به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

mopso algorithm

در نشریات گروه فنی و مهندسی
  • محمدرضا شهریاری*
    هدف

    تبادل هزینه و زمان در زمان بندی پروژه، یکی از چالش های مهم و پرمخاطب است که توجه زیادی را به خود جلب کرده است. این تحقیق با هدف ایجاد تعادل بین فشرده سازی زمانی و تاخیر در اجرای فعالیت ها، به منظور بهینه سازی استفاده از منابع و انتخاب زمان اجرای فعالیت ها با توجه به محدودیت های موجود، صورت گرفته است. در این راستا، تلاش شده است که با استفاده از یک مدل ریاضی دو هدفه، تصمیم گیرندگان را در انتخاب بهترین زمان بندی برای اجرای پروژه ها یاری دهیم.

    روش شناسی پژوهش

    در این مطالعه، یک مدل ریاضی دو هدفه برای توازن هزینه-زمان با فرض تابع هزینه غیرخطی و در نظر گرفتن ارزش زمانی پول توسعه داده شده است. سپس مدل پیشنهادی با استفاده از الگوریتم بهینه سازی ذرات چند هدفه (MOPSO) حل شده و تاثیر فشرده سازی زمانی و تاخیر فعالیت ها بر نتایج تحلیل می شود.

    یافته ها

    نتایج به دست آمده از مدل پیشنهادی نشان می دهند که این مدل می تواند با در نظر گرفتن محدودیت ها و ظرفیت های موجود، استفاده بهینه ای از منابع پروژه فراهم کند و به تصمیم گیرندگان امکان دهد تا زمان بندی فعالیت ها را به گونه ای تنظیم کنند که بهترین تعادل میان هزینه و زمان به دست آید. همچنین، در این مدل فرض بر این است که هزینه ها به شکل غیرخطی و براساس ارزش زمانی پول محاسبه شوند. این ویژگی باعث می شود تصمیمات زمانبندی با در نظر گرفتن تاثیرات ارزش زمانی پول اتخاذ شوند و از این طریق، هزینه های مرتبط با تاخیرها کاهش یافته و بهره وری کلی پروژه افزایش یابد.

    اصالت/ارزش افزوده علمی

     این پژوهش با ارایه یک مدل تصمیم گیری دو هدفه و استفاده از رویکرد ارزش زمانی پول در زمانبندی پروژه ها، گامی نوین در بهینه سازی تبادل هزینه-زمان برداشته است. برخلاف بسیاری از مطالعات قبلی که تمرکز صرف بر کاهش هزینه ها یا زمان پروژه دارند، مدل پیشنهادی تلاش می کند تا با لحاظ کردن پیچیدگی های غیرخطی و تاثیر ارزش زمانی پول، راهکاری جامع تر برای موازنه هزینه و زمان ارایه دهد. این مدل به مدیران پروژه کمک می کند تا با بینش بهتری نسبت به تاثیرات زمان و هزینه، تخصیص منابع را بهینه سازی کرده و با کاهش تاخیرات، عملکرد پروژه ها را بهبود بخشند.

    کلید واژگان: مساله تبادل هزینه-زمان، الگوریتم MOPSO، ارزش زمانی پول، زمان بندی پروژه، فشرده سازی
    Mohammadreza Shahriari *
    Purpose

    The cost-time tradeoff in project scheduling is a significant challenge that has garnered substantial attention. This research aims to establish a balance between time compression and delays in activity execution to optimize resource utilization and facilitate activity scheduling based on existing constraints. To achieve this, a bi-objective mathematical model is developed to support decision-makers in selecting the optimal schedule for project execution.

    Methodology

    In this study, a bi-objective mathematical model is proposed to balance cost and time, incorporating a nonlinear cost function and the time value of money. The model is then solved using the Multi-Objective Particle Swarm Optimization (MOPSO) algorithm to analyze the effects of time compression and activity delays on the outcomes.

    Findings

     The proposed model's results demonstrate its ability to optimize project resource usage by considering current constraints and capacities. This enables decision-makers to adjust activity scheduling to achieve the best balance between cost and time. Furthermore, the model assumes costs are nonlinear and calculated based on the time value of money. This approach allows for scheduling decisions that account for the time value, reducing delay-related costs and enhancing overall project efficiency.

    Originality/Value

     This research presents a novel approach by introducing a bi-objective decision-making model that integrates the time value of money in project scheduling, marking a new step in optimizing the cost-time tradeoff. Unlike previous studies that focus solely on reducing either cost or time, the proposed model provides a comprehensive solution by accounting for nonlinear complexities and the time value of money. This model assists project managers in gaining better insight into cost-time impacts, optimizing resource allocation, and ultimately improving project performance by reducing delays.

    Keywords: Time-Cost Tradeoff, MOPSO Algorithm, Time Value Of Money, Project Scheduling, Crashing
  • صادق فیض الهی، وحید شرفی*
    امروزه برای دستیابی به منافع رقابتی در بازار، طراحی شبکه زنجیره تامین، امری ضروری است. بهینه سازی این شبکه منجر به مدیریت کارا و موثر عملیات کل زنجیره تامین می شود. در این مقاله یک زنجیره تامین حلقه بسته طراحی شده است که به صورت چند هدفه، چند سطحی و تک محصولی با بازگشت محصول بررسی می شود. اهداف اصلی این مسیله، حداقل کردن هزینه ها، افزایش سود حاصل از محصول بازیافتی، افزایش صرفه جویی هزینه های حاصل از بازیافت و اثرات زیست محیطی می باشد. از طرفی با توجه به اینکه در دنیای واقعی، داده های مربوط به شاخص های اثرگذار در مسایل، به صورت قطعی در دسترس نمی باشد بنابراین استفاده از رویکرد غیرقطعی مناسبتر خواهد بود. در این مطالعه نیز، تقاضا و ظرفیت تامین کننده غیر قطعی و رویکرد استفاده شده برای حل مدل چند هدفه رویکرد  THو با استفاده از نرم افزار GAMS حل و مورد بررسی قرار گرفت. با افزایش سایز مسیله، حل مدل با روش ذکر شده غیر ممکن است بنابراین مسیله پیشنهادی با استفاده از الگوریتم های MOPSO و NSGA-II حل و نتایج عملکرد هر دو الگوریتم با هم مورد مقایسه قرار گرفت. نتایج نشان دهنده این است که جواب های تولیدی با الگوریتم NSGA-II از کیفیت بالاتری برخوردار است.
    کلید واژگان: زنجیره تامین حلقه بسته، تقاضای فازی، ظرفیت تامین کننده فازی، الگوریتم NSGA-II، الگوریتم MOPSO
    Dadegh Feizollahi, Vahid Sharafi *
    Nowadays, in order to achieve competitive advantages in the market, it is essential to design the supply chain network. Optimizing this network leads to efficient and effective management of the entire supply chain operation. In this article, a closed loop supply chain is designed, which is examined as multi-objective, multi-level and single product with product returns. The main goals of this issue are to minimize costs, increase profit from recycled products, increase cost savings from recycling and environmental effects. On the other hand, due to the fact that in the real world, the data related to the effective indicators in the problems are not available definitively, so it will be more appropriate to use the non-deterministic approach. In this study, the demand and capacity of the non-deterministic supplier and the approach used to solve the TH approach multi-objective model were solved and investigated using GAMS software. By increasing the size of the problem, it is impossible to solve the model with the mentioned method, so the proposed problem was solved using MOPSO and NSGA-II algorithms and the performance results of both algorithms were compared. The results show that the answers produced by the NSGA-II algorithm are of higher quality.
    Keywords: Closed loop supply chain, Fuzzy Demand, fuzzy supplier capacity, NSGA-II algorithm, MOPSO algorithm
  • Iman Emami, Reza Kamran Rad *, Elham Jokar
    This research aims to optimize cost and demand-satisfaction in a 3-level supply chain management for a portfolio of projects at EPC companies, including vendors (for product procurement), warehouses as distribution centers, and projects as demand zones. In contrast, it reduces the costs of transporting and warehousing and increases demand satisfying for projects. We utilize the Multi-objective Particle Swarm Optimization (MOPSO) meta-heuristic algorithm to solve this model and the decision-making of vendors and warehouses. Besides, it leads to demand and storage allocation and monitoring of product flow between these levels of the portfolio supply chain.
    Keywords: Location-allocation, Cost Optimization, MOPSO Algorithm, 3-Level Supply Chain Management, Project Procurement
  • P. Kumar *, M. Gupta, V. Kumar
    With the increased diversity of the customer demand and complexity of the product, Inconel 825 is widely used to meet the actual needs, especially in the aerospace industry. It is difficult-to-cut material because of its high toughness and hardness. The present research attempts to optimize the process parameters of wire electric discharge machining during the cutting operation of Inconel 825. The wire electric discharge machining characteristics such as pulse-on time, pulse-off time, spark gap voltage, peak current, wire tension, wire feed are taken into consideration. The performance was measured in terms of material removal rate, surface roughness, and wire wear ratio. The central composite design of response surface methodology at an α value of ± 2 was employed to establish the mathematical model between process parameters and performance measures. A multi-objective particle swarm optimization algorithm has been used to find the optimal solutions called Pareto optimal solutions. It uses the concept of dominance to find the non dominated set in the entire population and the crowding distance approach to finding the best Pareto optimal solutions with a good diversity of objectives. The confirmation experiments of the multi-objective particle swarm optimization algorithm show a significant improvement in material removal rate (27.934 to 31.687 mm2/min), surface roughness (2.689 to 2.448μm), and wire wear ratio (0.027 to 0.030). SEM micrograph studies showed the number of cracks, pockmarks, craters, and pulled out material on the workpiece and wire electrode surface. Energy Dispersive X-ray analysis is performed to investigate the presence of elements on the work surface other than the base material.
    Keywords: WEDM, Inconel 825, surface roughness, Wire wear ratio, RSM, MOPSO algorithm
  • H. Pourderogar, H. Harasii, R. Alayi, Seyed H. Delbari, M. Sadeghzadeh *, A.R. Javaherbakhsh
    This paper aims to determine the optimal performance characteristics of a solar tracking system in order to maximize the power generation through using the MOPSO algorithm. Considering the sun path during a day, the necessity of using solar tracking systems to achieve the maximum power output from photovoltaic (PV) panels has been investigated. The solar tracking system allows PV arrays to follow sunlight all day long. The unidirectional tracking system follows the sun path, thereby optimizing the angular motion of PV arrays relative to the sun resulting in higher power generation. To evaluate the performance of a PV system, the total solar radiation was calculated first for both fixed and unidirectional tracking systems. Analyzing the results indicates that for June 20th the power generation of the PV module equipped with a unidirectional tracker is 35% higher than the fixed PV module. The optimal value of the declination angle, Azimuth, and arrays’ tilting angles in a unidirectional tracking system calculated using the MOPSO algorithm are , and respectively.
    Keywords: Solar Tracker, MOPSO algorithm, Photovoltaic systems, Energy Analysis
  • پریسا یوسفی پور، مطهره سعادت پور*، عباس افشار
    در اینپژوهش، بهینه‎سازی بهره برداری از مخزن در ساختار برداشت انتخابی با در نظر گرفتن جنبه های کمی و کیفی منابع آب مورد بررسی قرار گرفت. حل این مسئله بزرگ مقیاس، با استفاده از رویکرد شبیه سازی بهینه سازی مبتنی بر فرامدل با هدف ارتقاء تامین نیازهای آبی پایین دست و بهبود کیفیت جریان آب خروجی از مخزن مورد توجه این پژوهش بوده است. شبیه سازی هیدرودینامیک و کیفیت سیستم رودخانه- مخزن مورد بررسی، توسط مدل دو بعدی هیدرودینامیک و کیفیت آب CE-QUAL-W2 انجام و الگوریتم بهینه‎سازی چند هدفه هوش جمعی ذرات به عنوان ابزار بهینه‎سازی به کار گرفته شد. با توجه به لزوم فراخوانی های متعدد مدل CE-QUAL-W2 توسط الگوریتم بهینه‎سازی در رویکرد شبیه‎سازی- بهینه‎سازی و نیز حجم محاسباتی زیاد این مدل عددی در تخمین پارامترهای کیفیت آب جریان خروجی از مخزن، مدل/مدل های جایگزین تقریب غلظت پارامترهای کیفی جریان خروجی مخزن، از جمله اکسیژن محلول، نیترات، فسفات، BOD و آهندر پژوهش حاضر توسعه یافت. در ادامه ارتباط میان الگوریتم بهینه‎سازی و مدل های جایگزین تقریب کیفیت و مدل موازنه حجم آبی در مخزن دنبال شد. تابع هدف کیفی این مسئله بهینه سازی به صورت شاخص کیفیت تجمیع کننده زیرشاخص های غلظت پارامترهای متعدد کیفی تعریف شد. رویکرد پیشنهادی در این بررسی به منظور استخراج الگوی بهینه بهره برداری از مخزن در ساختار برداشت انتخابی در سیستم رودخانه- مخزن ایلام مورد آزمون قرار گرفت. نتایج بیانگر کارایی و دقت قابل توجه مدل های جایگزین توسعه داده شده در تقریب غلظت پارامترهای متعدد کیفی خروجی از مخزن در مقایسه با مدل CE-QUAL-W2 بود. خطای تقریب اکسیژن محلول، نیترات، فسفات، آهن و BOD به ترتیب 3، 1، 2، 2 و 3 درصد بود. همچنین نتایج، ارتقاء کیفیت جریان خروجی و بهبود تامین نیاز آبی پایاب مخزن ایلام را نشان داد. دلیل این رویداد، افزایش برداشت از مخزن، کاهش زمان ماند و به تبع آن کاهش فرصت ته نشینی آلاینده ها و رخداد واکنش های شیمیایی است.
    کلید واژگان: الگوریتم چند هدفه هوش تجمعی ذرات، CE-QUAL-W2، مدل ماشین بردار پشتیبان، شبیه سازی-بهینه سازی
    Parisa Yosefipoor, Motahareh Saadatpour *, Abbas Afshar
    In this research, deriving optimal reservoir operation in selective withdrawal scheme considering quality and quantity aspects has been studied. Surrogate based simulation-optimization approach (SBSOA) has been applied to improve downstream water supply and enhance reservoir outflow water quality. CE-QUAL-W2 as the hydrodynamic and water quality simulation model in the river-reservoir system and multi-objective particle swarm optimization (MOPSO) algorithm as an efficient tool have been applied in simulation-optimization (SO) approach. To overcome the computational burdens of multiple calls of CE-QUAL-W2, as a numerical high fidelity model, various surrogate models have been developed to simulate reservoir outflow water quality parameters (DO, NO3, PO4, BOD, and Fe). The developed surrogate models and mass balance model have been coupled with MOPSO algorithm in SBSOA. In this study, the water quality objective function is defined as water quality index (WQI), which integrates various water quality parameters, DO, NO3, PO4, BOD, and Fe. The proposed approach has been applied in Ilam river-reservoir system to derive optimal reservoir operating strategies in the selective withdrawal scheme. The results show suitable efficiency and accuracy of the developed surrogate models in approximation of various water quality parameters compared with CE-QUAL-W2 simulation results (the approximation error of DO, NO3, PO4, Fe, and BOD has been respectively 3%, 1%, 2%, 2%, 3%). The studies indicate enhancing reservoir outflow water quality is consistent with downstream water supply satisfaction. It means, the increasing of reservoir outflow rate leads to the reservoir detention time decreasing, pollutant settling rate reductions, and chemical/biological reaction attenuation.
    Keywords: MOPSO Algorithm, CE-QUAL-W2, LIBSVM Model, simulation-optimization
  • مجتبی حسنلو *، احمد باقری
    تیر با شرط مرزی یکسرگیردار به بررسی ارتعاشی عرضی تیر تحت اثر بارخارجی میگیرد. این بار خارجی بصورت پالس، ایمپالس، پله و متناوب سینوسی میباشد. برای کنترل سازه از کنترلر PID استفاده شده است. کنترلر 3 ضریب مجهول در ماتریسهای Kp، Kd، Ki قرار دارند که با استفاده از الگوریتم بهینه سازی ازدحام ذرات چندهدفه یا MOPSO، ضرایب مجهول در اثر جستجوی این الگوریتم در طول تیر محاسبه شده و به تعیین نقطه یا نقاطی بهینه از تیر جهت قرارگیری حسگر و عملگر پیزوالکتریک در بالا و پایین تیر برای میرا نمودن سازه در کمترین زمان ممکن منجر میشود.
    کلید واژگان: پیزوالکتریک، میرایی ارتعاشی، سازه، الگوریتم بهینه سازی MOPSO، کنترلرPID
    Mojtaba Hassanloo *, Ahmad Bagheri
    The significance of vibration omission in the engineering structures has led the striking vastness for the applied designing science. The role of vibration omission in materials with emphases on energy-saving and cost reduction is such a topic that has been analyzed and discussed as a challenge in the mechanical engineering. Here, a steel structure with a certain number of piezoelectric pieces with specific dimensions is considered. The aim is to omit vibrations or reduce the vibration range at the minimum time. In this paper, the placement of piezoelectric is carried out in order better to accelerate the suppression of vibration amplitude using the MOPSO, an optimization algorithm. Piezoelectric elements are installed as sensors and actuators on the top and bottom of structures. An early rise is applied to the structure and thus it begins vibration and the amplitude of these vibrations is suppressed by the piezo actuators. Piezoelectric sensors sense the structure’s vibration motion and control operations are done based on it, and finally to suppress, a control signal is sent to the actuators. The result of this motion is the structural vibration suppression. In this thesis, the studied structure is Timoshenko beam.
    Keywords: Piezoelectric, Vibration Suppression, Structure, MOPSO Algorithm, PID Controller
  • مجتبی حسنلو*، اجمد باقری، فرید نجفی

    میرایی ارتعاشی تیر تیموشنکو براساس یافتن مکان، تعداد بهینه حسگر و عملگر پیزوالکتریک با استفاده از کنترلر LQR و الگوریتم MOPSO موضوع مورد بررسی در این تحقیق محسوب می شود. امروزه برای اینکه یک سازه دارای عمر، هزینه ساخت، مصرف انرژ قابلیت اطمینان بهینه ای باشد تلاش های فراوانی از سوی محققین این حوزه صورت پذیرفته است. یکی از تحقیقات تامین سازه هوشمند بهینه و کنترل شده با استفاده از حسگر و عملگر پیزوالکتریک است بگونه ای این حسگر و عملگر بتواند به محض دریافت یک ارتعاش توسط حسگر و با انتقال سیگنال ارتعاشی به کنترلر، بهترین بهره کنترلی را براساس نوع نگرش طراحی شده در کنترلر اتخاذ شده و آنگاه سیگنال مناسبی را به عملگر انتقال دهد. در واقع این عملگر است که تمام تلاش خود را برای خنثی سازی ارتعاش سازه به ظهور می رساند تا سازه ای با عمر بیشتر و خرابی کمتر داشته باشد و بتواند هدف طراح را به بهترین نحوه تامین نماید. حال در این پژوهش با استفاده از الگوریتم MOPSO و تعریف متغیرهای طراحی، بهترین تعداد و مکان جهت نصب حسگر و عملگر پیزوالکتریک در پایین و بالای سازه تیر یکسرگیردار در بازه ای مشخص را امکان پذیر جستجو نموده و آنگاه یک مدل بهینه از طراحی سازه هوشمند ارایه نماید.

    کلید واژگان: کنترلرLQR، میرایی ارتعاشی، تیر تیموشنکو، مکان و تعداد بهینه پیزوالکتریک، الگوریتم MOPSO
    M.Hasanlou *, A.Bagheri, F.Najafi

    The subject of this study was vibration damping of Timoshenko beam based on finding optimal place and number of piezoelectric sensor and actuator using LQR controller and MOPSO algorithm. Today, researchers make a lot of effort to make a structure have optimized reliable life, manufacturing cost, and power consumption. One of the researches on optimized and controlled smart structure is through using piezoelectric sensor and actuator so that the sensor and actuator can adopt the best controlling interest based on the type of approach to design the controller upon receipt of a vibration by sensor and with the transfer of vibration signals to the controller. Then, it can transfer a proper signal to the actuator. In fact, it is the actuator that tries to neutralize the vibrations of the structure in order to have a structure with longer life and lower failure and can meet the designer's objective in the best way. In this study, using MOPSO algorithm and defining the design variables, the best number and location to place the piezoelectric sensor and actuator at the bottom and top the bottom and top cantilever beam in in a specified range can be searched and then an optimal model of smart structure was suggested.

    Keywords: LQR controller, Vibration suppression, Timoshenko beam, Optimal Placement, Number PZT, MOPSO algorithm
  • Seyedmirsajad Mokhtarimousavi, Hossein Rahami, Mahmoud Saffarzadeh, Saeed Piri
    Due to an anticipated increase in air traffic during the next decade, air traffic control in busy airports is one of the main challenges confronting the controllers in the near future. Since the runway is often a bottleneck in an airport system, there is a great interest in optimizing the use of the runway. The most important factors in aircraft landing modeling are time and cost. For this reason, Aircraft Landing Scheduling Problem (ASLP) is a typical hard multi-constraint optimization problem and finding its efficient solution would be very difficult. So in real applications finding the best solution is not the most important issue and providing a feasible landing schedule in an acceptable time would be the preferred requirement. In this study a three objectives formulation of the problem proposed as a mathematical programming model on a runway in static mode. Problem is solved by multi-objective genetic algorithm (NSGA-II) and multi-objective Particle Swarm Optimization Algorithm (MOPSO). Considering a group of 20 aircrafts, this problem is solved and landing sequence determined and we are shown the obtained sequence does not follow First Come First Serve law for sequencing as well. Finally by comparing results, conclusion and suggestions are proposed.
    Keywords: Aircraft Landing Scheduling Problem, Expected Landing Time (ELT), Scheduled Landing Time (SLT), NSGA, II Algorithm, MOPSO Algorithm
نکته
  • 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.
درخواست پشتیبانی - گزارش اشکال