Artificial Intelligence - هوش مصنوعی

Artificial Intelligence - هوش مصنوعی (http://artificial.ir/intelligence/)
-   الگوریتم ژنتیک(Genetic Algorithm) (http://artificial.ir/intelligence/forum24.html)
-   -   بهينه سازي عملكرد جداكننده هاي سيكلوني بوسيله الگوريتم هاي ژنتيك چند هدفه (http://artificial.ir/intelligence/thread7589.html)

Astaraki ۱۰-۲۷-۱۳۸۹ ۰۱:۰۲ بعد از ظهر

بهينه سازي عملكرد جداكننده هاي سيكلوني بوسيله الگوريتم هاي ژنتيك چند هدفه
 
1(ها)ضميمه
بهينه سازي عملكرد جداكننده هاي سيكلوني بوسيله الگوريتم هاي ژنتيك چند هدفه

خلاصه مقاله:
در ايـــن مقالـــه بـــا اســـتفاده از الگـــوريتمهـــاي ژنتيـــك چنـــد هدفـــه (woga,nsga-ii ) عملكرد جداكننـده هـاي سـيكلون ي بررسـ ي و بـرا ي توابع هدف مختلف بهينه ساز ي شده ا ست . روش nsga-ii توابع هـدف را به صورت مستقل از هم، بر اساس دو اصل فاصله ازدحام ١ و رتبه بند ي غلبه نشده ارزيابي و بهينه ميكند . در روش woga تابع هدف نهايي بر اساس
جمع وزني توابع هدف اوليه و با به كار بردن ضرايب وزنـ ي مختلـ ف سـاخته شده و بهينه مي شود . نتايج حاصل از دو روش بهينه ساز ي نشان ميدهد كه با افزايش ارتفاع و شيب بخش مخروط ي سيكلون، بازده آن زيـاد مـي گـردد . نتايج همچنين نشان مي دهد كه بـا افـزايش بـازده سـيكلون بـه بـالا ي ۵۸ درصد، افت فشار آن به مقدار قابل توجه ي افـزايش پيـدا مـي كنـد . مقايـسه
بهينه سازي دو روش آشكار مي كند كه زمـان لازم بـرا ي اجـرا ي برنامـه در روش nsga-ii حدود ۴۱ درصد زمان مورد نياز در روش woga است .

كلمات كليدي:
سيكلون- افت فشار- راندمان- الگوريتم هاي ژنتيك چندهدفه- nsga-ii-woga - نقاط پرتو

نجاری ۱۰-۲۷-۱۳۸۹ ۰۳:۴۳ بعد از ظهر

ممنون از راهنمایی شما. در واقع بسیار موثر برای کار من بود و از پاسخ سریعتون کمال تشکر را دارم.
از شما خواهش دیگه ای هم در زمینه شبیه سازی مونت کارلو و حالت خاص non-numerical ranknig preference
که رتبه بندی غیر عددی ترجیحات می باشد را اطلاعاتی را می خواستم و ممنون می شم که در این زمینه هم کمکی به من کرده باشید.
مرسی


زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۸:۰۴ قبل از ظهر ميباشد.

Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.