این مقاله انگلیسی ISI در نشریه الزویر در سال 2020 منتشر شده که 36 صفحه می باشد، ترجمه فارسی آن نیز 29 صفحه میباشد. کیفیت ترجمه این مقاله عالی بوده و به صورت کامل ترجمه شده است.

نوشته دانلود ترجمه مقاله بهینه سازی چندهدفه تکاملی برای هدف قرار دادن شبکه اجتماعی (ساینس دایرکت – الزویر 2020) اولین بار در ترجمه فا پدیدار شد.

نوشته دانلود رایگان ترجمه مقاله پوشش منطقه صرفه جویی انرژی با الگوریتم های زمانبندی گره دوربین تکاملی (نشریه اسپرینگر 2015) اولین بار در ترجمه فا پدیدار شد.

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” الگوریتم بهینه ‌سازی Cuckoo ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
1.مقدمه
2.کوکوها و سبک‌ زندگی خاص آن‌ها برای تولید مثل
3.الگوریتم پیشنهادی بهینه‌سازی کوکو (COA)
3.1.ساخت زیستگاه اولین کوکوها
3.2. روش تخم‌گذاری کوکوها
3.3. مهاجرت کوکوها
3.4. نابودسازی کوکوهای ساکن در بدترین زیستگاه‌ها
3.5. همگرایی
4. محک‌های الگوریتم بهینه‌سازی کوکو
4.1. توابع هزینه آزمایش
4.2. طراحی کنترل‌کننده چند متغیره
4.2.1. کنترل‌کننده PID برای فرآیندهای چند ورودی چند خروجی
4.2.2. طراحی تکاملی PID
5. نتیجه‌گیری

• بخشی از ترجمه:

5. نتیجه‌گیری
در این مقاله، یک الگوریتم بهینه‌سازی جدید با الهام‌گیری از سبک زندگی پرنده‌ای به نام کوکو ارائه گردید. ویژگی‌های خاص کوکو در تخم‌گذاری و زاد و ولد، انگیزه اصلی طراحی این الگوریتم‌ بهینه‌سازی بوده است. هر پرنده در این الگوریتم زیستگاهی دارد که در اطراف آن شروع به تخم‌گذاری می‌کند. تخم‌هایی که زنده می‌مانند، رشد کرده و به کوکوهای بالغ تبدیل می‌شوند، سپس برای تولید مثل به سمت بهترین زیستگاهی که از قبل پیدا کرده‌اند، مهاجرت می‌کنند. تغییر مسیر ایجاد شده حین حرکت به سمت بهترین زیستگاه، جمعیت کوکوها را وادار می‌کند تا نسبت به جمعیتی که در یک مسیر مستقیم به پیش می‌روند، منطقه بیشتری را جستجو کنند. پس از مهاجرت، تمام جمعیت کوکوها در زیستگاه واحدی که بهترین موقعیت آن منطقه محسوب می‌شود، دور هم جمع می‌شوند. الگوریتم معرفی شده در 5 تابع هزینه محک مورد آزمایش قرار گرفت. تطبیق الگوریتم بهینه‌سازی کوکو (COA) با گونه‌های متداول الگوریتم بهینه‌سازی ازدحام ذرات (PSO) و الگوریتم ژنتیک (GA) با انتخاب چرخ رولت، انتقال یکسان نشان داد که COA به خاطر همگرایی سریع و دستیابی به مقادیر بهینه سراسری نسبت به بقیه برتری دارد. کلیه روش‌ها در 4 تابع آزمایش اول به کمینه‌های سراسری دست یافته‌اند، ولی COA با تعداد تکرار کمتر، سریع‌تر همگرا شده است. اما در تابع آزمایش آخری موسوم به تابع 10 بعدی راستریگین، GA و PSO نتوانسته‌اند حتی به مقداری نزدیک به بهینه‌‌های سراسری همگرا شوند. با اینهمه COA به برآورد بسیار خوب و قابل قبولی از کمینه سراسری در 66 تکرار دست پیدا کرده است. البته این نکته را نیز باید متذکر شویم که عملکرد بیشتر COA در رسیدن به نتایج بهتر برای این 5 تابع محک و انجام یک بررسی موردی واقعی لزوماً بدین معنا نیست که COA همواره بهترین روش تکاملی است که طراحی شده است. بلکه صرفاً می‌توان آنرا بومسانی موفق طبیعت تلقی کرد که برای برخی از مسائل بهینه‌سازی مناسب می‌باشد.

• بخشی از مقاله انگلیسی:

5. Conclusions

In this paper, a new optimization algorithm was proposed which was inspired by lifestyle of a bird called Cuckoo. Special characteristics of cuckoos in egg laying and breeding had been the basic motivation for development of this new optimization algorithm. Each individual in the algorithm has a habitat around which she starts to lay eggs. In case the eggs survive, they grow and become mature cuckoos. Then for reproduction purposes cuckoos immigrate toward best habitat, found up to now. The diversion occurred when moving toward goal habitat makes the population search more area than the case population moves straight forward on a line. After some immigrations all cuckoo population gather the same habitat which is the area’s best position. The introduced algorithm was tested on 5 benchmark cost functions. The comparison of COA with standard versions of PSO and GA with Roulette wheel selection, uniform cross-over, showed the superiority of COA in fast convergence and global optima achievement. In the first 4 test functions all methods have found the global minima but COA has converged faster in less iterations. But in the last test function (10- dimensional Rastrigin function) GA and PSO could not converge to even a close value of global optima. But COA had found a very good and acceptable estimation of global minimum in just 66 iterations. Off course, it should be noted that the higher performance of COA in reaching better results for these 5 benchmark functions and a real case study does not necessarily mean that COA is the ever best evolutionary method developed. It just can be considered as a successful mimicking of nature; suitable for some sort of optimization problems.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله الگوریتم بهینه ‌سازی Cuckoo – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” الگوریتم تکاملی ترکیبی جهت انتخاب صفت در دیتاماینینگ ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
1. مقدمه
2. انتخاب ویژگی در داده کاوی
2.1. انتخاب ویژگی
2.2. لفاف در مقابل رویکرد فیلتر
3.GA-SVM هیبرید
3.1. الگوریتم ژنتیک(GA)
3.2. جمعیت و ساختار کروموزوم
3.3 عملگرهای ژنتیکی
3.4 ماشین های بردار پشتیبانی (SVM)
3.5. گردش کار هیبرید GA-SVM
4. مطالعه موردی
4.1. راه اندازی تجربی
4.2. مجموعه داده های انتخاب شده
4.3 نتایج و تجزیه و تحلیل شبیه سازی
4.3.1 برابری با SVM خالص
4.3.2. برابری با سایر آثار
فیشرهای مجموعه داده های Iris
مجموعه داده های دیابت
مجموعه داده های سرطان پستان
مجموعه داده های بیماری های قلبی
مجموعه داده های هپاتیت
4.3.3. بحث و خلاصه بندی
5. بهسازی هیبرید Ga-Svm
1.5 بهسازی مبتنی بر همبستگی
(الف) روش
(ب) نتایج و بحث
بهسازی مبتنی بر پارامتر
6. نتیجه گیری

• بخشی از ترجمه:

6. نتیجه گیری
در این مقاله یک الگوریتم تکاملی هیبریدی برای انتخاب ویژگی در داده کاوی پیشنهاد شد. هیبرید GA-SVM با ماهیت تصادفی از الگوریتم های ژنتیکی با هم با توانایی گسترده ای از ماشین بردار پشتیبانی در جستجو برای یک مجموعه مطلوب از ویژگی ها ترکیب می شوند. رفع ویژگی های حشو مورد استفاده هیبرید GA-SVM کیفیت مجموعه داده ها را بهبود می بخشد و امکان طبقه بندی بهتر اطلاعات نهان را در آینده. به وجود می آورد. هیبرید GA-SVM پیشنهادی بر 5 مجموعه داده های به دست آمده از مخزن یادگیری دستگاهمور UCI مورد تایید قرار گرفت. نتایج جمع آوری شده نشان داده اند که هیبرید پیشنهادی قادر به تولید میانگین دقت طبقه بندی بالایی است که قابل مقایسه و یا بهتر از برخی از طبقه بندی کنندگان منتشر شده در جامعه داده کاوی هستند. شبیه سازی ویترین ثبات آماری هیبرید GA-SVM را انجام می دهد، که از تجزیه و تحلیل هیستوگرام ها و نمودارهای جعبه ای آشکار هستند. بهسازی ثانویه هیبرید شامل استفاده از اندازه همبستگی جهت بهبود میانگین سلامتی در یک جمعیت کروموزومی است. نتایج به دست آمده بازبینی شدند که جانشینی کروموزوم های ضعیف تر بر اساس اندازه همبستگی قابلیت طبقه بندی هیبرید را بهبود می بخشد. این موضوع از دقت بالاتر طبقه بندی به دست آمده پس از آزمایش در همان مجموعه داده UCI مشاهده شد. ثبات طبقه بندی کننده نیز به عنوان تعیین با واریانس کم از نتایج جمع آوری شده افزایش می یابد. بنابراین تجزیه و تحلیل ها تا به اینجا زیست پذیری هیبرید GA-SVM به عنوان یک طبقه بندی خوب را تا زمانی که ویژگی های بی ربط حذف می شوند، اثبات می کنند.

• بخشی از مقاله انگلیسی:

6. Conclusions

This paper has proposed a hybrid evolutionary algorithm for attribute selection in data mining. The GA-SVM hybrid incorporates the stochastic nature of genetic algorithms together with the vast capability of support vector machines in the search for an optimal set of attributes. The eradication of the redundant attributes using the GA-SVM hybrid improves the quality of the data sets and enables better classification of future unseen data. The proposed GA-SVM hybrid was validated upon 5 data sets obtained from UCI machine learning repository. Results collated have shown that the proposed hybrid is able to produce a high average classification accuracy that is comparable or better than some of the established classifiers in the data mining community. The simulations carried out also showcase the statistical consistency of the GA-SVM hybrid, which is evident from the histogram analysis and box plots. Secondary improvements to the hybrid included the utilization of a correlation measure to improve the average fitness of a chromosome population. The results obtained verify that the substitution of weaker chromosomes based on the correlation measure improved the hybrid’s classification ability. This was observed from the higher classification accuracy attained upon testing on the same UCI data sets. The stability of the classifier was also enhanced as ascertained by the low variance of the results collected. The analysis hitherto has thus demonstrated the viability of the GA-SVM hybrid as a good classifier when the irrelevant attributes are removed.6. Conclusions This paper has proposed a hybrid evolutionary algorithm for attribute selection in data mining. The GA-SVM hybrid incorporates the stochastic nature of genetic algorithms together with the vast capability of support vector machines in the search for an optimal set of attributes. The eradication of the redundant attributes using the GA-SVM hybrid improves the quality of the data sets and enables better classification of future unseen data. The proposed GA-SVM hybrid was validated upon 5 data sets obtained from UCI machine learning repository. Results collated have shown that the proposed hybrid is able to produce a high average classification accuracy that is comparable or better than some of the established classifiers in the data mining community. The simulations carried out also showcase the statistical consistency of the GA-SVM hybrid, which is evident from the histogram analysis and box plots. Secondary improvements to the hybrid included the utilization of a correlation measure to improve the average fitness of a chromosome population. The results obtained verify that the substitution of weaker chromosomes based on the correlation measure improved the hybrid’s classification ability. This was observed from the higher classification accuracy attained upon testing on the same UCI data sets. The stability of the classifier was also enhanced as ascertained by the low variance of the results collected. The analysis hitherto has thus demonstrated the viability of the GA-SVM hybrid as a good classifier when the irrelevant attributes are removed.6. Conclusions This paper has proposed a hybrid evolutionary algorithm for attribute selection in data mining. The GA-SVM hybrid incorporates the stochastic nature of genetic algorithms together with the vast capability of support vector machines in the search for an optimal set of attributes. The eradication of the redundant attributes using the GA-SVM hybrid improves the quality of the data sets and enables better classification of future unseen data. The proposed GA-SVM hybrid was validated upon 5 data sets obtained from UCI machine learning repository. Results collated have shown that the proposed hybrid is able to produce a high average classification accuracy that is comparable or better than some of the established classifiers in the data mining community. The simulations carried out also showcase the statistical consistency of the GA-SVM hybrid, which is evident from the histogram analysis and box plots. Secondary improvements to the hybrid included the utilization of a correlation measure to improve the average fitness of a chromosome population. The results obtained verify that the substitution of weaker chromosomes based on the correlation measure improved the hybrid’s classification ability. This was observed from the higher classification accuracy attained upon testing on the same UCI data sets. The stability of the classifier was also enhanced as ascertained by the low variance of the results collected. The analysis hitherto has thus demonstrated the viability of the GA-SVM hybrid as a good classifier when the irrelevant attributes are removed.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله الگوریتم تکاملی ترکیبی جهت انتخاب صفت در دیتاماینینگ – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” استفاده از بهینه سازی ذرات هیبرید در آموزش شبکه عصبی فیدبک ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
1. مقدمه
2. بهینه سازی ازدحام ذرات
3. الگوریتم جستجوی گرانشی
4.الگوریتم ترکیبی PSOGSA
5. PSO ،GSA و PSOGSA برای پرورش FNN ها
5.1 تابع تناسب
5.2 استراتژی کد کردن
6.نتایج و مباحث
7.نتایج

• بخشی از ترجمه:

6. نتیجه گیری
در این مقاله، یک الگوریتم بهینه سازی شده با الهام از زیست به نام دسته میگو با استفاده از نظریه آشوب و برخی بهبودهای دیگر اصلاح شده است. الگوریتم پیشنهادی (ICKH) برای تنظیم ضرایب PID استفاده شده است. نتایج شبیه اسزی نشان می دهند که الگوریتم ICKH از نظر ویژگی های پاسخ مرحله ای در قیاس با برخی الگوریتم های بهینه سازی عملکرد بهتری دارد.

• بخشی از مقاله انگلیسی:

6. Conclusions

In this paper, a recently bio-inspired optimization algorithm called Krill Herd has been modified using chaos theory and some other improvements. The proposed algorithm (ICKH) has been applied for tuning of PID coefficients. Simulation results show that the ICKH algorithm has better performance in terms of step response characteristics compared to some optimization algorithms.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله استفاده از بهینه سازی ذرات هیبرید در آموزش شبکه عصبی فیدبک – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

چکیده
مقدمه
فرمولاسیون مسئله
افتهای توان
محدودیتها
A.1- تعادل عرضه و تقاضا
A.2- محدودیت ولتاژ
A.3- محدودیت تولید
A.4- محدودیت حرارتی
مدلسازی سیستم
مدل فتوولتاییک (PV)
استفاده از باد به عنوان منبع انرژی
مدل EV
روش
الگوریتم تکاملی تفاضلی
نتایج
A- میکروگرید bus-69
سناریوی 1: مورد پایه
سناریوی 2: نصب RESها و EV ها بدون تولید توان فعال
سناریوی 3: RESها و EVها با تولید توان انفعالی
بررسی نتایج از دیدگاه اقتصادی
B- میکروگرید 94-bus
نتایج

• بخشی از ترجمه:

نتایج
شارژرهای وسایل الکتریکی مشاهده شده اند که هم برای مشتری و هم برای شبکه مفید هستند. در این مقاله، استفاده از EVها در کارایی میکروگرید کشف شده بود. یک مسئله بهینه سازی چند منظوره شامل مقدار هزینه شارژ و تخلیه، افت توان و پروفایل ولتاژ توسعه یافته بود. الگوریتم تکاملی تفاضلی برای حل مسئله بهینه سازی مسئله اتخاذ شده بود. کارایی روش پیشنهاد شده برای میکروگریدهای مختلف در MATLAB شبیه سازی شده بود. نتایج شبیه سازی مکان و اندازه بهینه ایستگاههای شارژ همراه با تعداد EVها را بر اساس فاکتور لود بهینه، افت توان و پروفایل ولتاژ فراهم کرد. مقاله نشان می دهد که زمانبندی مناسب EVها پروفایل ولتاژ شبکه را با حذف افت ولتاژ در اتوبوس های دارای لود زیاد بهبود می بخشد. همچنین مقاله نشان می دهد که استفاده از ضرایب پیشنهادی در تابع هدف مقاله فاکتور لود را افزایش می دهد در حالی که تقاضای EVها را به سمت ساعاتی با سرعت زیاد باد و سطح (بالای) تابش خورشیدی جابجا می کند. بعلاوه، مقاله نشان می دهد که تخلیه EVها فاکتور لود را بهبود می دهد و هزینه انرژی را هم برای مصرف کننده و هم برای میکروگرید کاهش می دهد. نهایتا، مقاله نشان می دهد که استفاده از EVها به عنوان منابع توان فعال و انفعالی با استفاده از ایستگاههای شارژ بهینه برای EVها، به بهبود تقاضای ساعتی، کاهش هزینه انرژی و بهبود پروفایل ولتاژ در شبکه کمک می کنند.

• بخشی از مقاله انگلیسی:

Conclusions

Electric vehicles’ chargers are seen to be beneficial for both consumers and grid. In this paper, the use of EVs on the Microgrid performance was explored. A multi-objective optimization problem comprising the amount of charging/discharging cost, power loss and voltage profile was developed. Differential Evolution algorithm was adopted to solve the paper optimization problem. The performance of the proposed method was simulated in MATLAB for different microgrids. The simulation results provided the optimal place and size of charging stations along with the number of EVs based on optimal load factor, power loss and voltage profile. The paper shows that an appropriate EVs scheduling improves the network voltage profile via removing voltage drops in highly-loaded buses. The paper also shows that the use of the proposed coeffi- cients in the paper objective functions increases the load factor while it shifts the EVs demand into hours with high speed of wind and solar radiation level. Additionally, the paper demonstrates that discharging of EVs improves the load factor and reduces the energy cost for both consumers and microgrid. Finally, the paper shows that the use of EVs as active and reactive power sources helps improving the hourly demand, reducing energy costs and improving voltage profile in the network by utilizing optimal charging stations for EVs.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله الگوریتم تکاملی تفاضلی برای مکان و اندازه بهینه منابع انرژی تجدیدپذیر – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
۱  مقدمه
۲  فرمول نویسی و روش حل
۱  ۲  شیوه تکاملی
۲  ۲ مکان I/O و متریک فاصله در تابع هدف
۳  مسائل و نتایج تست
۴  نتایج

بخشی از ترجمه:

 ۱ مقدمه

مشکلات مربوط به طراحی تاسیسات ،خانواده ای از مشکلات طراحی را در برمی گیرند که شامل تقسیم بندی منطقه مسطح به دپارتمان ها یا مراکز کاری ناحیه مربوطه به منظور تقلیل و کاهش هزینه های وابسته به برهم کنش های طراحی شده بین دپارتمان ها می شوند. این هزینه ها معمولاً بازتابی از هزینه های جابجایی مواد در میان دپارتمان ها می باشند. چنین مسائلی در بسیاری از سازمان ها، من جمله طراحی باتری تولیدی، طراحی بیمارستان، و طراحی مرکز خدمات، رخ می دهند. با هر معیار پولی، طراحی تاسیسات، یکی از مسائل مهم بوده و با تلاش تولیدکنندگان برای پاسخگویی و چابک شدن ، حتی اهمیت بیشتری نیز پیدا می کند. برای تولید کنندگان آمریکایی، بین ۲۰ تا ۵۰ درصد از کل هزینه های عملیاتی صرف جابجایی مواد شده و طراحی یک تاسیسات مناسب ، می تواند این هزینه ها را حداقل ۱۰ تا ۳۰ درصد کاهش دهد.

 4. نتایج
استفاده از روش ابتکاری متا GA انعطاف پذیر با الگوریتم بهینه سازی شبکه تابعه، امکان بهینه سازی موثر و کارآمد طراحی تاسیساتی را فراهم می آورد که شبیه به طراحی های فیزیکی می باشند. دراینجا متریک فاصله جدیدی که بازتابی درست تر از هزینه های جابجایی مواد نسبت به متریک مشهور فاصله مرکز تا مرکز بخشی میباشد، توسعه یافت. متریک فاصله محیط با مکان ورودی و خروجی هر بخش جفت شده است. بدین طریق امکان بهینه سازی همزمان چهار سطح مسئله طراحی تاسیسات فراهم می آید: مکان و موقعیت بخش در تاسیسات، اشکال بخش در محدودیت های خاص، استقرار I/O و مسیرهای پیمایش در امتداد محیط و فضای احاطه کننده بخش. از آنجایی که طراحی تاسیسات ، دارای شاخه های پولی معنادار و قابل توجهی است، در نتیجه ارتقاء شیوه های بهینه سازی به فرمول های واقعی ولو پیچیده تر، موجب شکل گیری مزایای قابل توجهی دردراز مدت می شود.

بخشی از مقاله انگلیسی:

1. Introduction

Facility design problems are a family of design problems involving the partitioning ofa planar region into departments or work centers of given area, so as to minimize thecosts associated with projected interactions between departments. These costs usuallyreflect material handling costs among departments. Such problems occur in manyorganizations, including manufacturing cell design, hospital design, and service centerdesign. By any monetary measure, facilities design is an important problem and onethat has assumed even greater importance as manufacturers strive to become moreagile and responsive (Tompkins, 1997). For U.S. manufacturers, between 20% to50% of total operating expenses are spent on material handling and an appropriatefacilities design can reduce these costs by at least 10% to 30% (Meller and Gau,1996). 

4. Conclusions

Using the flexible GA meta-heuristic with the very efficient subordinate exact network optimization algorithm enables effective and efficient optimization of facility designs that correspond well to physical designs. A new distance metric that more accurately reflects material handling costs than does the popular departmental centroid to centroid distance metric was developed. The perimeter distance metric is coupled with the location of the input and output locations of each department. This makes it possible to concurrently optimize four facets of the facility design problem: department locations within the facility, department shapes within certain constraints, I/O placement and travel paths along the department perimeters. Since facility design has significant monetary ramifications, improved optimization approaches to more realistic, albeit more complex, formulations will result in tangible benefits over a long time horizon.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله طراحی یکپارچه تاسیسات با رویکرد تکاملی توسط الگوریتم شبکه تابع – مجله اسپرینگر اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
۱ مقدمه
۲ شیوه برتری بر مبنای ارزش برای طراحی بهینه
۳ معیار تصمیم بهترین مصالحه چند هدفه براساس NPV (ارزش خالص فعلی) و IRR
۴ طراحی بهینه صفحات ساندویچی با هسته کنگره ای (موجدار)
۵ فرایند طراحی بهینه و نتایج
۶ نتایج

بخشی از ترجمه:

 ۱ مقدمه

در اکثر مسائل فنی، معیارهای بهینگی را ازنظر یک هدف نمی توان بیان نمود. مسائل بهینه سازی چند هدفه با مسائلی سرو کار دارند که فرمولاسیون با معیارهای بهینگی مختلفی مشخص و توصیف می گردد که به شکل فردی حد بهینه نسبی منطبقی در فضای متغیرهای طراحی حاصل نمی کنند. در چنین مسائلی، فرمولاسیون های بهترین مصالحه تعیین کننده حد بهینه جانشینی می باشند که تاثیر مرکب معیارهای برتری فردی را به درستی مدلسازی می کنند.
در بهینه سازی طراحی، محدودیت ها به طور نوعی مشهودتر از معیارهای مناسب برای برتری طراحی می باشند. در بسیاری از موارد، توابع هدف، معیار حداقل جرم یا برخی متریک های فیزیکی مشهود مشابه مستقیماً پیوند خورده به شکل هندسی طراحی را بیان می کنند. اما این مسئله الزاماً نظیر مفهوم و تصور ارزش نیست که کاربر در رابطه با محصول مربوطه تجربه می کند. برداشت وی از برتری محصول وسیع تر بوده و شامل شروط وابسته به اکتساب اولیه و عملیات در سرتاسر چرخه عمر محصول و مسائل عملکردی می باشد.

 6. نتایج
نشان داده شده است که ارزش اقتصادی کل معادل یا هزینه های کل عملیات می تواند به فرمول بندیهای بهترین مصالحه قیاسی و تصمیم گیری در برخی از مسائل بهینه سازی طراحی چند هدفه منجر گردد. اهداف فنی و برمبنای درآمد/ هزینه باید ارزیابی، تنزیل و در طول عمر محصول باهم جمع شوند تا بدین طریق معیارهای کل NPV یا IRR برتری طراحی برمبنای ارزش کل بدست آیند.  قطعاً این امر مستلزم آن است که مشخصات شامل مدلسازی تاثیراقتصادی متغیرهای طراحی فنی در تابع هدف کل شود. این مفهوم به ارزیابی و تصمیم گیری مالی- مهندسی منجر می گردد حتی اگر فضای متغیرهای طراحی در موارد ساده فقط شامل جملات مهندسی شود.
این مفهوم با تفسیر پشتیبانی از تصمیم بهینه سازی نیز سازگاری دارد، زیرا تصمیمات براساس قضاوت اقتصادی انتگرال از برتری و بهینگی اخذ می شوند، به همین خاطراز فرمول بندیهای بهترین مصالحه بر مبنای NPV و IRR می توان به عنوان متریک های واقعی در این خصوص استفاده نمود.
بهینه سازی بر مبنای GA صفحات ساندویچی فلز چند لایه براساس شیوه فوق یک سیستم هوشمند برای طراحی بهینه سفارشی صفحات ساندویچی حاصل می کند. بدین طریق طراحی های بهینه ای برای موارد کاربردی خاص بدست آمده از ارزش کل حاصل می گردد که در بخش تولید و بهره برداری تولید یا مصرف شده و از دیدگاه پشتیبانی از تصمیم به خوبی توجیه شده اند.
با شیوه تصمیم گیری پیشنهادی، مشخصات کامل برای مسئله طراحی بهینه عمومی باید شامل شرایط بارگذاری و شکل هندسی شود، اما فراتر از شروط مهندسی، شرایط بهره برداری و پایه هزینه را نیز دربرمی گیرد. برای تشریح این مسئله که شکل بهینه محصول پیامد پارامترهای تجاری و فنی است، دو مثال مطرح شده است.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله NPV در طراحی چند هدفه با استفاده از الگوریتم های تکاملی – مجله الزویر اولین بار در ترجمه فا پدیدار شد.