genetics algorithm
در نشریات گروه فنی و مهندسی-
تراوایی نسبی یکی از پارامترهای دارای نقش کلیدی در مطالعات مهندسی مخزن و ازدیاد برداشت است. برای تعیین مقادیر این پارامتر از روش های مختلفی شامل مطالعات آزمایشگاهی، روابط تجربی و تحلیلی استفاده می گردد. در این مطالعه از تطابق تاریخچه داده های تولیدی آشام و تخلیه (داده های افت فشار و نفت تولیدی تجمعی) و نتایج شبیه سازی سیلاب زنی در مغزه با در نظر گرفتن مدل های تجربی مختلف مانند مدل های Corey،ا Brooks-Corey و مدل تحلیلی تکه ای پیوسته برای تخمین منحنی های تراوایی نسبی استفاده گردید. برای این کار الگوریتم های بهینه سازی هوشمند تک هدفه و چند هدفه ژنتیک برای تعیین ضرایب مدل های تجربی و مدل تکه ای پیوسته به کار گرفته شد. ضرایب مدل های فوق و مقدار میانگین مربعات خطا به ترتیب به عنوان پارامترهای تصمیم گیری و تابع هدف در نظر گرفته شد. در فرآیند آشام مدل Corey با بهینه سازی تک هدفه و مدل تکه ای پیوسته با بهینه سازی چند هدفه عملکرد بهتری داشتند. در فرآیند تخلیه مدل تکه ای پیوسته با بهینه سازی چند هدفه و مدل Brooks-Corey با بهینه سازی چند هدفه بهترین عملکرد را داشتند. نتایج نشان دهنده عملکرد مناسب مدل تکه ای پیوسته برای فرآیندهای آشام و تخلیه با ضرایب همبستگی به ترتیب برابر با 9957/0 و 9932/0 با استفاده از الگوریتم ژنتیک تک هدفه بود. علاوه براین جبهه ای از پاسخ های بهینه به کمک الگوریتم بهینه سازی ژنتیک چند هدفه ایجاد گردید و در نهایت به منظور تصمیم گیری درخصوص بهترین پاسخ از الگوریتم های تصمیم گیری استفاده گردید. نتایج به دست آمده دقت بالای کاربرد مدل تکه ای پیوسته را برای فرآیند های آشام و تخلیه با ضرایب همبستگی به ترتیب برابر با 9916/0 و 9958/0 نشان داد. بنابراین، مدل تکه ای پیوسته به عنوان یک روش کارآمد برای تخمین تراوایی نسبی براساس تطابق داده های آزمایشگاهی و شبیه سازی پیشنهاد می گردد.
کلید واژگان: تراوایی نسبی، تابع تکه ای پیوسته، بهینه سازی، الگوریتم ژنتیک، تطابق تاریخچهSaturation/flow functions, i.e., water and oil relative permeability and capillary pressure are the most critical input parameters that play a key role in porous media simulation studies and forecasting the fluids recovery. Various methods including laboratory tests (steady or unsteady core flooding), and mathematical methods can be utilized to measure or estimate the flow function curves. In this research, history matching technique was performed using optimization genetic algorithms to adjust the parameters of the proposed model based on laboratory water flooding data (pressure drop and cumulative oil production) and the results of core flooding simulation. To do so, multi-objective genetic algorithms were employed to find optimum solutions for piecewise model and then the results are compared with several empirical models (e.g. Corey and Brooks-Corey models). History matching results showed that single objective optimization, i.e., considering cumulative oil production as an objective function provides a good fit for Corey’s model (R-squared= 99.56%) and single and multi-objective optimization lead to the best fits, respectively, with the accuracies of 99.57 and 99.16% for piecewise model during the imbibition process. Moreover, the drainage history matching results showed that the piecewise model exhibits the best performance employing the single objective and multi-objective optimization algorithms with the accuracies of 99.32 and 99.85%, respectively. Overall, the piecewise model can be utilized to address the history matching problem using multi-objective optimization and estimate the flow functions curves. Hence, it is proposed as an efficient method for estimating fluid relative permeability and capillary pressure functions based on experimental and simulation data.
Keywords: Relative Permeability, Piecewise Model, Optimization, Genetics Algorithm, History Matching -
سیستم های روشنایی روز فیبر نوری به بهره وری در استفاده از انرژی خورشید در سیستم روشنایی در بخش های خانگی، صنعتی و کشاورزی کمک شایانی می کنند. کارهای زیادی روی این سیستم ها انجام شده است اما فقدان یک روش شبیه سازی مطمین برای کاهش خطای مجاز در ساخت، زمان و هزینه، به چشم می خورد. در همین راستا، در این مقاله، یک روش نوین مبتنی بر دو نرم افزار قدرتمند Optifiber و Zemax، برای شبیه سازی و بهینه سازی یک سیستم روشنایی روز فیبر نوری با هدف افزایش بازده توان خروجی از فیبر ارایه شده است. مقایسه ای بین انواع مطرح فیبرهای پلیمری با نرم افزار OptiFiber انجام شده است که نشان دهنده انتشار حداکثری مد ها در فیبر PMMA پلی استیرن است. مشخصه های دقیق مستخرج از Optifiber مربوط به فیبر منتخب با قطر 1 میلی متر در نرم افزار Zemax پیاده سازی و یک سیستم روشنایی روز شبیه سازی شده است. تزویج نور به درون فیبر نوری با روش Global Optimization مبتنی بر الگوریتم ژنتیک بهینه شده است. با انتخاب یک منبع 100 وات برای خورشید مطابق استاندارد AM 1.5 شبیه سازی حاکی از انتقال 22 وات توان است. پس از بهینه سازی این توان به 30 وات افزایش می یابد که نشان از نقش بهینه سازی بر افزایش 36 درصدی بازده دارد. نتایج عملی با آزمایش روی یک سیستم با اندازه گیری شدت، نتایج شبیه سازی را تایید می کند. در نتیجه، با انتخاب فیبر مناسب و تعیین دقیق مشخصه ها، و بهینه سازی تزویج به درون فیبر می توان به افزایش بازده سیستم های روشنایی روز فیبر نوری کمک کرد.
کلید واژگان: فیبر های نوری، سیستم های روشنایی روز فیبر نوری، فیبر PMMA، الگوریتم ژنتیک، Optifiber، Zemax، تزویج نورOptical fiber day lighting systems help the efficiency of using solar energy in the lighting system in domestic, industrial and agricultural sectors. A lot of work has been done on these systems, but the lack of a reliable simulation method to reduce the tolerance, time and cost is evident. In this regard, in this paper, a novel method based on two powerful Optifiber and Zemax software has been proposed for simulating and optimizing an optical fiber daylighting system to increase the efficiency of output power from the fiber. A comparison has been made between popular types of polymer fibers with OptiFiber software, which shows the maximum propagation of modes in PMMA polystyrene fiber. Extracted detailed characteristics from Optifiber related to the selected fiber with 1mm diameter have been implemented in Zemax software and a daylighting system has been simulated. The coupling of light into the optical fiber has been optimized with the Global Optimization Method based on the genetic algorithm. By selecting a 100 watts resource as the sun according to the AM 1.5 standard, the simulation indicates a transfer of 22 watts of power. After optimization, this power increases to 30 watts, which shows the role of optimization in increasing the efficiency to 36%. Practical results by testing on a system with intensity measurement confirm the simulation results. As a result, by choosing the right fiber and accurately determining the characteristics, and optimizing the coupling into the fiber, it is possible to help increasing the efficiency of optical fiber daylighting systems.
Keywords: optical fiber, optical fiber daylighting system, PMMA fiber, optiFiber, Zemax, genetics algorithm, light coupling -
بیشتر پدیده های علمی همچون انتقال حرارت، پدیده هایی غیرخطی بوده و توسط معادلات غیرخطی توصیف می شوند. بطور کلی برای حل معادلات و مسایل مهندسی سه روش کلی، تجربی، عددی و تحلیلی داریم که روش تحلیلی خود به دو بخش حل تحلیلی دقیق و حل تحلیلی تقریبی تقسیم بندی می شود. از آنجاییکه در بسیاری از کاربردهای صنعتی و مهندسی با مسایل غیرخطی و پیچیده سروکار داریم و حل دقیق این مسایل وجود ندارد باید به حل های عددی یا حل های تقریبی تکیه کنیم. اخیرا روش های هموتوپی مورد توجه بسیاری از محققین علم انتقال حرارت قرار گرفته است. یکی از این روش های تقریبی که روش پرتور بیشن نام دارد از روش های قدیمی تر محسوب می شود و محدودیت ها برای حل معادلات غیرخطی دارد. بنابراین برای غلبه بر مشکلات و محدودیت های روش پرتوربیشن، اخیرا روش های جدیدتری برای حل مسایل مطرح شده اند که از جمله این روش ها، روش هموتوپی پرتوربیشن (HPM) و روش حساب تغییرات تکراری (VIM) می باشد که این روش ها قابلیت حل معادلات غیرخطی از نوع شدید را دارند و می توان برای مسایل مختلفی در حوزه مهندسی از جمله انتقال حرارت از آنها استفاده نمود. در این مقاله معادله انتقال حرارت سرد شدن سیستم فشرده که تحت مکانیزم های جابجایی و تشعشع قرار دارد را توسط دو روش HPM ,VIM حل و نتایج را با هم مقایسه می نماییم.
کلید واژگان: انتقال حرارت، روشهای هموتوپی، روش هموتوپی پرتوربی شن، روش حساب تغییرات تکراریMost scientific phenomena, such as heat transfer, are nonlinear phenomena and are described by nonlinear equations.In general, we have three general, numerical and analytical methods for solving equations and engineering problems. The analytical method itself is divided into two parts: exact analytical solution and approximate analytical solution.Since we deal with complex and nonlinear problems in many industrial and engineering applications and there is no exact solution to these problems, we have to rely on numerical or approximate solution methods.Recently, hematopoietic methods have been considered by many researchers in the science of heat transfer.One of these approximation methods, called the porturbation method, is one of the older methods and has limitations for solving nonlinear equations.To overcome the problems and limitations of this method, newer methods for solving problems have recently been proposed, such as the hemotopic method of portorbation (HPM) and the method of c alculating repetitive changes (VIM), which have the ability to solve nonlinear equations of the extreme type.They can be used for various problems in the field of engineering, including heat transfer.In this paper, we solve the equation of heat transfer of cooling of a compact system under the mechanisms of convection and radiation by two methods (HPM and VIM) and compare the results.
Keywords: Optimization, Response to the user's Search, Features Selection, Genetics Algorithm, Fuzzy Systems -
در این مقاله، یک الگوریتم ترکیبی چندهدفه ارایه شده است که ویژگی های دو الگوریتم ژنتیک و کرم شب تاب را ترکیب می کند. این الگوریتم با مجموعه ای از کرم های شب تاب که در فضای مسئله به صورت تصادفی پخش می شوند، شروع به کار می کند و این ذرات طی مراحل تکامل، به جواب بهینه مسئله همگرا می شوند. سپس یک طرح جست وجوی محلی به عنوان روشی برای جست وجوی همسایگی به منظور بهبود کیفیت جواب ها ارایه و پیاده سازی شده است. این بخش از الگوریتم برای جست وجوی نواحی کم جمعیت، برای یافتن جواب های غالب استفاده می شود. برای بهبود الگوریتم تغییراتی در معیار تعیین بهترین بهینه سراسری به ازای هر کرم شب تاب و همچنین بهترین بهینه محلی اعمال شده است. استفاده از این روش موجب شده یکنواختی منحنی پرتو بیشتر شود. نتایج آزمایشگاهی روش ارایه شده بر روی برخی از توابع محک نشان می دهد که به کارگیری این روش موجب کاهش خطا شده است. الگوریتم پیشنهادی بر اساس یک الگوریتم پایه توسعه داده شده است.
کلید واژگان: الگوریتم تکاملی کرم شب تاب چندهدفه، الگوریتم ژنتیک، جست وجوی محلی، بهینه سازی پیوستهIn this paper, a hybrid multi-objective algorithm consisting of features of genetic and firefly algorithms is presented. The algorithm starts with a set of fireflies (particles) that are randomly distributed in the solution space; these particles converge to the optimal solution of the problem during the evolutionary stages. Then, a local search plan is presented and implemented for searching solution neighbors to improve the quality of global solutions. This part of the algorithm is used to search sparsely populated areas for finding the dominant solutions. To improve the algorithm, for each firefly some changes have been made on the criteria of determining the global optimal solution and doing local optimal solution; this leads to more uniformity of the Pareto curve and error reduction, as the experimental results show. The proposed algorithm is an extension of a basic algorithm.
Keywords: Firefly algorithm, Genetics algorithm, Local search, multi-objective algorithm, Hybrid algorithm -
امروزه در شبکه های توزیع آب شهری علاوه بر انجام طراحی بهینه هیدرولیکی، بهینه سازی مصرف انرژی در ایستگاه های پمپاژ در راس الزامات محققان قرار گرفته است. با توجه به اینکه هزینه های انرژی سهم بالایی از هزینه بهره برداری از شبکه را شامل می شود، در این پژوهش به کمک ابزار Darwin Scheduler در نرم افزار WaterGEMS V8i نسبت به بهینه سازی با هدف کمینه کردن هزینه انرژی مصرفی روزانه یک ایستگاه پمپاژ شامل پنج عدد پمپ موازی در یک شبکه توزیع آب شهری، به کمک الگوریتم ژنتیک ساده (SGA) و الگوریتم ژنتیک با آشفتگی سریع(FMGA) اقدام شده است. قیود هیدرولیکی شامل حداقل و حداکثر فشار در هر گره، سرعت حداکثری در هر لوله و تعداد دفعات خاموش و روشن شدن اقتصادی پمپ ها می باشد که در نتیجه کاهش هزینه های انرژی با استفاده از الگوریتم های SGA و FMGA به ترتیب به میزان 15 و 10 درصد با اعمال تعرفه برق مصوب، نسبت به عملکرد پمپ ها بدون اعمال بهینه سازی حاصل گردید.کلید واژگان: شبکه های توزیع آب، بهینه سازی، الگوریتم ژنتیک، داروین اسکجولرTodays, in addition to the optimal hydraulic design of water distribution networks, the optimization of energy consumption in pumping station is more important for researchers. Due to the energy costs include the major part of operation cost at a water network, in this paper study the optimization of daily energy cost of pumping station with five parallel pumps, using by Darwing scheduler module at WaterGEMS V8i software based on Simple Genetic Algorithm (SGA) and Fast Messy Genetic Algorithm (FMGA). The hydraulic constraints include the minimum pressure and maximum pressure of junctions, maximum velocity of pipes and maximum number of economic off and on of pumps. The results showed that the energy costs reduced 15 and 10 percent using by Simple Genetic Algorithm (SGA) and Fast Messy Genetic Algorithm (FMGA), respectively, with regard to electricity tariffs in To optimize the performance was achieved without pumps.so we achive 10 and15persent reduce energy cost.Keywords: water distribution networks, Optimization, genetics algorithm, Darwin Scheduler
-
In this paper, a water cooled thermal photovoltaic (PV/T) system has been optimized by using genetics algorithm in MATLAB software. Electrical and thermal efficiencies have been defined as objective functions based on energy and exergy considerations. As a result of optimization, achieved value for each of independent variables has been optimized. Similarly, a Pareto diagram for optimum range of decision variables is illustrated for multi objective function.Keywords: water cooled thermal photovoltaic, plate, spiral tube structure, Optimization, genetics algorithm
-
در یک آزمون فراصوتی پژواک های بازگشتی از درون قطعه دارای اطلاعات مفید و ارزشمندی در مورد مشخصات هندسی و ریزساختاری قطعه هستند. این اکوهای فراصوتی را می توان با استفاده از مدل پالس گوسی، که دارای پنج پارامتر مستقل است، مدلسازی کرد. برای مدلسازی دقیق یک اکو، پارامترهای پالس گوسی باید هر چه دقیق تر از روی اکوی واقعی محاسبه شوند. الگوریتم های متفاوتی برای تخمین این پنج پارامتر وجود دارد. در این پژوهش از سه روش بهینه سازی گوس-نیوتن (GN)، گروه ذرات (PSO)و الگوریتم ژنتیک (GA) برای این منظور استفاده خواهد شد و مزایا و معایب هر یک از این روش ها طی مثال هایی بررسی خواهد شد و در نهایت با ترکیب این الگوریتم ها مزایای یک الگوریتم، جایگزین معایب الگوریتم دیگر خواهد شد. در مورد سیگنال هایی که دارای چندین پژواک فراصوتی هستند از اصل حداقل طول توصیف (MDL) برای تخمین تعداد اکوها استفاده شده است و برای تسهیل تخمین پارامترهای تمامی پژواک ها از الگوریتم بیشینه سازی امید تعمیم یافته با فضای تناوبی (SAGE) استفاده خواهد شد. برای ارزیابی کارآیی الگوریتم ها نیز سیگنال های شبیه سازی شده و آزمایشی در حالت هایی که اکوها همپوشانی داشته و یا بدون همپوشانی هستند مورد بررسی قرار خواهد گرفت. الگوریتم ترکیبی در تمامی شرایط مورد مطالعه بهتر از الگوریتم های منفرد عمل نموده است.
کلید واژگان: آزمون فراصوتی، پردازش سیگنال، الگوریتم گوس، نیوتن، الگوریتم بهینه سازی گروه ذرات، الگوریتم ژنتیکThe echoes obtained from ultrasonic testing of materials contain valuable information about the geometry and grain structure of the test specimen. These echoes can be modeled by Gaussian pulses in a model-based estimation process. For precise modeling of an echo, the parameters of the Gaussian pulse should be estimated as accurately as possible. There are a number of algorithms that can be used for this purpose. In this study, three different algorithms are used: Gauss-Newton (GN), particle swarm optimization (PSO), and genetic algorithm (GA). The pros and cons of each of these three algorithms are reviewed and by combining them, the benefits of each algorithm are used while its shortcomings are avoided. For signals containing multiple echoes, the minimum description length (MDL) principle is used to estimate the numbers of required Gaussian echoes followed by space alternating generalized expectation maximization (SAGE) technique to translate it to separate echoes and to estimate the parameters of each echo. The performance of the proposed algorithms for simulated and experimental signals with overlapping and non-overlapping echoes is evaluated and shows to be quite effective.Keywords: Ultrasonic Testing, Signal Processing, Gauss, Newton Algorithm, Particle Swarm Optimization Algorithm, Genetics Algorithm -
Proper scheduling of tasks leads to optimum using of time and resources, in order to obtaining best result. One of the most important and complicated scheduling problems is open shop scheduling problem. There are n jobs in open shop scheduling problem which should be processed by m machines. Purpose of scheduling open shop problem is attaining to a suitable order of processing jobs by specified machines so that makespan can be minimized. Open shop scheduling problem has very large and complex solution space and so is one of NP-Problems. Till now, different algorithms have been presented for open shop scheduling problem. In this paper, we have used combined genetics algorithm as a strategy for solving scheduling open shop problem and compared proposed algorithm with DGA algorithm. Results show that the proposed algorithm has better effectiveness than DGA algorithm.Keywords: Open shop, Genetics Algorithm, Scheduling
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.