعت متغير و بهينه سازي پارامترهاي آن با الگوريتم رقابت امپرياليستي
مولفین: مرتضي بابايي، حسن دادگر، سيد حميد شاهعالمي، کارولوکس
سال انتشار: 1388-2009
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: اولين کنفرانس بين المللي اتوماسيون صنعتي- دانشگاه شريف
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2009_cnf_ghaderi_decoding_permutation_block
لینک های دانلود مقاله: در دسترس نیست
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
______________________________________
عنوان: شبكه هاي عصبي تركيب شده با الگوريتم رقابت استعماري براي طبقه بندي ديتاهاي بازار بورس تهران
مولفین: حميد لطيفي، مجيد لطيفي
سال انتشار: 1388
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: پانزدهمين كنفرانس بين المللي سالانه انجمن كامپيوتر ايران
ایمیل مولفین: latifi2003@gmail.com
کد مقاله: ica_fa_2009_cnf_latifi_nn_burse_data_classification
لینک های دانلود مقاله: در دسترس نیست
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
______________________________________
عنوان: كاربرد الگوريتم رقابت استعماري براي انتخاب ويژگي در سيستم تشخيص چهره
مولفین: محمدحسين سيگاري، كارو لوكس
سال انتشار: 1388
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: 3rd Joint Congress on Intelligent and Fuzzy Systems _ISFS
ایمیل مولفین: hoseyn_sigari@ieee.org, lucas@ut.ac.ir
کد مقاله: ica_fa_2009_cnf_sigari_feature_selection_face_recognition
لینک های دانلود مقاله:
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
______________________________________
عنوان: مدلسازي جرثقيل سقفي و کنترل بهينه آن با فازي و الگوریتم رقابت استعماری
مولفین: مرتضی بابایی، حسن دادگر و دیگران
سال انتشار: 1388
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: سومين کنفرانس مشترک سيستمهاي فازي و هوشمند-دانشگاه يزد
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2009_cnf_babaei_lift_modelinf_fuzzy
لینک های دانلود مقاله: در دسترس نیست
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
______________________________________
عنوان: بكارگيري الگوريتم رقابت استعماري در حل مساله فروشنده دوره گرد
مولفین: مرتضي بابايي، حسن دادگر، بهرام كيميا قلم، كارو لوكس
سال انتشار: 1387
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: ششمين كنفرانس بين المللي مهندسي صنايع
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2008_cnf_babaei_tsp_solving
لینک های دانلود مقاله: در دسترس نیست
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
______________________________________
عنوان: معرفي مدل رياضي فرايند رقابت استعماري
مولفین: مرتضی بابایی، حسن دادگر و دیگران
سال انتشار: 1387
زبان: فارسی
نوع مقاله (کنفرانس/ژورنال/فصل کتاب): کنفرانس
عنوان ژورنال/کنفرانس: همايش انديشه هاي نوين رياضي-دانشگاه آزاد تهران جنوب
ایمیل مولفین: mortezababaee@gmail.com, h.dadgar@qazviniau.ac.ir
کد مقاله: ica_fa_2008_cnf_babaei_imperialism_math_model
لینک های دانلود مقاله: در دسترس نیست
لینک دانلود کدهای مقاله: در دسترس نیست
اطلاعات بیشتر: در دسترس نیست
اگر مقاله و یا پایان نامه ای را مشاهده و یا نگارش کرده اید که از الگوریتم رقابت استعماری به هر نوعی استفاده کرده است ولی آن را در لیست زیر نمی بینید، می توانید عنوان آن را از طریق بخش تماس با ما و یا از طریق این فرم (+)، اطلاع دهید تا جهت اطلاع سایر علاقه مندان برروی سایت قرار گیرد.
اگر به هر دلیلی در دانلود هر یک از مقالات مذکور از هر کدام از لینکها با مشکل مواجه شدید، خواهشمندیم از طریق بخش تماس با ما و یا از طریق ارسال ایمیل به آدرس icasite.info@gmail.com ما را در جریان بگذارید.
در ادامه برخی از مقالات الگوریتم رقابت استعماری به زبان انگلیسی آمده اند.
نکته “بسیار مهم” در مورد ارجاع دهی: لیست مقالات بصورت خودکار و توسط برنامه نوشته شده جهت پردازش اتوماتیک مقالات تهیه شده اند. از این جهت ممکن است در ذکر نام صحیح نویسندگان و یا عنوان مقاله و … اشتباهات کوچکی رخ داده باشند. از این جهت حتماً پس از دانلود مقاله و استفاده از آنها، هنگام ارجاع دهی در مقاله خود به فرمت مناسب ارجاع دهی و رفع هر گونه نقص احتمالی اقدام نمایید.
این ویدئو، جلسه یک کلاس درس در دانشگاه Yale آمریکا است. موضوع بحث “استعمار نو و استعمار فرهنگی” است. مثالهای واضح مطرح شده در این سخنرانی جالب، نحوه ظهور و عملکرد استعمار را نشان می دهد. مشاهده این ویدئو به همه علاقه مندان الگوریتم رقابت استعماری توصیه می شود. بررسی و مطالعه پدیده استعمار می تواند در جهت ایجاد تغییرات و ارائه نسخه های جدیدتر الگوریتم رقابت استعماری مفید باشد. در توضیحات مربوط به این ویدئو به زبان اصلی می بینیم.
صرف زمان برای یادگیری اتلاف زمان نیست. سرمایه گذاری زمانی است.
در بسیاری از موارد دوستان زیادی این سوال را مطرح کردند که چگونه باید الگوریتم رقابت استعماری را به مسئله بهینه سازی خود اعمال کنند. در حقیقت، برای حل یک مسئله بهینه سازی، باید تعریف دقیقی از خود مسئله و متغیرها و اهداف بهینه سازی به عمل آید. در این بخش می خواهیم استراتژی حل یک مسئله بهینه سازی را گام به گام بیان کنیم. توضیحات ارائه شده کاملاً عمومی خواهند بود و نه تنها برای استفاده از الگوریتم رقابت استعماری، بلکه برای حل مسائل بهینه سازی با استفاده از هر الگوریتمی مفید خواهند بود.
“این پست اختصاصی وبسایت محاسبات تکاملی و الگوریتم رقابت استعماری تهیه شده است و درج آن در رسانه های چاپی و یا مجازی فقط با کسب اجازه از وبسایت مذکور، مجاز می باشد.”
چاره چیست؟ برای فرار از استفاده از سعی و خطا برای حل مسائل بهینه سازی باید سعی کرد تا مسئله بهینه سازی را به صورت ریاضی مدل کرد. این مهمترین قدم در حل مسائل بهینه سازی در حوزه مهندسی و علوم است. پس از مدلسازی ریاضی تابع هزینه می توان از الگوریتم رقابت استعماری و هر روش دیگری در حوزه بهینه سازی تکاملی استفاده نمود. همان مثال تنظیم آنتن تلویزیون را در نظر می گیریم و به ترتیب به سوالات زیر پاسخ می دهیم.
2) هدف چیست (بیان کیفی هدف)؟
در مثال مطرح شده هدف رسیدن به بیشترین کیفیت تصویر دریافتی از تلویزیون است.
3) متغیرهای بهینه سازی چه هستند؟
با بیان هدف به صورت کیفی، به سراغ پارامترهایی می رویم که دست ما هستند و می توانند برای رسیدن به هدف ما را کمک کنند. در این مورد متغییر قابل تغییر، زاویه آنتن تلویزیون می باشد. اگر پارامترهای دیگری نیز در مسئله تاثیر دارند، لیستشان می کنیم و در غیر این صورت به گام بعدی می رویم. به عنوان مثال در کنار زاویه آنتن، ممکن است که ارتفاع آن نیز در کیفیت تصویر دریافتی تاثیر داشته باشد. مواردی مانند کیفیت آنتن و یا مثلاً طول سیم آنتن و موارد مشابه دیگر می توانند بسته به تعریف ما، وارد متغیرهای بهینه سازی بشوند یا نشوند. ما فعلاً همان دو مورد اول را در نظر می گیریم و بنابراین داریم.
و به طور خلاصه داریم:
که در آن x1، میزان زاویه آنتن و x2 میزان ارتفاع آنتن است.
4) ارتباط میان هدف بهینه سازی و متغیرهای بهینه سازی به صورت ریاضی چیست؟
تا الان کاری که کردیم ارائه یک بیان کیفی از مسئله بهینه سازی است و عملاً تا الان کار زیادی انجام نداده ایم. کار اصلی بیان ریاضی یک مسئله بهینه سازی، در این مرحله انجام می شود. در این مرحله باید ارتباط میان متغیرها و هدف بهینه سازی را بیان کنیم. معمولاً بسته به حوزه تخصصی مربوط به مسئله بهینه سازی، این مرحله به دانش نسبتاً زیادی از مسئله بهینه سازی نیاز دارد و اینگونه نیست که فردی خارج از حوزه مرتبط به مسئله، حتی با داشتن تخصص بالا در بهینه سازی بتواند به بیان تابع هزینه کمک کند. مثلاً برای بیان ارتباط میان کیفیت تصویر دریافتی از تلویزیون و زاویه و ارتفاع آنتن، به دانش تخصصی در حوزه میدان ها و امواج و نیز تصویر نیاز است. فرض کنیم که با مراجعه به متون تخصصی این حوزه به رابطه مفروض زیر می رسیم.
با بیان این رابطه ریاضی، فرایند تعریف مسئله بهینه سازی به پایان می رسد. حال باید به دنبال یک الگوریتم برای حل مسئله فوق باشیم. در مواردی که مسئله همانند مورد بالا فقط دارای یک نقطه می نیمم (یا ماکزیمم) بوده و تابع هزینه نسبت به متغیرها مشتق پذیر باشد، روش های مبتنی برای گرادیان (مشتق) بهترین انتخاب هستند و به سادگی و با سرعت بالا، بهترین جواب مسئله را به ما می دهند. مثلاً جواب مسئله فوق به صورت زیر خواهد بود.
که با مقادیر فوق به کیفیت تصویر 100 می رسیم.
5) حال اگر رابطه فوق کمی پیچیده تر باشد، چه باید کرد؟ مثال زیر را در نظر می گیریم.
این رابطه دارای تعداد زیادی نقاط اکسترمم محلی و یک نقطه اکسترمم مطلق در نقطه (0,0) می باشد. برای حل چنین مسائل بهینه سازی، از روش های دیگر بهینه سازی همچون بهینه سازی تکاملی و در میان آنها از می توان از الگوریتم رقابت استعماری استفاده کرد.
6) پس از تعریف ارتباط ریاضی تابع هزینه و متغیرهای بهینه سازی چه باید کرد؟
در این مرحله پیاده سازی عملی کار شروع می شود. در مراجع مختلف و به ویژه در اینترنت، کدهای رایگان بسیاری از الگوریتم های بهینه سازی تکاملی وجود دارند. کدهای رایگان الگوریتم رقابت استعماری نیز به سادگی با جستجوی عبارت “کدهای رایگان الگوریتم رقابت استعماری” و یا “Imperialist Competitive Algorithm Code” به زبانهای مختلف قابل تهیه هستند. نکته مشترک میان همه این کدها این هست که این کدها، تابع هزینه مسئله شما را گرفته و پس از جستجو با استراتژی های مختلف، جواب مسئله را به شما می دهند. برای استفاده از همه کدهای موجود بر روی وب باید تابع هزینه خود را به صورت یک تابع جداگانه بنویسید. البته میان نحوه تعریف تابع هزینه در کدهای مختلف شاید ، اندکی تفاوت موجود باشد. منتها روند کلی به صورت زیر است.
در مورد نحوه تعریف تابع هزینه، فیلم آموزشی کوتاهی بر روی سایت الگوریتم رقابت استعماری قرار گرفته است و موارد تکمیلی به زودی ارائه خواهند شد.
7) آیا تابع هزینه مسئله همیشه به صورت یک برنامه ساده و یک رابطه ریاضی مشخص است؟
خیر! در بسیاری از موارد عملی تابع هزینه یک رابطه ریاضی مشخص نیست. بلکه مثلاً برای یافتن مقدار تابع هزینه، باید یک پروسه فیزیکی، شیمیایی و یا کنترلی را اجرا کنیم. مثلاً ممکن است برای طراحی یک آنتن بهینه هر بار مقادیر بهینه سازی را به تابع هزینه ارسال کنیم و تابع هزینه نیز به نوبه خود، این مقادیر را به یک نرم افزار تخصصی در حوزه میدانها و امواج ارسال کند و نتیجه حاصل را گرفته و دوباره محاسباتی روی آنها انجام داده و آنها را به عنوان هزینه ورودی معین برگرداند. در بسیاری از موارد دانشجویان رشته کنترل نیاز پیدا می کنند که در داخل تابع هزینه خود، یک پروسه کنترلی را از طریق سیمولینک متلب اجرا کرده و نتیجه حاصل را آنالیز کرده و برگردانند.
به طور خلاصه می توان گفت که شروع نوشتن کد تابع هزینه بهینه سازی، شروع به حل آن و پایان کد نویسی آن نیز، آخرین مرحله به حساب می آید. ایجاد ارتباط میان یک کد تابع هزینه مرتب با یک الگوریتم بهینه سازی، کار چندان سختی به شمار نمی آید.
8) مسئله بهینه سازی من پارامتهای دیگری دارد که متغیر بهینه سازی نیستند ولی در بهینه سازی تاثیر دارند، چه کنم؟
معمولاً تابع هزینه ما پارمترهای دیگری دارد. سعی کنید، تمام پارامتهای اضافی (پارامتهای به غیر از متغیرهای بهینه سازی) را داخل کد تابع هزینه قرار دهید و تابع هزینه شما فقط شامل متغیرهای بهینه سازی باشد (تابع شما فقط متغیرهای بهینه سازی را به عنوان ورودی دریافت کند). مثلاً جنس آنتن می تواند پارامتری باشد که کاملاً مدل شده است ولی جزو متغیرهای بهینه سازی ما نیست و در عین حال روی تابع هزینه مثال مطرح شده، تاثیر دارد. البته در کدهای تهیه شده برای الگوریتم رقابت استعماری، متغیرهای اضافی برای دریافت پارامتهای اضافی نیز ذخیر شده اند.
برای واضح تر شدن مسئله می خواهیم قدم به قدم به سوال مطرح شده زیر پاسخ دهیم. یکی از دوستان سوال مشکل خود در استفاده از الگوریتم رقابت استعماری را اینگونه مطرح کرده اند.
قسمتی از پروژه ی پایان نامه ی من به این شکل تعریف شده است:انجام آزمایشات (32 موردآزمایش) با استفاده از دستگاه WEDM: در طول انجام این آزمایشات که بر حسب روش طراحی آزمایش تاگوچی طرح ریزی شده اند، 5 فاکتور ورودی سیستم یعنی W (تغذیه ی سیم)، P (توان)، V (ولتاژ)، S (سر) و زمان تغییر می کند تا از این طریق اثر تغییر این پارامترها روی خروجی و یا کارایی سیستم بررسی شود. خروجی های سیستم هم حجم برداشته شده از سطح قطعه کار (MRR) و صافی سطح (SR) است.برای بهینه سازی خروجی فرایند، تصمیم گرفتم که از الگوریتم استعماری استفاده کنم. ولی مشکلی که دارم این است که نمی دانم به چه شکل می توانم تابع هزینه متناسب با این فرایند را تعریف کنم؟ یکی از توابع هزینه که درفرایند های ماشینکاری مطرح میشود به شکل زیر است
به این مفهوم که با تغییر ورودی ها به ماکزیمم مقدار برداشت مواد از سطح و کمترین پستی و بلندی که با SR نمایش داده می شود برسیم.
سوالاتی زیر برای من مطرح است:
سوال 1: برای استفاده از الگوریتم رقابت استعماری، چه تعداد تابع هزینه بایستی تعریف شود؟
پاسخ: الگوریتم رقابت استعماری در حال حاضر برای حل مسائل بهینه سازی تک هدفه مفید می باشد. علاقه مندان زیادی بر روی نسخه های چند هدفه الگوریتم کار می کنند و مطمئناً به زودی کدهای چند هدفه الگوریتم را نیز بر روی وب خواهیم داشت. البته لازم به ذکر هست که مسائل بهینه سازی چند هدفه غالباً با جمع خطی تک تک اهداف به مسائل تک هدفه تبدیل می شوند. مسئله مذکور نیز همین گونه است. دو هدفMRRوSRبا جمع شدن با وزن واحد تبدیل به یک هدفLشده اند. البته همانگونه که به نظر می رسد، ظاهراًMRRباید کمینه شود وSRباید بیشینه شود، زیرا معکوس آن باMRRجمع شده است. البته تبدیل یک مسئله دو یا چند بعدی به یک مسئله یک بعدی روش هایی دیگری دارد که در مورد آنها در مطالب بعدی بر روی سایت بحث خواهد شد. فعلاً خلاصه می کنیم که تابع شما یک تابع یک هدفه است و یک تابع هزینه باید برای آن نوشته شود. البته این به این معنی نیست که کد برنامه فقط یک تابع خواهد داشت. در بسیاری موارد ما یک تابع تک هدفه حتی ساده را نیز به تعدادی تابع کوچکتر شکانده و وظایف بخش های مختلف برنامه را به این زیر تابع ها می سپاریم. اما در نهایت آنها در قالب یک تابع هزینه اصلی کنار هم سازمان دهی می کنیم. مثلاً
Y = f1(x) + f2(x)
function Y = f1(x)
Y = sin(x)
function Y = f1(x)
Y = cos(x)
سوال 2: تابع هزینه به صورت FUNCTION باید باشد؟
پاسخ: بله! شما پس از جدا کردن و تعریف کردن متغیرهای بهینه سازی خود، یک تابع هزینه می نویسید که با دریافت این متغیرها ، خروجی هزینه را بدهد. در این مورد فیلم آموزشی کوتاهی بر روی سایت الگوریتم استعماری (www.icasite.info) وجود دارد. موارد آموزشی تکمیلی به زودی بر روی سایت قرار خواهد گرفت.
سوال 3: تابع هزینه باید رابطه ای بین ورودی ها باشد ویا خروجی ها؟
پاسخ: ظاهراً تابع هزینه شما باید بهترین مقادیر (w,p,s,v,t) را بدهد. بنابراین شما باید تابعی بنویسید که این مقادیر را گرفته وMRRوSRاز روی آنها تعیین شوند و در نهایتLبه دست آید. در حقیقت داریم.
اگر بخواهیم تا حدی یک شبه کد برای این مسئله بنویسیم خواهیم داشت.
الگوریتم رقابت استعماری فقط با تابع L_Fcn کار خواهد کرد و با بقیه تابع ها کاری نخواهد داشت.
بخش 1 این نوشتار با عنوان بهینه سازی چیست، به همراه تصویر موجود در این بخش برداشتی از کار ارزشمند جناب آقای مهندسی سید مصطفی کلامی هریس با کسب اجازه از ایشان بوده است.
[2] Stephen Boyd and Lieven Vandenberghe, Convex Optimization, Cambridge University Press, 2004.
[5] Jorge Nocedal and Stephen J. Wright, Numerical Optimization, 2nd Edition, Springer Science + Business Media, LLC, 2006.
[6] Mitchell Melanie, An Introduction to Genetic Algorithms, MIT Press, 1999.
[7] Stephen Olariu and Albert Y. Zomaya, Handbook of Bioinspired Algorithms and Applications, Taylor & FrancisGroup, LLC, 2006.
[8] Jens Gottlieb and Güntel R. Raidl, Evolutionary Computation in Combinatorial Optimization, Springer-Verlag Berlin Heidelberg, 2006.
[9] Fred Glover and Gray A. Kochenberger, Hanbook of Metaheuristics, Kluwer Academic Publishers, 2003.
[10] Patrick Siarry and others, Metaheuristics for Hard Optimizations, Springer-Verlag Berlin Heidelberg, 2006.
[11] Anthony Brabazon and Michael O’Neill, Biologically Inspired Algorithms for Financial Modelling, Springer-Verlag Berlin Heidelberg, 2006.
[12] Amit Konar, Artificial Intelligence and Soft Computing, CRC Press LLC, 2000.
[13] J. Kennedy and R. C. Eberhart, “Particle Swarm Optimization” in Proceedings of the 4th IEEE International Conference on Neural Networks, pp. 1942-1948, 1995.
[14] R. C. Eberhart and J. Kennedy, “A new optimizer using particle swarm theory,” in Proceedings of the 6th International Symposium on Micro Machine and Human Science, pp. 39-43, 1995.
[15] Marco Dorigo, Luca Maria Gambardella and others, Ant Colony Optimization and Swarm Intelligence, Springer-Verlag Berlin Heidelberg, 2006.
[16] Marco Dorigo and Gianni Di Caro, The Ant Colony Optimization Metaheuristic, Iridia University, 1999.
[17] V. Chellaboina and M. K. Ranga, “Reduced Order Optimal Control Using Genetic Algorithms“, 2005 American Control Conference, June 8-10, 2005. Portland, OR, USA
[18] B. Bontoux. and D. Feillet, “Ant colony optimization for the traveling purchaser problem”, Computers & Operations Research, In Press, Corrected Proof, Available online 26 May 2006
[19] Y. T. Hsiao, C. L. Chuang and C. C. Chien, “Ant Colony Optimization for Designing of PID Controllers”, 2004 IEEE International Symposium on Computer Aided Control Systems Design, September 24, 2004, Taipei, Taiwan
[20] H. H. Balaci and J. F. Valenzuela, “Scheduling Electric Power Generators Using Particle Swarm Optimization Combined with Lagrangian Relaxation Method”, International Journal of Applied Mathematics and Computer Scince, 2004, Vol. 14, No. 3, 411–421
[21] Pack, D., G. Toussaint, and R. Haupt. 1996. Robot trajectory planning using a GA. Int. Symp. on Optical Science, Engineering, and Instrumentation. SPIE’s Annual Meeting, Denver, CO.
[22] Obayashi, S., D. Sasaki,Y. Takeguchi, and N. Hirose. 2000. Multiobjective evolutionarycomputation for supersonic wing-shape optimization. IEEE Trans. Evol. Comput. 4:182–187.
[23] Loughlin, D. H., S. R. Ranjithan, J.W. Baugh, Jr., and E. D. Brill Jr. 2000. Application of GAs for the design of ozone control strategies. J. Air Waste Manage. Assoc. 50:1050–1063.
[24] Chambers, L. (ed.). 1995. GAs, Applications,Vol. 1. New York: CRC Press.
[25] Angeline, P. J. 1996. Evolving Fractal Movies. Proc. 1st An. Conf. on Genetic Programming, MIT Press, Cambridge, MA, pp. 503–511.
[26] Biles, J. A. 1994. GenJam: A GA for generating jazz solos. Proc. Int. Computer MusicvT Conf, San Francisco: 131–137.
[27] Horner, A., and D. Goldberg. 1991. GAs and computer-assisted music composition. Proc. 4th Int. Conf. on GAs. Urbana-Champaign, IL.
[28] Johnson, C.G., and J. J. Romero Cardalda. 2002. GAs in visual art and music. Leonardo 175–184.
[29] Sims,K. 1991.Artificial evolution for computer graphics. Siggraph ’91 Proc. 25:319–328.
[30] The Hutchinson Dictionary of World History, Oxford: Helicon Publishing, 1999
[31] R. R. Palmer, “A History of the Modern World”, New York: Alfred A. Knopf, 1964, ©1956.
[32] C. V. Findley & J. A. M. Rothney, Twentieth century world, 3rd edition, Boston: Houghton Mifflin Company, 1986
[33] R. Goff, J. Terry, W. Moss, J. H. Upshur, The Twentieth Century: A Brief Global History, 6th edition, Boston: McGraw-Hill, 2001, part1.
[34] Y. T. Hsiao, C. L. Chuang and C. C. Chien, “Ant Colony Optimization for Designing of PID Controllers”, 2004 IEEE International Symposium on Computer Aided Control Systems Design, September 24, 2004, Taipei, Taiwan
[35] Xiong Q., Cai W. J., He M.J., (2007), “Equivalent transfer function method for PI/PID controller design of MIMO processes”, Journal of Process Control 17, pp 665–673
[36] Christen U., Musch H. E. and Steiner M., (1997) “Robust control of distillation columns: µ- vs. H∞- synthesis” J Proc C, mt Vol 7, No 1, pp. 19 30, 1997
[37] Roffel B. etal (2000), “First principles dynamic modeling and multivariable control of a cryogenic distillation process” Computers and Chemical Engineering 24, pp111–123
[38] Halevi Y., Palmor Z.J. and Efrati T., (1997), “Automatic tuning of decentralized PID controllers for MIMO processes” J. Proc. Cont. Vol. 7, No. 2, pp. I19-I28
[39] Ruiz-López I.I., Rodríguez-Jimenes G.C., García-Alvarado M.A., (2006) “Robust MIMO PID controllers tuning based on complex/real ratio of the characteristic matrix eigenvalues”, Chemical Engineering Science 61, pp 4332 – 4340
[40] García-Alvarado M.A., Ruiz-López I.I., Torres-Ramos T., (2005), “Tuning of multivariate PID controllers based on characteristic matrix eigenvalues, Lyapunov functions and robustness criteria”, Chemical Engineering Science 60, pp 897 – 905
[41] Chang W. D. , (2007), “A multi-crossover genetic approach to multivariable PID controllers tuning”, Expert Systems with Applications 33, pp 620–626
[42] Hsin-Chieh Chen, Jen-Fuh Chang, Jun-Juh Yan, Teh-Lu Liao, (2007), “EP-based PID control design for chaotic synchronization with application in secure communication” Expert Systems with Applications, Article in press
[43] Su C. T. , Wong J. T., (2007), “Designing MIMO controller by neuro-traveling particle swarm optimizer approach”, Expert Systems with Applications 32, pp 848–855.
[44] Wang, Q. G., Zou, B., Lee, T. H., & Qiang, B. (1997). Auto-tuning of multivariable PID controllers from decentralized relay feedback. Automatica, 33(3), pp 319–330.
[45] Luyben, W. L. (1986). “A simple method for tuning SISO controllers in a multivariable system”. Industrial & Engineering Chemistry Product Research and Development”, 25, pp 654–660.
[46] T.J.Ross, Fuzzy Logic with Engineering Applications, John Wiley & Sons, New York, NY, USA, 2nd edition, 2004
فصل 1 مقدمه
1-1 هدف و اهميت مسئله
1-2 الگوريتم توسعه داده شده
1-3 مزاياي الگوريتم توسعه داده شده
1-4 ساختار نوشتار
فصل 2 بهينهسازي و روشهاي موجود
2-1 انواع مسائل بهينهسازي
2-2 روشهاي بهينهسازي کمينهجو
2-2-1 بهينهسازي تحليلي
2-2-2 جستجوي خط
2-2-3 روشهاي نيوتوني
2-2-4 روش کاهشي نِلدِر ـ ميد با اشکال غير مرکب
2-3 الگوريتم ژنتيک
2-4 الگوريتم بازپخت شبيهسازي شده
2-5 بهينهسازي گروه ذرات
2-6 کلوني مورچهها
2-7 برنامهريزي ژنتيک
فصل 3 استراتژي بهينهسازي مبتني بر تکامل اجتماعيـسياسي
3-1 مقدمه
3-2 مروري تاريخي بر پديده استعمار
3-2-1 هند
3-2-2 مالزي
3-2-3 هندوچين فرانسه
3-2-4 هند شرقي (اندونزي)
3-3 الگوريتم پيشنهادي
3-3-1 شکل دهي امپراطوريهاي اوليه
3-3-2 مدلسازي سياست جذب: حرکت مستعمرهها به سمت امپرياليست
3-3-3 جابجايي موقعيت مستعمره و امپرياليست
3-3-4 قدرت کل يک امپراطوري
3-3-5 رقابت استعماري
3-3-6 سقوط امپراطوريهاي ضعيف
3-3-7 همگرايي
3-4 مثال کاربردي
3-5 نتيجهگيری
3-6 توابع هزينه مورد استفاده
فصل 4 پيادهسازي هاي انجام شده
4-1 استفاده از الگوريتم معرفي شده براي طراحي يک کنترلکننده PID بهينه
4-1-1 کنترلکننده PID
4-1-2 طراحي کنترلکننده PID بهينه توسط الگوريتم رقابت استعماري
4-1-3 نتيجهگيري
4-2 استفاده از الگوريتم رقابت امپرياليستي براي طراحي کنترلکننده PID چند متغيره براي سيستم صنعتي ستون تقطير
4-2-1 مقدمه
4-2-2 کنترلکننده PID براي فرايند چند متغيره
4-2-3 نتايج شبيهسازي
4-2-4 نتيجهگيري
4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
4-3-1 يک بازي غير خطي استاتيک ساده
4-3-2 يک بازي با پيچيدگي بيشتر
4-4 طراحي بهينه آنتهاي آرايهاي
4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي
4-5-1 مقدمه
4-5-2 توصيف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
4-5-4 نتيجهگيری
4-6 کنترل فازي اتومبيل
4-6-1 مدل اتومبيل
4-6-2 نتايج
فصل 5 خلاصه، نتيجهگيري و پيشنهادات
5 خلاصه، نتيجهگيري و پيشنهادات
آنچه در اين نوشتار مورد بررسي قرار گرفت ارائه يک الگوريتم بهينهسازي جدبد بر مبناي مدلسازي رياضي فرايند اجتماعيـسياسي پديده استعمار بود. روشهاي مختلفي براي حل مسائل بهينهسازي معرفي شده اند. بعضي از اين روشها به صورت تکراري و بر مبناي گراديان، نقطه بهينه تابع هزينه را پيدا ميکنند. اين روشها معمولاً سرعت بالايي دارند ولي در درعوض مشکل افتادن در دام بهينه محلي را با خود حمل ميکنند. در نقطه مقابل روشهايي وجود دارند که به جستجوي نقطه بهينه مطلق تابع ميپردازند. الگوريتمهاي ژنتيک و بهينهسازي گروه ذرات نمونههايي از اين روشها هستند. نکته قابل توجه در مورد اکثر روشهاي بهنيهسازي تکاملي مطرح شده، اين است که اين روشها معمولاً برگرفته از تکامل زيستي و مدلسازي پديدههاي طبيعي هستند و معمولاً جنبههايي از تکامل که مدل شناختهشدهاي از آن وجود ندارد، در حاشيه تحقيقاتي قرار گرفته است. در حقيقت انگيزش اصلي نگارش اين پاياننامه پر کردن اين خلا و بررسي جوانب پاسخ منفياي بود که به سوال زير داده ميشد:
“آيا تکامل موجودات و به ويژه انسان، تنها به تکامل زيستي او محدود ميشود؟!؟”
و آنچه در ادامه مسير مطرح شد، يافتن پاسخ به اين سوال بود که “آيا جوانب ديگر تکامل انساني ميتوانند به عنوان منبع الهام يک الگوريتم بهينهسازي مورد استفاده قرار بگيرند؟”
الگوريتم معرفي شده در اين نوشتار، “الگوريتم رقابت استعماري”، يکي از پاسخهاي مثبتي بود که ميشد به اين سوال داد. بطور ويژه در معرفي اين الگوريتم، يک فرايند خاص مورد بررسي ويژهاي قرار گرفت. فرايند اجتماعيـسياسيـتاريخي استعمار، پديدهاي بود که در اين نوشتار براي ارائه الگوريتم مورد استفاده قرار گرفت.
بررسي تاريخي رفتار متقابل مستعمرات و استعمارگران نشان داد که فرايند همگونسازي، از سوي استعمارگران براي جذب مستعمرات در فرهنگ و رسوم آنها اعمال ميشد. همانگونه که موارد تاريخي نشان ميدهند، اعمال سياست جذب در بعضي موارد موجب ايجاد تغييرات سريع اجتماعي، سياسي و اقتصادي در مستعمرات شد. سياست جذب در کنار رقابت استعماري، هستههاي الگوريتم معرفي شده را تشکيل ميدهند.
بطور خلاصه الگوريتم معرفي شده، با تعدادي کشور اوليه شروع ميشود. اين کشورها به دستههايي به نام امپراطوري تقسيم ميشوند. هر امپراطوري از تعدادي مستعمره و يک امپرياليست تشکيل شده است. در داخل امپراطوري، سياست جذب از سوي استعمارگران به مستعمرات اعمال شده و آنها را در راستاي محورهاي مختلف اجتماعيـسياسي به سوي خود ميکشند. به همراه سياست جذب، رقابتي نيز ميان امپراطوريها برقرار است و همه آنها براي در دست گرفتن مستعمرات همديگر تلاش ميکنند. حاصل اين چرخه جذب و رقابت، همگرايي کشورها (جوابهاي ممکن مسئله) به سمت نقطه بهينه مطلق است.
نتايج آزمايش روش پيشنهادي بر روي توابع هزينه مختلف نشان ميدهد که الگوريتم معرفي شده در يافتن نقطه بهينه اين توابع کاملاً موفق عمل ميکند. همچنين مسائل مختلف کاربردي حل شده با اين الگوريتم نشان ميدهند که استراتژي بهينهسازي مطرح شده ميتواند با موفقيت کامل در کنار ساير روشهاي مطرح بهينهسازي همچون الگوريتم ژنتيک و گروه ذرات، به حل مسائل کاربردي و مهندسي کمک کند. مقايسه نتايج حاصله توسط الگوريتم مطرح شده با روشهاي رايج بهينهسازي نيز از برتري نسبي اين الگوريتم حکايت دارد.
الگوريتم معرفي شده به عنوان نسخه اوليه يک الگوريتم مبتني بر يک فرايند اجتماعيـسياسي و بطور اخص پديده يچيده استعمار ميباشد. بنابراين مطمئناً ميتوان اصلاحاتي در آن نيز ايجاد نمود. الگوريتم معرفي شده در حال حاضر براي حل مسائل پيوسته بهينهسازي مناسب ميباشد. براي حل مسائل گسسته بهينهسازي بايد تغييراتي در الگوريتم اعمال شود. ارائه نسخه گسسته الگوريتم ميتواند براي حل مسائلي همچون انتخاب ورودي در شناسايي سيستمها و انتخاب ويژگي براي اهداف بازشناسي الگو مفيد باشد. الگوريتمهاي رايجي همچون بهينهسازي گروه ذرات نيز در نسخه اوليه خود براي حل مسائل پيوسته مطرح شده بودند و بعدها نسخههاي گسسته آنها معرفي گرديده است. در کاربردهاي اعمال شده نيز، همه مسائل بهينهسازي داراي تنها يک تابع هدف بودند. الگوريتم مطرح شده کنوني در نسخه تک هدفه اش، ميتواند براي حل مسائل بهينهسازي چندهدفه و براي يافتن منحني پرتو نيز استفاده شود ولي نتايج بدست آمده از آن به خوبي نتايج الگوريتمهاي بهينهسازي مخصوص مسائل چند هدفه (همانند NSGA-II، نسخه چند هدفه الگوريتم ژنتيک) نخواهد بود. بنابراين در ادامه کار ميتوان با اعمال تغييراتي در ساختار الگوريتم آن را براي حل مسائل بهينهسازي چند هدفه مناسب نموده و نسخه ویژه چند هدفه این الگوریتم را ارائه نمود.
همانگونه که بيان شد، روشهاي تکاملي ويژگي گريز از نقطه مينيمم محلي را دارند. در مقابل روشهاي کلاسيک بهينهسازي داراي سرعت همگرايي بيشتري ميباشند. براي داشتن هم سرعت همگرايي بالا و هم گير نکردن در نقاط بهينه محلي، يک روش رايج ترکيب الگوريتمهاي تکاملي با روشهاي کلاسيک بهينهسازي همچون روش نيوتون است. در ادامه کار ميتوان ترکيبي از الگوريتم مطرح شده را نيز با الگوريتمهاي کلاسيک بهينهسازي ترکيب نمود. با اين کار اميد آن است که نتايج به مراتب بهتري (از ديد سرعت همگرايي) بدست آيد.
بنابراين گامهاي عمده پيشروي ادامه کار عبارتند از:
در راستاي گامهاي اساسي فوق، ميتوان ميتوان پيشنهادات زير را نيز براي ادامه کار مطرح نمود.
فصل 1 مقدمه
1-1 هدف و اهميت مسئله
1-2 الگوريتم توسعه داده شده
1-3 مزاياي الگوريتم توسعه داده شده
1-4 ساختار نوشتار
فصل 2 بهينهسازي و روشهاي موجود
2-1 انواع مسائل بهينهسازي
2-2 روشهاي بهينهسازي کمينهجو
2-2-1 بهينهسازي تحليلي
2-2-2 جستجوي خط
2-2-3 روشهاي نيوتوني
2-2-4 روش کاهشي نِلدِر ـ ميد با اشکال غير مرکب
2-3 الگوريتم ژنتيک
2-4 الگوريتم بازپخت شبيهسازي شده
2-5 بهينهسازي گروه ذرات
2-6 کلوني مورچهها
2-7 برنامهريزي ژنتيک
فصل 3 استراتژي بهينهسازي مبتني بر تکامل اجتماعيـسياسي
3-1 مقدمه
3-2 مروري تاريخي بر پديده استعمار
3-2-1 هند
3-2-2 مالزي
3-2-3 هندوچين فرانسه
3-2-4 هند شرقي (اندونزي)
3-3 الگوريتم پيشنهادي
3-3-1 شکل دهي امپراطوريهاي اوليه
3-3-2 مدلسازي سياست جذب: حرکت مستعمرهها به سمت امپرياليست
3-3-3 جابجايي موقعيت مستعمره و امپرياليست
3-3-4 قدرت کل يک امپراطوري
3-3-5 رقابت استعماري
3-3-6 سقوط امپراطوريهاي ضعيف
3-3-7 همگرايي
3-4 مثال کاربردي
3-5 نتيجهگيری
3-6 توابع هزينه مورد استفاده
فصل 4 پيادهسازي هاي انجام شده
4-1 استفاده از الگوريتم معرفي شده براي طراحي يک کنترلکننده PID بهينه
4-1-1 کنترلکننده PID
4-1-2 طراحي کنترلکننده PID بهينه توسط الگوريتم رقابت استعماري
4-1-3 نتيجهگيري
4-2 استفاده از الگوريتم رقابت امپرياليستي براي طراحي کنترلکننده PID چند متغيره براي سيستم صنعتي ستون تقطير
4-2-1 مقدمه
4-2-2 کنترلکننده PID براي فرايند چند متغيره
4-2-3 نتايج شبيهسازي
4-2-4 نتيجهگيري
4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
4-3-1 يک بازي غير خطي استاتيک ساده
4-3-2 يک بازي با پيچيدگي بيشتر
4-4 طراحي بهينه آنتهاي آرايهاي
4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي
4-5-1 مقدمه
4-5-2 توصيف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
4-5-4 نتيجهگيری
4-6 کنترل فازي اتومبيل
4-6-1 مدل اتومبيل
4-6-2 نتايج
فصل 5 خلاصه، نتيجهگيري و پيشنهادات
لازم به ذکر است که فایل PDF جامعتر این متن آموزشی نیز بر روی سایت در این لینک (کلیک کنید) قرار گرفته است. توصیه می شود پس از مطالعه بخش مربوطه در وبسایت، در صورت تمایل متن فایل PDF را نیز مطالعه نمایید.
نکتهدیگر قابل ذکر این است که الگوریتم رقابت استعماری در حال حاضر درنسخه های مختلف و با تغییراتی نسبت به نسخه اولیه آن توسط دانشجویان و محققین حوزه بهینه سازی مورد استفاده قرار می گیرد. متن آموزشی ارائه شده بر روی سایت ورژن اولیه و نسخه ابتدایی الگوریتم رقابت استعماری می باشد. برای آشنایی با نسخه های جدیدتر الگوریتم می توانید به برخی از مقالات ارائه شده بر روی سایت مراجعه نمایید.