d algorithm
در نشریات گروه برق-
This paper presents a power management and control strategy for a residential DC microgrid (DCMG) incorporating photovoltaic (PV) systems, fuel cells (FCs), and a hybrid energy storage system (HESS). The fluctuations in the DC bus voltage, arising from intermittent PV generation and variable load conditions, are mitigated by the HESS, which comprises both batteries and supercapacitors (SCs). This control strategy adopts, batteries to handle slow-frequency power surges, whereas SCs are employed to manage rapid frequency fluctuations effectively. The proposed controllers are optimized using an evolution-based Genetic Algorithm (GA), eliminating the need for extensive mathematical modeling of the system. Comparative analysis between the GA-tuned and conventionally tuned controllers is conducted based on performance metrics, including overshoot, undershoot, and settling time. The simulation results indicate that the proposed controller performs satisfactorily, achieving a maximum overshoot of 3.08%, a maximum undershoot of 2.95%, and a settling time of 44.5 ms. To further assess the efficacy and robustness of the controllers, they are subjected to disturbances in sensor readings and variations in system parameters within a range of ±25 % of their nominal values. Additionally, to validate the practical applicability of the proposed system, the simulation results are corroborated using a real-time FPGA-based simulator (OP 5700).
Keywords: Photovoltaic, Fuel Cell, Battery, Supercapacitor, Energy Management, Genetic Algorithm -
Hydrokinetic energy harnessing has emerged as a promising renewable energy that utilizes the kinetic energy of moving water to generate electricity. Nevertheless, the variation and fluctuation of water velocity and turbulence flow in a river is a challenging issue, especially in designing a control system that can harness the maximum output power with high efficiency. Besides, the conventional Hill-climbing Search (HCS) MPPT algorithm has weaknesses, such as slow tracking time and producing high steady-state oscillation, which reduces efficiency. In this paper, the Variable-Step Hill Climbing Search (VS-HCS) MPPT algorithm is proposed to solve the limitation of the conventional HCS MPPT. The model of hydrokinetic energy harnessing is developed using MATLAB/Simulink. The system consists of a water turbine, permanent magnet synchronous generator (PMSG), passive rectifier, and DC-DC boost converter. The results show that the power output achieves a 28 % increase over the system without MPPT and exhibits the lowest energy losses with a loss percentage of 0.9 %.
Keywords: Hill-Climbing Search, Hydrokinetic Energy Harnessing, MPPT Algorithm -
حسگرهای اینترنت اشیا و شبکه های حسگر بی سیم برای ارائه اطلاعات، مانند اطلاعات جاده، نیاز به مکان یابی دقیق دارند. نصب مکان یاب بر روی تمامی گره ها و سنسورها بسیار پرهزینه است و به همین دلیل مکان یابی غیرمستقیم انجام می شود. یکی از روش های مکان یابی کم هزینه، الگوریتم DVHop است. به دلیل سادگی الگوریتم DVHop، زمان اجرای آن زیاد نیست. به همین دلیل مصرف انرژی زیادی را مصرف نمی کند و یک الگوریتم کم هزینه محسوب می شود. یکی از چالش های روش DVHop خطای قابل توجه آن در مکان یابی است. برای حل این مشکل، در مقاله حاضر، یک سیستم مکان یاب هوشمند با استفاده از الگوریتم بهبود یافته DVHop و الگوریتم بهینه سازی وال برای تخمین موقعیت اشیا و حسگرها ارائه شده است. روش پیشنهادی دارای سه مرحله اصلی برای مکان یابی هوشمند است. آزمایش ها نشان داد که روش پیشنهادی نسبت به الگوریتم های PSO، WOA، GWO و HHO خطای مکان یابی کمتری دارد و به دلیل انحراف استاندارد کمتر در بومی سازی خطا، از پایداری بالایی برخوردار است. در مقایسه با DVHop، PSODVHop، GSODVHop و DEIDVHop، روش پیشنهادی خطاها را به ترتیب 1.73، 1.60، 1.28 و 1.13 برابر کاهش می دهد.
کلید واژگان: اینترنت اشیاء، الگوریتم Dvhop، مکان یابی، الگوریتم بهینه سازی والSensors of the Internet of Things and wireless sensor networks need accurate localization to provide information, such as road information. Installing a locator on all the nodes and sensors is very expensive, and, for this reason, indirect localization is done. One of the low-cost localization methods is DVHop algorithm. Due to the simplicity of DVHop algorithm, its execution time is not long; for this reason, it does not impose much energy consumption, and it is considered a low-cost algorithm. One of the challenges of the DVHop method is its significant error in localization. To solve this problem, in the present paper, a smart locator system is presented using the DVHop algorithm and improved Whale optimization algorithm to estimate the location of objects and sensors. The proposed method has three main steps for smart localization. Experiments showed that the proposed method has less localization error than PSO, WOA, GWO, and HHO algorithms and has high stability due to less standard deviation in localizing the error. Compared to the DVHop, PSODVHop, GSODVHop, and DEIDVHop, the proposed method reduces errors by 1.73, 1.60, 1.28, and 1.13 times, respectively.
Keywords: Internet Of Things, Dvhop Algorithm, Localization, Whale Optimization Algorithm -
مساله یکریختی گراف (GIP) از لحاظ پیچیدگی محاسباتی یک مساله باز است. تاکنون هیچ الگوریتم قطعی با زمان اجرای چندجمله ای برای حل آن پیشنهاد نشده و روش های اکتشافی و فرا اکتشافی تنها راه حل آن بوده است. از آنجا که NP-complete بودن این مساله هنوز به اثبات نرسیده لذا این مساله را جز مسائل NP در نظر گرفته اند. در این مقاله یک الگوریتم چندجمله ای ساده اما کاربردی هم از لحاظ پیچیدگی زمانی و هم از لحاظ پیچیدگی فضا معرفی شده است که در زمان چندجمله ای، یکریختی میان گراف های همبند بدون برچسب را تشخیص می دهد. الگوریتم پیشنهادی دو تابع جهت محاسبه ی ویژگی های تمامی یال ها و برگ ها ارائه می دهد. خروجی این توابع به ازای هر گراف ورودی یک برچسب کانونی است و تشخیص یکریختی میان گراف ها با مقایسه میان برچسب ها صورت می گیرد. نتایج بدست آمده نشان می دهد که الگوریتم پیشنهادی با صحت بالاتر از 99درصد یکریختی میان گراف ها را تشخیص می دهد. پیچیدگی زمانی الگوریتم O(n^3) می باشد که n برابر تعداد راس های گراف ورودی است.
کلید واژگان: یکریختی گراف، الگوریتم چندجمله ای، الگوریتم مکاشفه ای، برچسب گذاری کانونیThe Graph Isomorphism Problem (GIP) is an open problem because of its computational complexity. No polynomial-time deterministic algorithm has been proposed yet, and heuristic and meta-heuristic approaches have been the only ways to solve it. Because its belonging to the NP-complete problem has not yet been proven, it is considered an NP problem. This paper introduces a simple but efficient polynomial algorithm, both in terms of computational complexity and memory complexity, to determine the isomorphism of connected unlabeled graphs. The proposed algorithm introduces two functions that compute the features for all vertices and edges. The outputs of the function provide canonical labeling to the given graphs, and a comparison of these labels specifies the graph isomorphism of the given graphs. The experimental results show that the proposed algorithm correctly detects the isomorphism of the graphs in more than 99% of cases. The algorithm requires Ο(n^3) time where n is the number of vertices of the given graphs.
Keywords: Graph Isomorphism, Polynomial-Time Algorithm, Heuristic Algorithm, Canonical Labeling -
در این مقاله، سه الگوریتم فراابتکاری شناخته شده شامل الگوریتم بازار بورس، الگوریتم تکامل پیچ درهم و الگوریتم زنبور ملکه به منظور ارائه سه الگوریتم تکاملی ترکیبی جدید با نام های EMA-QB، EMA-SCE و EMA-SCE-QB مورد بررسی قرار گرفته اند. به منظور تحلیل و ارزیابی کارایی و اثربخشی این الگوریتم های ترکیبی، عملکرد آن ها با الگوریتم های EMA، SCEو QB در حل 12 تابع محک با تعداد متغیرهای 10، 20، 30 و 50 مقایسه شده است. نتایج نشان می دهد که ترکیب الگوریتم ها منجر به بهبود عملکرد در جستجوی نقطه بهینه از نظر دقت و زمان شده است، به گونه ای که این بهبود با افزایش تعداد متغیرها ملموس تر می شود. در نهایت، مجموع زمان اجرای الگوریتم ها، کمینه مقدار توابع هدف، و تعداد تکرارهای لازم برای بهینه سازی تمامی توابع مورد بررسی، در قالب چهار نمودار برای هر تعداد متغیر به تصویر کشیده شده اند که نشان دهنده موفقیت الگوریتم های ترکیبی پیشنهادی است.
کلید واژگان: الگوریتم ترکیبی، الگوریتم بازار بورس، الگوریتم زنبور ملکه، تکامل مختلط تصادفیIn this paper, three popular algorithms, including the Exchange Market Algorithm (EMA), the Shuffled Complex Evolution (SCE) algorithm, and the Queen Bee (QB) algorithm, are considered to propose three new hybrid evolutionary algorithms named EMA-QB, EMA-SCE, and EMA-SCE-QB. Then, to analyze and validate the effectiveness and efficiency of these new algorithms, we compared their performance with the performance of EMA, SCE, and QB algorithms on 12 benchmark functions with 10, 20, 30, and 50 variables. It is deduced that hybridization has presented a better performance in optimum seeking from both time and accuracy points of view, which become more distinctive as the number of variables grows. Finally, the sum of run times, minimum value of cost functions, and the number of iterations obtained from the procedure of optimization of all functions using the considered algorithms are illustrated in four graphs for each number of variables, which prove the success of the proposed hybrid algorithms.
Keywords: Hybrid Algorithm, Exchange Market Algorithm, Queen Bee Algorithm, Shuffled Complex Evolution -
در میان مباحث حوزه مهندسی نرم افزار، بهره وری انرژی از عوامل موثر در دو مرحله توسعه و نگهداری نرم افزار، به مخصوص در دستگاه های با انرژی محدود است. انجام بازآرایی نرم افزار، اگرچه بهبود کیفی نرم افزار را به دنبال دارد، اما برخی از پژوهش های اخیر تصریح دارد که اعمال عملگرهای بازآرایی ممکن است به مصرف انرژی بیشتر و یا افزایش زمان اجرای برنامه های کاربردی اندرویدی منجر شود. در این مقاله، تاثیر بازآرایی و حذف هشت نشانه کد بد و پادالگوی اندرویدی/ جاوایی را بر زمان اجرا، مصرف انرژی و معیارهای کیفی کد بررسی می کنیم. برای انجام بررسی ها و دریافت نتایج از پنج برنامه کاربردی اندرویدی متن باز و یک برنامه کاربردی اندرویدی توسعه داده شده، استفاده کردیم. در گام نخست، تغییرهای میزان مصرف انرژی، زمان اجرای برنامه کاربردی و معیارهای کیفی کد را پیش و پس از انجام بازآرایی محاسبه کردیم. نتایج نشان می دهد اعمال بازآرایی در برخی موارد منجر به کاهش مصرف انرژی و زمان اجرا و در برخی دیگر، افزایش مصرف انرژی و زمان اجرای برنامه کاربردی را رقم زده است. در گام دوم برای ارائه پیشنهاد مجموعه ای از عملگرهای بازآرایی از میان عملگرهای بازآرایی تشخیص داده شده و ممکن، راهکاری تازه، با استفاده از راهکار بهینه سازی تکاملی چندهدفه ارائه شده است. بر همین اساس، الگوریتم ژنتیک چندهدفه با مرتب سازی غیرمغلوب (NSGA-II) را با در نظرگرفتن سه هدف بهبود زمان اجرا، مصرف انرژی و میزان تلاش انجام شده برای بازآرایی، به کار بردیم. خروجی این رویکرد توانسته است میزان زمان اجرا و مصرف انرژی را با دقت میانه 76% و 65% بهبود دهد و به طور میانه 42% پادالگوها و نشانه های کد بد تشخیص داده شده در برنامه های کاربردی اندرویدی را برطرف سازد.
کلید واژگان: الگوریتم ژنتیک، بازآرایی نرم افزار، مهندسی نرم افزار مبتنی بر جستجو، برنامه های اندرویدی، پادالگو، نشانه کد بد، انرژی مصرفی، زمان اجراAmong the topics in the field of software engineering, energy efficiency is an influential factor in software development and maintenance, especially for battery-limited devices. Although software refactoring can improve software quality, recent studies suggest that applying some refactoring operators may lead to conflicts with energy consumption and execution time of Android applications. In this paper, we analyze the impact of code refactoring for eight Android/Java bad code smells and anti-patterns. To conduct the studies and obtain the results, we use a testbed of five real and one synthetic Android applications. In the first step, we measure energy consumption, execution time and quality design of application before and after refactoring. The results show that in some cases, refactoring leads to a decrease in energy consumption and execution time, and in others, it increases energy consumption and application execution time. We then propose a novel refactoring recommendation approach based on evolutionary multi-objective optimization that accounts for energy consumption, execution time and refactoring effort for Android/Java anti-patterns. For this purpose, we use Nondominated Sorting Genetic Algorithm-II (NSGA-II) with three objectives 1) energy consumption, 2) execution time, and 3) refactoring effort. The obtained results show that this approach can generate refactoring recommendations with a median precision of 65% and 76% for improving energy and execution time, respectively, while the median of removed antipatterns in testbed applications is 42%.
Keywords: Genetic Algorithm, Software Refactoring, Search-Based Software Engineering, Android Applications, Anti-Patterns, Bad Code Smell, Energy Consumption, Execution Time -
محاسبات مه به طور فزاینده ای به عنوان یک بستر برای پردازش برنامه های اینترنت اشیا استفاده می شود. در نتیجه، این معماری خدمات رایانش ابری را به لبه شبکه می آورد، جایی که پردازش ممکن است ارزان تر و سریع تر انجام شود. یکی از چالش های اساسی در زمینه تامین کیفیت خدمات سطح سرویس مانند تاخیر و مصرف انرژی در محیط مه توجه به محدودیت انرژی و ظرفیت کم سرورهای مه می باشد که تصمیم گیری اختصاص وظایف به گره های مه را دشوار می کند. این مقاله ابتدا یک مدل ریاضی برای تخصیص منابع ارائه می دهد که هدف آن به حداقل رساندن تاخیر و انرژی در شرایطی است که معیارهای کیفیت خدمات سطح سرویس در نظر گرفته می شود. سپس به ارائه الگوریتم ترکیبی ژنتیک و گرگ خاکستری جهت حل مدل ریاضی پرداخته می شود. باید توجه داشت که ترکیب این دو الگوریتم باعث ارائه جواب های متنوع و در نهایت بهینه می شود. لازم به ذکر است که اجرای الگوریتم های مذکور دارای هزینه پردازشی و تاخیر محاسباتی می باشد ولی با توجه به بهبود معیارهای کیفیت سطح سرویس می توان از این هزینه چشم پوشی کرد. نتایج حاصل شده حاکی از آن است که ترکیب و استفاده همزمان از نقاط مثبت دو الگوریتم، معیارهای زمان اجرا و زمان اتمام آخرین کار و همچنین مصرف انرژی را به ترتیب به میزان 18.30% و 15.14% و 10.21% به نسبت روش نیمه حریصانه بهبود می دهد.کلید واژگان: اینترنت اشیا، محاسبات ابر، الگوریتم تخصیص منابع، الگوریتم ژنتیک، الگوریتم گرگ خاکستریFog computing is increasingly used as a platform for processing Internet of Things applications. Thus, this architecture extends cloud computing services to the edge of the network, where processing may be cheaper and faster. One of the main challenges in providing Quality of Service (QoS) requirements, such as delay and energy consumption in the fog environment, is to pay attention to the energy limitation and low computational capacity of fog nodes, which makes it difficult to assign tasks to fog nodes. This paper first presents a mathematical model for resource allocation with the aim of reducing delay and energy while considering QoS criteria. Then, a combined genetic and grey wolf algorithm is introduced to solve the model. Note that the combination of these two algorithms leads to finding an optimal solution efficiently. Although the implementation of the proposed algorithms has processing costs and computational delay, due to the improvement of QoS criteria, this cost can be ignored. The results show that the combination and simultaneous use of the positive points of the two algorithms improves execution time and completion time of the last task, as well as energy consumption by 18.30%, 15.14%, and 10.21%, respectively, compared to the semi-greedy method.Keywords: Internet Of Thing, Cloud Computing, Resource Allocation Algorithm, Genetic Algorithm, Gray Wolf Algorithm
-
Load forecasting is a key component of electric utility operations and planning. Because of today's highly developed electricity markets and rapidly growing power systems, load forecasting is becoming an essential part of power system operation scheduling. This paper proposes a new short-term load forecasting model based on the large margin nearest neighbor (LMNN) classification algorithm to improve prediction accuracy. The accuracy of many classification methods, such as k-nearest neighbor (k-NN), is significantly influenced by the technique used to calculate sample distances. The Mahalanobis distance is one of the most widely used methods for calculating distance. Numerous techniques have been used to enhance k-NN performance in recent years, including LMNN. Our proposed approach aims to solve the local optimum problem of LMNN, compute data similarities, and optimize the cost function that establishes the distances between instances. Before using gradient descent to determine the ideal parameter values for the cost function, we employ a genetic algorithm to shrink the size of the solution space. Additionally, our method's forecasting errors are contrasted with those of the BPNN and ARMA models. The comparative findings show how well the recommended forecasting model performs in short-term load forecasting.
Keywords: Short-Term Load Forecasting, Large Margin Nearest Neighbor, Distance Learning, Genetic Algorithm -
نشریه مهندسی برق و مهندسی کامپیوتر ایران، سال بیست و پنجم شماره 4 (پیاپی 90، زمستان 1403)، صص 277 -281
فشرده سازها (کمپرسورها) به دلیل اینکه بیشترین مصرف توان و سرعت را در مدار به خود اختصاص می دهند دارای نقش اساسی در ضرب کننده ها هستند. تکنیک ورودی انتشار گیت (GDI) برای طراحی و پیاده سازی مدارهای کم توان استفاده شده است. این تکنیک نقش مهمی در کاهش توان و افزایش سرعت دارد. گیت های استفاده شده برای پیاده سازی این فشرده سازها (GDI) نشان دهنده بهبود در تعداد ترانزیستور مورد استفاده، توان و سرعت است که با مقایسه ای ساده با منطق استاتیک CMOS می توان به آن پی برد. در این مقاله چند مورد از ساختارهای مهم فشرده سازها به وسیله تکنیک مورد نظر (GDI) پیاده سازی، و نتایج به دست آمده بیان شده است. این پیاده سازی ها در شرایط یکسان مورد بررسی قرار گرفته اند که شاهد بهبود عملکرد کلی خواهیم بود.
کلید واژگان: فشرده ساز (کمپرسور)، ورودی انتشار گیت (GDI)، ضرب کننده، موج رقم نقلی، حاصل ضرب جزئی، جمع کننده نهاییIranian Journal of Electrical and Computer Engineering, Volume:25 Issue: 4, Winter 2025, PP 277 -281Compressors play an essential role in multipliers because they consume the most power and speed in the circuit. Gate Diffusion Input (GDI) technique has been used to design and implement low power circuits. This technique plays an important role in reducing power and increasing speed. The gates used to implement these compressors (GDI) show an improvement in the number of transistors used, power and speed, which can be realized by a simple comparison with CMOS static logic. In this article, some of the important structures of compressors have been implemented by the desired technique (GDI) and the obtained results have been stated. These implementations have been tested under the same conditions, and we will see an improvement in overall performance.
Keywords: Compressor, Gate Diffusion Input (GDI), Multiplier, Ripple Carry Adder, Full Adder, Half Adder, Partial Product, Final Adder, Booth Algorithm, Logic Gates -
نشریه مهندسی برق و مهندسی کامپیوتر ایران، سال بیست و پنجم شماره 3 (پیاپی 89، پاییز 1403)، صص 183 -196
با افزایش روزافزون کاربرد اینترنت اشیا در زندگی روزمره و مخصوصا صنعت، بهبود کارایی و زمان تاخیر با کمک بارگذاری داده ها یکی از اهداف این مسائل شده است. کنترل این عوامل باعث بهبود مصرف انرژی و استفاده طولانی تر از باتری اشیا خواهد شد. در این مقاله روشی برای بهبود پردازش داده های حسگرها و محاسبات لبه و ابر در سیستم های اینترنت اشیای صنعتی معرفی گردیده و معماری مطابق با دنیای واقعی در نظر گرفته شده است. در این معماری از سرورهای لبه با قابلیت های محاسباتی در لبه شبکه به ویژه در ایستگاه های پایه استفاده می شود. درخواست های حساس به تاخیر می توانند از طریق کانال های بی سیم به سرورهای لبه نزدیک منتقل شوند؛ در نتیجه ترافیک در شبکه مرکزی و تاخیر انتقال داده کاربر را به ویژه برای برنامه های صنعتی با حجم داده زیاد کاهش دهد. هدف در اینترنت اشیای صنعتی، مدیریت منابع شبکه، انتقال محاسبات و کمینه سازی مصرف انرژی در دستگاه های اینترنت اشیا با تضمین تازگی داده های حسگر است. محیط شبکه و کارهای ورودی متغیر با زمان هستند. در این مقاله محیط مسئله و محدودیت های آن با فرمول بیان گردیده و این مسئله با استفاده از الگوریتم ژنتیک و یادگیری تقویتی پیشنهادی حل شده است. راه حل پیشنهادی سبب بهبود محیط پویای مسئله برای بارگذاری داده ها و کارها با در نظر گرفتن انرژی و انتقال محاسبات و داده ها با درنظرگیری تازگی آنها شده است. نتایج نشان دهنده بهبود متوسط 40 درصدی نسبت به روش های قبلی می باشد.
کلید واژگان: بارگذاری، اینترنت اشیای صنعتی، الگوریتم ژنتیک، یادگیری تقویتیWith the increasing use of Internet of Things in daily life and especially in industry, improving efficiency and delay time with the help of data offloading is one of the goals of these issues. Controlling these factors will improve energy consumption and longer use of things batteries. In this article, the method is introduced to improve sensor data processing and edge and cloud computing in industrial Internet of Things systems. The architecture is considered in accordance with the real world; in this architecture, edge servers with computing capabilities at the edge of the network, especially Used in base stations. Delay-sensitive requests can be forwarded to nearby edge servers through wireless channels, thereby reducing traffic in the core network and user data transmission latency, especially for data-intensive industrial applications. In the Industrial Internet of Things aims to manage network resources, transfer calculations and minimize energy consumption in Internet of Things devices by guaranteeing the freshness of sensor data. The network environment and input tasks are variable with time. In this article, the environment of the problem and its limitations are expressed with formulas. This problem has been solved using the proposed genetic algorithm and reinforcement learning. The proposed solution has improved the dynamic environment of the problem for offloading data and tasks by considering energy and transferring calculations and data by considering their freshness. The results show an average improvement of 40% compared to the previous methods.
Keywords: Offloading, Industrial Internet Of Things (Iiot), Genetic Algorithm, Reinforcement Learning -
نشریه مهندسی برق و مهندسی کامپیوتر ایران، سال بیست و پنجم شماره 3 (پیاپی 89، پاییز 1403)، صص 217 -225
با ظهور اینترنت اشیا، مسئله ترکیب وب سرویس ها و برآورده کردن نیازهای متعدد و پیچیده از سوی کاربران بیش از پیش مورد توجه قرار گرفته است. به منظور ارائه خدمت به برنامه های کاربردی سیستم های مبتنی بر اینترنت اشیا، کاندیداهای متفاوتی با ویژگی های کیفی گوناگون وجود دارند. بنابراین یک چالش اساسی، انتخاب یک ترکیب بهینه از میان این کاندیداها به عنوان یک مسئله NP-hard است. در این مقاله، راه حل نزدیک به بهینه برای حل مسئله ترکیب وب سرویس در اینترنت اشیا و یافتن جبهه بهینه پارتو با استفاده از الگوریتم جستجوی فراابتکاری چندهدفه NSGA-III ارائه شده و سپس به منظور افزایش کیفیت و تنوع راه حل ها، الگوریتم بهبودیافته ای با ترکیب الگوریتم NSGA-III و تابع برازندگی جدید پیشنهاد گردیده است. به منظور بهینه سازی ترکیب سرویس ها در الگوریتم پیشنهادی از 9 پارامتر کیفی استفاده شده و در ادامه برای عملکرد بهتر به سه هدف اصلی تبدیل شده اند. نتایج آزمایش ها نشان می دهند که رویکرد پیشنهادی از نظر میانگین دو هدف از سه هدف در مقایسه با الگوریتم NSGA-III نتیجه بهتری دارد. همچنین از نظر شاخص های عملکردی توانسته به طور میانگین به 11 درصد پوشش بیشتر دست یابد و هم از لحاظ توزیع راه حل ها و هم از لحاظ پراکندگی نسبت به سایر الگوریتم ها عملکرد بهتری داشته باشد.
کلید واژگان: الگوریتم تکاملی، اینترنت اشیا، بهینه سازی چندهدفه، ترکیب و انتخاب بهینه وب سرویس ها، وب سرویس های آگاه به کیفیتThe emergence of the Internet of Things (IoT) has intensified the focus on web service composition and the fulfillment of increasingly complex and diverse user requirements. IoT-based systems often encounter numerous service candidates with varying qualitative attributes, presenting a significant challenge in selecting an optimal combination. This problem, categorized as NP-hard, requires efficient approaches for resolution. This study proposes a near-optimal solution for web service composition in IoT environments by leveraging the NSGA-III multi-objective metaheuristic algorithm to identify the optimal Pareto front. To further enhance the quality and diversity of the solutions, an improved algorithm integrating NSGA-III with a novel fitness function is introduced. The proposed approach optimizes service composition using nine quality parameters, which are subsequently streamlined into three principal objectives for better computational efficiency. Experimental evaluations demonstrate that the proposed method outperforms the baseline NSGA-III algorithm in terms of the average performance of two out of three objectives. Additionally, the approach achieves an average of 11% higher coverage based on performance indices and exhibits superior solution distribution and dispersion compared to alternative algorithms.
Keywords: Evolutionary Algorithm, Internet Of Things, Multi-Objective Optimization, Optimal Web Service Composition, Selection, Quality-Aware Web Services -
نشریه مهندسی مخابرات جنوب، پیاپی 55 (بهار 1404)، صص 121 -142
این تحقیق از یک الگوریتم بهینه سازی چند هدفه جدید برای طراحی یک آنتن یک قطبی با ویژگی های الکترومغناطیسی خاص استفاده می کند. این الگوریتم از یک تابع آشوب ناک ترکیبی برای ادغام الگوریتم ازدحام ذرات جهش یافته سفارشی شده با الگوریتم ژنتیک اصلاح شده استفاده می نماید. رویکرد ترکیبی جدید با اجتناب از به دام افتادن در حداقل های محلی، سریع تر از الگوریتم های متداول ازدحام ذرات و الگوریتم ژنتیک به نتایج دلخواه نیل می نماید. عملکرد الگوریتم فرا ابتکاری پیشنهادی با استفاده از توابع معیار مانند تابع راستریگن، تابع آکلی، تابع روزنبروک و تابع بووث با موفقیت شبیه سازی و تثبیت شده اند. در نهایت، اعتبار رویکرد ارائه شده برای کاربردهای الکترومغناطیسی با بهینه سازی یک آنتن تک قطبی مایکرواستریپ مسطح با ساختاری ساده نشان داده می شود، الگوریتم پیشنهادی اجازه می دهد تا معیارهای بهینه سازی طوری سفارشی شوند که به نتایج از پیش در نظر گرفته شده برای افت بازگشتی و فرکانس رزونانس نیل نمایند. الگوریتم بهینه سازی توسعه یافته در متلب، برای تعیین تنظیمات پارامترهای لازم به منظور دستیابی به باندهای فرکانسی مورد انتظار با استفاده از الگوریتم ازدحام ذرات جهش یافته سفارشی یا ژنتیک اصلاح شده ابتکاری استفاده می شود. ابعاد عناصر آنتن پیشنهادی، به طور قابل توجهی بر عملکرد آنتن تاثیر می گذارند.
کلید واژگان: آنتن تک قطبی، الگوریتم بهینه سازی، الگوریتم ازدحام ذرات و الگوریتم ژنتیک، تابع آشوب ناکThis research uses a new multi-objective optimization algorithm to design a single pole antenna with specific electromagnetic characteristics. This algorithm uses a hybrid chaotic function to integrate the customized mutated particle swarm algorithm with the modified genetic algorithm. By avoiding getting trapped in local minima, the new hybrid approach achieves desired results faster than conventional particle swarm algorithms and genetic algorithms. The performance of the proposed meta-heuristic algorithm has been successfully simulated and stabilized using benchmark functions such as Rastrigen's function, Ackley's function, Rosenbrook's function, and Booth's function. Finally, the validity of the presented approach for electromagnetic applications is demonstrated by optimizing a planar microstrip monopole antenna with a simple structure. The proposed algorithm allows the optimization criteria to be customized to achieve the predetermined results for return loss and resonance frequency. The optimization algorithm developed in MATLAB is used to determine the necessary parameter settings in order to achieve the expected frequency bands using custom mutated particle swarm algorithm or heuristic modified genetics. The dimensions of the proposed antenna elements significantly affect the antenna performance.
Keywords: Optimization Algorithm, Chaotic Map, Monopole Antenna, PSO, GA -
نشریه پژوهش های نوین در سامانه های دفاع الکترونیکی، سال چهارم شماره 1 (پیاپی 10، بهار 1404)، صص 37 -51در سال های اخیر، ارتباطات ماهواره ای مبتنی بر فناوری CNC به دلیل استفاده بهینه از پهنای باند بسیار مورد توجه قرار گرفته است. ولی تحلیل این نوع ارتباطات در گیرنده های غیرهمکار، به سبب ماهیت تداخل زمان-فرکانس با چالش های زیادی همراه شده است. به علاوه، در این مسئله اطلاعاتی از پارامترهای سیگنالی در دسترس نیست. تاکنون، روش هایی برای جداسازی این سیگنال های متداخل در گیرنده های غیرهمکار پیشنهاد شده است. اما همه روش های پیشنهادی با آگاهی از پارامترهای سیگنالی نظیر آفست فاز و فرکانس و تاخیر و تضعیف دامنه سیگنال انجام می شوند. در این مقاله پس از مدل سازی ریاضی سیگنال دریافتی در گیرنده غیرهمکار، تخمین پارامترهای سیگنالی با استفاده از آمارگان های مرتبه بالای مدل سیگنال دریافتی محاسبه شده است. در ادامه، فرایند جداسازی توسط ساختاری پیشنهادی به نام "الگوریتم ویتربی توسعه یافته" انجام شده است. در این ساختار از الگوریتم ویتربی با هدف رفع ابهام تخمین آفستهای فازی به کمک آمارگان های مرتبه بالا و همچنین تخمین نهایی دنباله سمبل های متداخل زمان- فرکانس استفاده شده است. مقایسه و ارزیابی ها برای سیگنال های متداخل با دو مدولاسیون BPSK و QPSK نشان می دهد، تخمین پارامترها تاثیر به سزایی در نرخ خطای دنباله سمبل های آشکارسازی شده دارد به طوری که در نسبت سیگنال به نویزهای بالاتر از صفر نرخ خطای سمبل (SER) با شیب بیشتری در روش پیشنهادی نسبت به الگوریتم پردازش در هر بازمانده (PSP) کاهش می یابد. نتایج شبیه سازی ها نشان می دهد، نرخ خطای سمبل در روش پیشنهادی در سیگنال به نویز 30dB برای مدولاسیون BPSK به میزان 30 درصد و برای مدولاسیون QPSK به میزان 60 درصد کاهش می یابد.کلید واژگان: ارتباطات ماهواره ای حامل در حامل (CNC)، آمارگان مرتبه بالا، تداخل زمان-فرکانس، الگوریتم ویتربیIn recent years, the new technology of satellite communication based on CNC has received much attention due to the optimal bandwidth usage. In this communication, the Cooperative receivers can save up to half of the bandwidth despite co-band interference and without reducing efficiency. However, the analysis of this type of communication in non-cooperative receivers is associated with many challenges due to the nature of time-frequency interference. Additionally, in this problem, no information about signal parameters is not available. So far, methods have been proposed to separate these interfering signals. However, all of the proposed methods are performed with knowledge of signal parameters such as phase and frequency offset, delay, and signal amplitude attenuation. In this article, after the mathematical modeling of the received signal in the non-cooperative receiver, the Signal parameters estimation is conducted using higher-order statistics of the received signal. Next, the separation process is performed by a proposed structure called the "Extended Viterbi algorithm". In this structure, the Viterbi algorithm has been used with the aim of solving the ambiguity of estimating phase offsets as well as the final estimation of two sequences of interfereing time-frequency symbols. The comparison and evaluations for interfering signals with two modulations BPSK and QPSK show that, parameters estimation has a significant impact on the error rate of the detected symbol, such that at signal-to-noise ratios higher than zero, the symbol error rate (SER) decreases more steeply in the proposed method than in the Per-Survivor Processing (PSP) algorithm. The simulation results show that the symbol error rate in the proposed method at a signal-to-noise ratio of 30 dB for BPSK modulation is reduced by 30% and for QPSK modulation by 60%. However, in the proposed method, the complexity of the separation method increases by 2^2L with increasing the modulation order.Keywords: CNC Satellite Communication, High-Order Statistics, Time-Frequency Interference, Viterbi Algorithm
-
Journal of Artificial Intelligence in Electrical Engineering, Volume:13 Issue: 50, Summer 2024, PP 32 -40
Magnetic resonance imaging (MRI) is a non-aggressive medical imaging modality that use magnetic resonance property of hydrojen atom core in body and can show a wide range of tissues with high resolution. The main disadvantage of MRI which limits its application, is the slow data acquisition speed. The use of compressed sensing (CS) in MRI, known as CS-MRI, reduces data acquisition time in MRI by reducing the required samples. One important challenge in CS-MRI, is to develop a sparsity inducing model which can reflect the image priors appropriately and hence yields high quality recovery results. In this study, principles of MRI, application of CS in MRI, and CS-MRI reconstruction techniques are discussed in brief.
Keywords: Compressed Sensing, Image Recovery, Magnetic Resonance Imaging, Reconstruction Algorithm -
This article discusses about coordination of directional overcurrent relays (DOCRs) in the power system transmission lines. In these relays, 4 characteristics are used as variables to calculate coordination between of them. These 4 variables include PS, TMS, A and B, which are used to obtain optimal coordination between relays. In this article, to obtain optimal coordination, two fault locations are considered. One of them is near the relay (at the 10%-line beginning) and another is fault far from the relay (at the 90%-line end). The problem of coordination of relays is solved and optimized using the PSO optimization algorithm. The proposed method has been tested in the standard distribution 6-Buse IEEE System, and its results are stated. The results of the PSO optimization method that was obtained have been compared with traditional methods such as GA-NLP. Comparing the results of this method with the traditional methods presented in the other articles, found that the presented method obtains more optimal results than other traditional methods. Since the proposed method minimizes the operation time of DOCRs relays. This method is a reliable and effective method for calculating coordination between relays.Keywords: Directional Overcurrent Relays (Docrs), Coordination, PSO Algorithm, 6-Bus IEEE System, TMS, PS, Coordination Time Interval (CTI), Primary, Backup Relay, Near, Far From Relay Fault, GA-NLP
-
نشریه دستاوردهای نوین در برق،کامپیوتر و فناوری، سال چهارم شماره 4 (پیاپی 13، زمستان 1403)، صص 59 -76
در این مقاله ارزیابی مکان نصب ومحل بهینه نیروگاه های تولید پراکنده وخازن در سیستم های توزیع شعاعی به منظور کاهش تلفات وبهبود پروفیل ولتاژ مورد مطالعه قرار گرفته است. شبیه سازی به منظور کمینه نمودن اندیس تلفات توان های اکتیو، تلفات راکتیوو پروفیل ولتاژ و بهینه سازی چند هدفه به روش الگوریتم ژنتیک انجام شده است. در این مقاله ابتدا تاثیرات جایابی DG وخازن بصورت جداگانه و سپس به صورت همزمان انجام شده است.در حالت جایابی همزمان نیز 1- حالتیکه همه تجهیزات روی یک باس قرار بگیرند و 2- حالتی که تجهیزات روی باس های مختلفی قرار بگیرند بررسی شده است. پخش بار به روش نیوتن رافسون انجام شده وسپس شبیه سازی روی دو شبکه استاندارد 33و69 شینهIEEE تست شده است.نتایج نشان می دهد که کاهش چشمگیری در تلفات صورت گرفته و پروفیل ولتاژ نیز بهبود یافته است
کلید واژگان: جایابی بهینه DG، خازن، الگوریتم ژنتیک، تلفات، پروفیل ولتاژ، نیوتن رافسونJournal of New Achievements in Electrical, Computer and Technology, Volume:4 Issue: 4, 2025, PP 59 -76In this paper, the evaluation of the installation location and optimal location of distributed generation plants and capacitors in radial distribution systems in order to reduce losses and improve voltage profile has been studied. Simulation has been performed to minimize the active power loss index, reactive power loss, and voltage profile and multi-objective optimization has been performed using the genetic algorithm method. In this paper, the effects of DG and capacitor placement have been first examined separately and then simultaneously. In the simultaneous placement mode, 1- the case where all equipment is placed on one bus and 2- the case where equipment is placed on different buses have been studied. Load distribution was performed using the Newton-Raphson method and then the simulation was tested on two standard IEEE 33 and 69 bus networks. The results show that there is a significant reduction in losses and the voltage profile is also improved.
Keywords: Optimal DG Placement, Capacitor, Genetic Algorithm, Losses, Voltage Profile, Newton-Raphson -
In the rapidly evolving landscape of web services, efficient interaction and optimal selection among services with different quality parameters are essential. This paper addresses the complex challenge of selecting candidate services for abstract services within probabilistic graph structures. We propose a new hybrid method that combines node-based and path-based graph simplification techniques, allowing for the identification of new patterns, such as parallel and nested loops. We use NSGAII to improve scalability and accuracy in service selection. The proposed approach simplifies the composition graph while optimizing the selection process by considering important quality parameters such as execution cost, response time, and availability. Through systematic simplification and a robust fitness function, we ensure a definitive and accurate response to user queries. The results show significant improvements in the proposed approach compared to existing methods, making it a comprehensive solution for effectively composing web services in dynamic environments.
Keywords: Web Service Composition, Graph Simplification, Service Selection, Complex Probabilistic Structures, NSGAII Algorithm -
شناسایی سیستم روشی برای شناسایی یا اندازه گیری مدل ریاضی یک سیستم با اندازه گیری ورودی ها و خروجی های سیستم است. در این مقاله رویکرد الگوریتم ژنتیک (GA) را برای مدل سازی سیستم های فتوولتائیک (PV) با ساختار وینر-هامرشتاین اعمال می کنیم. سیستم های دینامیکی غیرخطی دارای هر دو عنصر پویا (عناصر ذخیره انرژی) هستند و در این نوع سیستم ها بین برخی از متغیرها روابط غیرخطی وجود دارد. اگر در چنین سیستم هایی بتوان فرض کرد که قطعات دینامیکی و قطعات غیرخطی قابل تفکیک هستند، می توان آنها را با ساختارهای مدل های بلوک گرا مدل کرد. این نوع مدل ها از ترکیب بلوک (های) دینامیکی خطی و بلوک (های) غیرخطی استاتیکی تشکیل شده اند. این رویکرد به تخمین یک سیستم فتوولتائیک (PV) بر اساس داده های مشاهده شده مربوط می شود. ورودی و خروجی غیرخطی به ترتیب از داده های تابش و جریان خروجی DC سیستم واقعی گرفته شده است. نتایج شبیه سازی اثربخشی و استحکام مدل پیشنهادی را با استفاده از الگوریتم ژنتیک نشان داد. نتایج شبیه سازی مقدار MSE 0.000774 را برای عملکرد عادی سیستم PV و 0.009863 را برای اثر سایه بین نرخ اطلاعات تخمینی و مرجع نشان می دهد.
کلید واژگان: شناسایی سیستم، مدل وینر-همرشتاین، سیستم فتوولتائیک، الگوریتم ژنتیک.System identification is a method of identification or measuring a mathematical model of a system by measuring the inputs and outputs of the system. In this paper we apply the Genetic Algorithm (GA) approach to model a photovoltaic (PV) systems with a Wiener-Hammerstein structure. Non-linear dynamic systems have both dynamic elements (energy storage elements) and in these types of systems there are non-linear relationships between some variables. If in such systems it can be assumed that dynamic parts and non-linear parts are separable, they can be modeled with the structures of block-oriented models. These types of models are composed of a combination of linear dynamic block(s) and static nonlinear block(s). This approach is concerned with the estimation of a photovoltaic (PV) system based on observed data. The nonlinear input and output are taken from the irradiance and DC output current data of the real system, respectively. The simulation results revealed the effectiveness and robustness of the proposed model using a genetic algorithm. The simulation results show an MSE value of 0.000774 for normal operation of the PV system and 0.009863 for the shading effect between the estimated and reference information rates.
Keywords: Stem Identification, Wiener-Hammerstein Model, Photovoltaic (PV) System, Genetic Algorithm -
در این مقاله روش پیش بینی درمان پذیری بیماران مبتلا به بیش فعالی با آموزش نوروفیدبک به کمک استخراج باند فرکانسی سیگنال الکتروانسفالوگرام (EEG) و با استفاده از معیار ارزیابی ارتباطات مغزی-عملکردی انجام شده تا قبل از شروع درمان نوروفیدبک درمان پذیری شخص تشخیص داده شود. این الگوریتم شامل شش مرحله است: در گام اول یک مجموعه داده از ثبت سیگنال EEG حین تحریک نوروفیدبک از 60 دانش آموز در رده سنی 7 تا 14 سال (بدون توجه به جنسیت) مبتلا به بیش فعالی در دو کلاس درمان پذیر و درمان ناپذیر از پایگاه داده مندلی دریافت شده است. در گام دوم فیلترینگ اولیه برای کاهش نویز مجموعه داده ها با استفاده از یک بلوک پیش پردازش انجام شده است. در گام سوم توزیع فرکانسی باند آلفا و بتا از سیگنال های کاهش نویز شده استخراج شده است. در این نوع داده تفاوت در اجزای EEG هر گروه با استفاده از سنجش ارتباطات مغزی-عملکردی و به کمک شاخص قفل فاز (PLI) قابل بیان بوده که برای تشخیص وجود ارتباط بین لوب های مغزی درگیر یک بار با استفاده از شاخص مقدار احتمال (PV) در آزمون آماری تی-تست و برای افزایش صحت، از الگوریتم ژنتیک برای تشخیص الکترودهای موثر در درمان استفاده شده است.پس گام چهارم استخراج ویژگی یعنی سنجش میزان ارتباطات مغزی در الکترودهای ثبت سیگنال مغزی می باشد در گام پنجم یعنی کاهش فضای ویژگی، نتایج نشان می دهند که لوب های درگیر هنگام تحریک نوروفیدبک، لوب های فرونتال و سنترال هستند و از بین 32 کانال ثبت EEG فقط داده های مربوط به 6 کانال C3، FZ، F4، CZ، C4 و F3 تفاوت معناداری در میزان ارتباطات مغزی حین تحریک از خود نشان می دهند و درنهایت گام ششم با استفاده از طبقه بندی های مختلف، خروجی ترکیب طبقه بندها برچسب یکی از دو کلاس درمان پذیر یا درمان ناپذیر بوده است. در این روش پیشنهادی از معیار صحت برای بیان نتیجه پژوهش استفاده شده و درنهایت درصد صحت به دست آمده 6/90 درصد است.
کلید واژگان: الکتروانسفالوگرام، الگوریتم ژنتیک، بیش فعالی، پیش بینی، شبکه ارتباطات مغزی، نوروفیدبکJournal of Intelligent Procedures in Electrical Technology, Volume:16 Issue: 63, Autumn 2025, PP 39 -60In this paper, the method of predicting the treatability of patients suffering from hyperactivity with neurofeedback training with the help of extracting the frequency band of the electroencephalogram (EEG) signal and using the brain-functional communication evaluation criterion is done to determine the person's treatability before starting the neurofeedback treatment. This algorithm consists of six steps: In the first step, a data set of EEG signal recording during neurofeedback stimulation from 60 students in the age group of 7 to 14 years (regardless of gender) with hyperactivity in two treatable and non-treatable classes was obtained from the Mendelian database. In the second step, primary filtering has been done to reduce the noise of the data set using a pre-processing block. In the third step, the frequency distribution of the alpha and beta bands is extracted from the noise reduction signals. In this type of data, the difference in the EEG components of each group can be expressed by measuring brain-functional communication and using the phase lock index (PLI), which is used to detect the existence of a connection between the brain lobes involved once using the probability value index. In the t-test statistical test and to increase the accuracy, the genetic algorithm was used to identify the effective electrodes in the treatment. So, the fourth step is to extract the feature, which is to measure the amount of brain communication in the brain signal recording electrodes. In the fifth step, it is to reduce the feature space, the results show show that the lobes involved during neurofeedback stimulation are the frontal and central lobes, and among the 32 EEG recording channels, only the data of 6 channels C3, FZ, F4, CZ, C4, and F3 show a significant difference in the amount of brain communication during stimulation. and finally, in the sixth step, by using different classifications, the output of the combination of classifications was the label of one of two classes, treatable or non-treatable. In this proposed method, the correctness cri te rion is used to express the research result, and finally the percentage of correctness obtained is 90.6%.
Keywords: Brain Communication Network, Electroencephalogram, Genetic Algorithm, Hyperactivity, Neurofeedback, Prediction -
Scientia Iranica, Volume:31 Issue: 19, Nov-Dec 2024, PP 1809 -1824Concomitant reduction of cost and duration is recognized as one of the main aspects of construction planning. Expedition of project schedule naturally incurs extra costs due to implementation of more productive and/or high-price construction techniques. Meanwhile, a reduction in time is usually plausible only down to a certain limit, below which renders expeditions either technically or financially unviable. Thus, striking a reasonable balance between project cost and duration remains a desirable yet challenging task for which there has been a myriad of advancements and literature. Despite the many studies associated with this problem – referred to as time-cost trade-off problem (TCTP) – it is observed that only a few exercise TCTPs with generalized logical relationships. This observation holds despite the fact that generalized precedence relationships are imperative to introduce parallelism and to secure a realistic overlap among the activities. In this regard, a Simulated Annealing-based Genetic Algorithm as proposed herein, is specifically designed to provide the capability of exerting TCTPs with properly overlapped activities. Efficiency of this algorithm is tested over a wide range of problems and its performance is validated over a large-scale real-case construction project. Results of the hybridized GA indicate fast and robust convergence to high-quality solutions.Keywords: Optimization, Time-Cost Trade-Off Problem, Generalized Precedence Relationships, Genetic Algorithm, Meta-Heuristics
- 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.