خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : الگوریتم بهینه سازی ازدحام ذرات با کنترل هوشمند تعداد ذرات برای طراحی بهینه ماشین های الکتریکی
.
English Article Title: Particle Swarm Optimization Algorithm with Intelligent Particle Number Control for Optimal Design of Electric Machines
Year: 2018
Publisher: IEEE
Journal: IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS
DOI: https://doi.org/10.1109/TIE.2017.2760838
Keywords:
#Optimal_Design
#Optimization_Algorithm
#Particle_Swarm_Optimization
#Electric_Machine
#Interior_Permanent_Magnet_Synchronous_Motor
#طراحی_بهینه
#کنترل_هوشمند
#ماشین‌های_الکتریکی
#الگوریتم_بهینه‌سازی
#بهینه‌سازی_ذرات
#ماشین_الکتریکی
#موتور_همگام_مگنت_دائمی
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_انرژی (#Energy)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
در این مقاله، یک الگوریتم بهینه سازی ازدحام ذرات (PSO) اصلاح شده پیشنهاد می شود که نسخه ارتقاء یافته الگوریتم PSO معمولی است. برای بهبود دادن عملکرد الگوریتم PSO ، یک روش جدید برای کنترل کردن هوشمندانه تعداد ذرات به کار برده شده است. این روش جدید، مقدار هزینه بهترین جهانی (gbest) در تکرار فعلی نسبت به gbest در تکرار قبلی را با یکدیگر مقایسه می کند. اگر بین دو مقدار هزینه اختلافی وجود داشته باشد، آنگاه الگوریتم پیشنهادی در مرحله اکتشاف عمل می کند و تعداد ذرات را حفظ می کند. اما، وقتی که اختلاف در مقادیر هزینه نسبت به مقادیر تحمل تخصیص یافته توسط کاربر کوچکتر باشد، این الگوریتم پیشنهادی در مرحله استخراج عمل می کند و تعداد ذرات را کاهش می دهد. علاوه بر این، این الگوریتم ، نزدیکترین ذره به بهترین ذره را حذف می کند تا از تصادفی بودنش بر حسب فاصله ی اقلیدسی اطمینان حاصل کند. الگوریتم پیشنهادی با استفاده از پنج تابع آزمون عددی اعتبارسنجی می شود، که تعداد فراخوانی های تابع تا اندازه ای نسبت به PSO معمولی کاهش می یابد. بعد از اعتبار سنجی الگوریتم ، برای طراحی بهینه موتور سنکرون مغناطیس دائم درونی (IPMSM) به کار برده می شود تا اعوجاج هارمونیک کل (THD) نیروی ضد محرکه الکتریکی (back-EMF) کاهش یابد. با در نظر گرفتن شرط عملکرد، طراحی بهینه به دست می آید که back-EMF THD را کاهش داده و مقدار back-EMF را برآورده می کند. نهایتا، یک مدل آزمایشگاهی را ایجاد کرده و آزمایش می کنیم. برای اعتبارسنجی عملکرد طراحی بهینه و الگوریتم بهینه سازی ، یک آزمایش بدون بار انجام می شود. بر اساس نتایج آزمایشگاهی، اثربخشی الگوریتم پیشنهادی بر روی طراحی بهینه یک ماشین الکتریکی تایید می شود.
کلمات کلیدی: طراحی بهینه | الگوریتم بهینه سازی | بهینه سازی ذرات ذرات | ماشین الکتریکی | موتور همگام مگنت دائمی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/37nuxih
.
عنوان فارسی مقاله : الگوریتم بهینه سازی ازدحام ذرات با کنترل هوشمند تعداد ذرات برای طراحی بهینه ماشین های الکتریکی
.
English Article Title: Particle Swarm Optimization Algorithm with Intelligent Particle Number Control for Optimal Design of Electric Machines
Year: 2018
Publisher: IEEE
Journal: IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS
DOI: https://doi.org/10.1109/TIE.2017.2760838
Keywords:
#Optimal_Design
#Optimization_Algorithm
#Particle_Swarm_Optimization
#Electric_Machine
#Interior_Permanent_Magnet_Synchronous_Motor
#طراحی_بهینه
#کنترل_هوشمند
#ماشین‌های_الکتریکی
#الگوریتم_بهینه‌سازی
#بهینه‌سازی_ذرات
#ماشین_الکتریکی
#موتور_همگام_مگنت_دائمی
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_انرژی (#Energy)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
در این مقاله، یک الگوریتم بهینه سازی ازدحام ذرات (PSO) اصلاح شده پیشنهاد می شود که نسخه ارتقاء یافته الگوریتم PSO معمولی است. برای بهبود دادن عملکرد الگوریتم PSO ، یک روش جدید برای کنترل کردن هوشمندانه تعداد ذرات به کار برده شده است. این روش جدید، مقدار هزینه بهترین جهانی (gbest) در تکرار فعلی نسبت به gbest در تکرار قبلی را با یکدیگر مقایسه می کند. اگر بین دو مقدار هزینه اختلافی وجود داشته باشد، آنگاه الگوریتم پیشنهادی در مرحله اکتشاف عمل می کند و تعداد ذرات را حفظ می کند. اما، وقتی که اختلاف در مقادیر هزینه نسبت به مقادیر تحمل تخصیص یافته توسط کاربر کوچکتر باشد، این الگوریتم پیشنهادی در مرحله استخراج عمل می کند و تعداد ذرات را کاهش می دهد. علاوه بر این، این الگوریتم ، نزدیکترین ذره به بهترین ذره را حذف می کند تا از تصادفی بودنش بر حسب فاصله ی اقلیدسی اطمینان حاصل کند. الگوریتم پیشنهادی با استفاده از پنج تابع آزمون عددی اعتبارسنجی می شود، که تعداد فراخوانی های تابع تا اندازه ای نسبت به PSO معمولی کاهش می یابد. بعد از اعتبار سنجی الگوریتم ، برای طراحی بهینه موتور سنکرون مغناطیس دائم درونی (IPMSM) به کار برده می شود تا اعوجاج هارمونیک کل (THD) نیروی ضد محرکه الکتریکی (back-EMF) کاهش یابد. با در نظر گرفتن شرط عملکرد، طراحی بهینه به دست می آید که back-EMF THD را کاهش داده و مقدار back-EMF را برآورده می کند. نهایتا، یک مدل آزمایشگاهی را ایجاد کرده و آزمایش می کنیم. برای اعتبارسنجی عملکرد طراحی بهینه و الگوریتم بهینه سازی ، یک آزمایش بدون بار انجام می شود. بر اساس نتایج آزمایشگاهی، اثربخشی الگوریتم پیشنهادی بر روی طراحی بهینه یک ماشین الکتریکی تایید می شود.
کلمات کلیدی: طراحی بهینه | الگوریتم بهینه سازی | بهینه سازی ذرات ذرات | ماشین الکتریکی | موتور همگام مگنت دائمی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/37nuxih
ieeexplore.ieee.org
Particle Swarm Optimization Algorithm With Intelligent Particle Number Control for Optimal Design of Electric Machines
In this study, we propose a modified particle swarm optimization (PSO) algorithm, which is an improved version of the conventional PSO algorithm. To improve the performance of the conventional PSO, a novel method is applied to intelligently control the number…
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : مدیریت ترافیک با استفاده از رگرسيون لجستيک به همراه منطق فازی
.
English Article Title: Traffic Management using Logistic Regression with Fuzzy Logic
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.05.159
Keywords:
#Logistic_regression
#Traffic_management
#congestion
#fuzzy_logic
#optimization_algorithm
#fuzzy_controller
#لجستیک
#رگرسيون_لجستيک
#مدیریت_ترافیک
#تراکم
#منطق_فازی
#الگوریتم_بهینه‌سازی
#کنترل_فازی
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_تجارت
#مقاله_کسب_و_کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#علوم_تصمیم_گیری (#Decision_Sciences)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
#مقاله_ریاضی(#Mathematics)
چکیده مقاله:
تراکم ترافیک یکی از مشکلات عمده در اکثر شهرهای سراسر جهان است و منجر به مشکلاتی مانند آلودگی، اتلاف وقت، ترافیک طولانی در جاده ها و حوادث می شود. بهبود زیرساخت های جاده، راه حل عملی برای حل مشکل نیست. در سناریو زندگی واقعی، مسیر کوتاهتر تا مقصد، منجر به جذب اکثریت مردم می شود و گاهی شرایط ترافیک را تشدید می¬کند. بنابراین، اطلاعات ترافیکی در لحظه برای تصمیم گیری هوشمندانه انتخاب مسیر حرکت ضروری است. علاوه بر این، سیستمی شامل فاکتور فاصله نسبت به مقصد با در نظر گرفتن وضعیت ترافیکی آن مسیر، به راه حل مشکل افزوده شد. پارامترهای خاصی نظیر فاصله، شرایط آب و هوایی، موقعیت جغرافیایی، روز هفته و زمان برای حل مشکل در نظر گرفته شد و راه حل هایی برای مشکلات پیدا شد. در این مقاله ترکیبی از رگرسيون لجستيک با منطق فازی مثل تصمیم گیری هوشمندان در انتخاب مسیر بهتر ارائه شد. این روش برای محاسبه احتمال هر مسیر، با در نظر گرفتن اطلاعات ترافیکی لحظه ای، فاصله و جاده استفاده شد و سپس برای تصمیم گیری بروی سناریوی نامطلوب استفاده گردید. روش پیشنهادی تعداد پارامترهایی مانند فاصله، شرایط آب و هوایی، موقعیت جاده، روز از هفته و زمان را در نظر می گیرد.
کلید واژه : رگرسيون لجستيک | مدیریت ترافیک | تراکم | منطق فازی | الگوریتم بهینه سازی | کنترل فازی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/37sYQnY
.
عنوان فارسی مقاله : مدیریت ترافیک با استفاده از رگرسيون لجستيک به همراه منطق فازی
.
English Article Title: Traffic Management using Logistic Regression with Fuzzy Logic
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.05.159
Keywords:
#Logistic_regression
#Traffic_management
#congestion
#fuzzy_logic
#optimization_algorithm
#fuzzy_controller
#لجستیک
#رگرسيون_لجستيک
#مدیریت_ترافیک
#تراکم
#منطق_فازی
#الگوریتم_بهینه‌سازی
#کنترل_فازی
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_تجارت
#مقاله_کسب_و_کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#علوم_تصمیم_گیری (#Decision_Sciences)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
#مقاله_ریاضی(#Mathematics)
چکیده مقاله:
تراکم ترافیک یکی از مشکلات عمده در اکثر شهرهای سراسر جهان است و منجر به مشکلاتی مانند آلودگی، اتلاف وقت، ترافیک طولانی در جاده ها و حوادث می شود. بهبود زیرساخت های جاده، راه حل عملی برای حل مشکل نیست. در سناریو زندگی واقعی، مسیر کوتاهتر تا مقصد، منجر به جذب اکثریت مردم می شود و گاهی شرایط ترافیک را تشدید می¬کند. بنابراین، اطلاعات ترافیکی در لحظه برای تصمیم گیری هوشمندانه انتخاب مسیر حرکت ضروری است. علاوه بر این، سیستمی شامل فاکتور فاصله نسبت به مقصد با در نظر گرفتن وضعیت ترافیکی آن مسیر، به راه حل مشکل افزوده شد. پارامترهای خاصی نظیر فاصله، شرایط آب و هوایی، موقعیت جغرافیایی، روز هفته و زمان برای حل مشکل در نظر گرفته شد و راه حل هایی برای مشکلات پیدا شد. در این مقاله ترکیبی از رگرسيون لجستيک با منطق فازی مثل تصمیم گیری هوشمندان در انتخاب مسیر بهتر ارائه شد. این روش برای محاسبه احتمال هر مسیر، با در نظر گرفتن اطلاعات ترافیکی لحظه ای، فاصله و جاده استفاده شد و سپس برای تصمیم گیری بروی سناریوی نامطلوب استفاده گردید. روش پیشنهادی تعداد پارامترهایی مانند فاصله، شرایط آب و هوایی، موقعیت جاده، روز از هفته و زمان را در نظر می گیرد.
کلید واژه : رگرسيون لجستيک | مدیریت ترافیک | تراکم | منطق فازی | الگوریتم بهینه سازی | کنترل فازی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/37sYQnY
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر برای طراحی مسیر لوله کشتی
.
English Article Title: A human-computer cooperation improved ant colony optimization for ship pipe route design
Year: 2018
Publisher: ELSEVIER
Journal: Ocean Engineering
DOI: https://doi.org/10.1016/j.oceaneng.2017.12.024
Keywords:
#Ship_pipe_route_design
#Optimization_algorithm
#Human_computer_cooperation
#Artificial_solution
#Algorithm_solution
#Ant_colony_algorithm
#طراحی_مسیر_لوله_کشتی
#الگوریتم_بهینه‌سازی
#همکاری_انسان_و_کامپیوتر
#راه‌حل_مصنوعی
#راه‌حل_ساختگی
#راه‌حل_الگوریتمی
#الگوریتم_کلونی_مورچگان
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
این مقاله الگوریتم بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر (HCCIACO) برای طراحی مسیر لوله کشتی (SPRD) را ارائه می دهد.. SPRD یک مسئله بهینه سازی ترکیبی با محدودیت های عملکردی مختلف است، که یافتن یک راه حل موثر صرفاً با کامپیوتر سخت است. بر اساس نظریه همکاری انسان و کامپیوتر، الگوریتم HCCIACO به طور کامل از تخصص و تجربه طراحان و همچنین توانایی محاسبه کامپیوتری بهره می برد. این روش راه¬حل مصنوعی و الگوریتم را طبق ژنتیک الگوریتم بهینه سازی کلونی مورچگان بهبود یافته (IACO) ترکیب می کند به طوری که رویکرد بهینه سازی برای SPRD در فضای سه بعدی می تواند به دست آید. بهینه سازی کلونی مورچگان بهبودیافته، با کاهش پیچیدگی در محاسبه و مهندسی تا حدودی، مسئله را ساده می کند. در همین حال، این امر الگوریتم را برای جستجوی موثر راه حل پایدار هدایت می کند تا الزامات مهندسی را برآورده کند. در این مقاله، ساختار و روش بروز رسانی راه حل مصنوعی (ساختگی) و همچنین حالت ترکیبی راه حل مصنوعی و راه¬حل الگوریتمی مورد بررسی قرار گرفته است. در مقایسه با روش معمولی، الگوریتم HCCIACO، نه تنها سرعت همگرایی را بهبود می بخشد بلکه کیفیت راه حل را نیز بهبود می بخشد. در نهایت، نتایج شبیه سازی امکان پذیری و کارایی الگوریتم پیشنهادی را نشان می دهد.
واژگان کلیدی: طراحی مسیر لوله کشتی ، الگوریتم بهینه سازی، همکاری انسان و کامپیوتر ، راه حل مصنوعی (ساختگی)، راه حل الگوریتمی، الگوریتم کلونی مورچگان .
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/39Cj5RT
.
عنوان فارسی مقاله : بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر برای طراحی مسیر لوله کشتی
.
English Article Title: A human-computer cooperation improved ant colony optimization for ship pipe route design
Year: 2018
Publisher: ELSEVIER
Journal: Ocean Engineering
DOI: https://doi.org/10.1016/j.oceaneng.2017.12.024
Keywords:
#Ship_pipe_route_design
#Optimization_algorithm
#Human_computer_cooperation
#Artificial_solution
#Algorithm_solution
#Ant_colony_algorithm
#طراحی_مسیر_لوله_کشتی
#الگوریتم_بهینه‌سازی
#همکاری_انسان_و_کامپیوتر
#راه‌حل_مصنوعی
#راه‌حل_ساختگی
#راه‌حل_الگوریتمی
#الگوریتم_کلونی_مورچگان
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
این مقاله الگوریتم بهینه سازی کلونی مورچگان بهبود یافته با همکاری انسان و کامپیوتر (HCCIACO) برای طراحی مسیر لوله کشتی (SPRD) را ارائه می دهد.. SPRD یک مسئله بهینه سازی ترکیبی با محدودیت های عملکردی مختلف است، که یافتن یک راه حل موثر صرفاً با کامپیوتر سخت است. بر اساس نظریه همکاری انسان و کامپیوتر، الگوریتم HCCIACO به طور کامل از تخصص و تجربه طراحان و همچنین توانایی محاسبه کامپیوتری بهره می برد. این روش راه¬حل مصنوعی و الگوریتم را طبق ژنتیک الگوریتم بهینه سازی کلونی مورچگان بهبود یافته (IACO) ترکیب می کند به طوری که رویکرد بهینه سازی برای SPRD در فضای سه بعدی می تواند به دست آید. بهینه سازی کلونی مورچگان بهبودیافته، با کاهش پیچیدگی در محاسبه و مهندسی تا حدودی، مسئله را ساده می کند. در همین حال، این امر الگوریتم را برای جستجوی موثر راه حل پایدار هدایت می کند تا الزامات مهندسی را برآورده کند. در این مقاله، ساختار و روش بروز رسانی راه حل مصنوعی (ساختگی) و همچنین حالت ترکیبی راه حل مصنوعی و راه¬حل الگوریتمی مورد بررسی قرار گرفته است. در مقایسه با روش معمولی، الگوریتم HCCIACO، نه تنها سرعت همگرایی را بهبود می بخشد بلکه کیفیت راه حل را نیز بهبود می بخشد. در نهایت، نتایج شبیه سازی امکان پذیری و کارایی الگوریتم پیشنهادی را نشان می دهد.
واژگان کلیدی: طراحی مسیر لوله کشتی ، الگوریتم بهینه سازی، همکاری انسان و کامپیوتر ، راه حل مصنوعی (ساختگی)، راه حل الگوریتمی، الگوریتم کلونی مورچگان .
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/39Cj5RT