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

genetic algorithms

در نشریات گروه برق
تکرار جستجوی کلیدواژه genetic algorithms در نشریات گروه فنی و مهندسی
  • Hossein Monshizadeh Naeen*

    Cloud computing is a computing model which uses network facilities to provision, use and deliver computing services. Nowadays, the issue of reducing energy consumption has become very important alongside the efficiency for Cloud service providers. Dynamic virtual machine (VM) consolidation is a technology that has been used for energy efficient computing in Cloud data centers. In this paper, we offer solutions to reduce overall costs, including energy consumption and service level agreement (SLA) violation. To consolidate VMs into a smaller number of physical machines, a novel SLA-aware VM placement method based on genetic algorithms is presented. In order to make the VM placement algorithm be SLA-aware, the proposed approach considers workloads as non-stationary stochastic processes, and automatically approximates them as stationary processes using a novel dynamic sliding window algorithm. Simulation results in the CloudSim toolkit confirms that the proposed virtual server consolidation algorithms in this paper provides significant total cost savings (evaluated by ESV metric), which is about 45% better than the best of the benchmark algorithms.

    Keywords: component, Cloud Computing, Green IT, SLA violation, VM Consolidation, Genetic Algorithms
  • محمدرضا مستخدمین حسینی*

    هدف اصلی نظریه قابلیت اعتماد سیستم های سازه ای، طرح بهینه براساس مفهوم قابلیت اعتماد است. امروزه خرپاها و سازه های فضاکار به صورت گسترده مورد استفاده قرار می گیرند و بنابراین هزینه تمام شده این سازه ها از یکسو و تامین ایمنی لازم برای آنها از سوی دیگر حایز اهمیت می باشد. بنابراین در این پژوهش به بهینه یابی وزن این سازه ها براساس نظریه قابلیت اعتماد (بهینه یابی احتمال اندیشانه) پرداخته تا هردو هدف فوق تامین گردد. باتوجه به اینکه الگوریتم ژنتیک ازجمله روش های بسیار مناسب در امر بهینه سازی می باشد، در تحقیق حاضر جهت بهینه یابی مورد استفاده قرارگرفته است. در فرآیند بهینه یابی احتمال اندیشانه، تابع هدف کمینه سازی وزن سازه و قیود آن احتمال خرابی مجاز اعضا، گره ها و یا سیستم سازه می باشند. در این تحقیق، از شکل احتمال اندیشانه روابط کمانش ارایه شده در آیین نامه های معتبر استفاده گردیده تا دقت محاسبات ایمنی سازه افزایش یابد. نتایج نشان می دهد که با افزایش احتمال خرابی مجاز سیستم خرپا، وزن بهینه آن کاهش می یابد. روند این کاهش وزن در ابتدا با شیب بسیار سریع و سپس با شیب ملایم رخ داده و به تدریج به مقدار ثابتی میل می کند. وزن بهینه حساسیت بالاتری به تغییرات ضریب پراکندگی در مقایسه با تغییرات احتمال خرابی مجاز دارد. وزن بهینه در حالت یقین اندیشانه و حالت احتمال اندیشانه با ضرایب پراکندگی و احتمال خرابی مجاز نزدیک به صفر اختلاف کمی دارد. البته سرعت همگرایی در حالت یقین اندیشانه به مراتب بیشتر است.

    کلید واژگان: قیود احتمال اندیشانه، بهینه یابی وزن، خرپا، الگوریتم ژنتیک
    MohammadReza Mostakhdemin Hosseini *

    The main purpose of the reliability theory of structural systems is the optimal design based on the reliability concept. Trusses and space structures are widely used, and cost and safety both are important in these structures. Therefore the weight optimization of these structures based on the theory of reliability (probabilistic optimization) using Genetic Algorithms was studied in this paper. The objective function was weight of structure and the constraints were based on the failure probability of elements or nodes or the system. To increase the accuracy of structural safety calculations, the probabilistic form of buckling is presented in this research. The results of this study show that increasing the system allowable failure probability decreases the optimum weight of structure. The process of this weight loss occurred at first with a very fast slope and then with a gentle slope and finally tended to a constant value. Optimum weight was very sensitive to coefficient of variation comparison of allowable failure probability. In the probabilistic optimization, if the system allowable failure probability and coefficient of variation of load and yield stress are considered near zero, and if results are compared to the deterministic optimization, the difference in optimum weight is less than 9%. In this case, convergence for deterministic optimization was very fast and occurred in less than 20 generations but convergence in probabilistic optimization occurred slowly after 85 generations.

    Keywords: Probabilistic constraints, Weight optimization, Truss, Genetic algorithms
  • G. Mokhtari, E. S. M. Imamzadeh

    The portfolio of urban and public projects should be balanced in terms of completion time, districts and strategic objectives. For this purpose, we suggest a mixed integer nonlinear programming model based on the goal programming approach. Projects are selected so as to minimize the squared deviation of urban and regional development indicators from their respective targets. In the proposed model there are two category of indicators: coverage indicators that are measured based on the distance of each neighborhood from the nearest covering facility, and general indicators that are usually measured based on the capacities and capabilities of each district. It is assumed that the location of covering facilities have already been selected, but the construction of these facilities will be prioritized and planned according to budget constraints and in competition with other regional development projects. Numerical results indicate superior performance of proposed genetic algorithm in comparison to GAMS solvers. Finally, the application of the model is illustrated by an example.

    Keywords: Project portfoliobalancing, Project selection, Genetic algorithms, Set covering, Goal programming
  • آرزو رجایی*، محبوبه هوشمند، سید عابد حسینی

    محاسبات کوانتومی روش جدیدی از پردازش اطالعات است که بر مبنای مفاهیم مکانیک کوانتومی بناشده است ومنجر به رخدادهای عجیب وقدرتمندی در حوزهکوانتوم می شود. هر ماتریس یکانی نمایش دهنده یک گیت کوانتومی است. سنتز مدارهای کوانتومی به فرایند تبدیل یک گیت کوانتومی به یک سری گیت های پایه اطلاق می شود و به دو دسته کلی مبتنی بر تجزیه و ترکیب تقسیم می گردد. در روش های دسته نخست با بهره گیری از روش های تجزیه ماتریسی مدارهای کوانتومی سنتز می شوند. این مطالعه به دسته دوم می پردازد که با استفاده از الگوریتم های تکاملی و به خصوص الگوریتم ژنتیک از ضرب گیت های ماتریسی برای دستیابی به مشخصه نهایی مدار کوانتومی بهره گرفته می شود.

    کلید واژگان: لگوریتم تکاملی، الگوریتم ژنتیک، سنتز مدارای کوانتومی، محاسبات کوانتومی
    Arezoo Rajaei*, Mahboobeh Houshmand, Seyyed Abed Hosseini

    Quantum computing is a new method of information processing based on the concepts of quantum mechanics which leads to strange and powerful events in the field of quantum. Each unitary matrix represents a quantum gate. Synthesis of quantum circuits refers to the process of converting a quantum gate into a series of basic gates and is divided into two general categories, namely decomposition and composition-based. In the first category, quantum circuits are synthesized using matrix decomposition methods. This study deals with the second category, which uses evolutionary algorithms and especially genetic algorithms to multiply matrix gates to achieve the final characteristic of a quantum circuit.

    Keywords: Evolutionary Algorithms, Genetic Algorithms, Synthesis of Quantum Circuits, Quantum Computing
  • مسعود شریفیان، حسین کارشناس*، سعید شریفیان
    روند رو به رشد استفاده از اینترنت و وجود نقاط آسیب پذیر در شبکه، استفاده از سیستم های تشخیص نفوذ را به عنوان یکی از مهم ترین عناصر برقراری امنیت درخور توجه قرار داده است. تشخیص نفوذ در اصل مسئله دسته بندی است و شناسایی ویژگی های موثر ازجمله موضوعات با اهمیت در دسته بندی است. در این مقاله یک روش جدید برای انتخاب ویژگی های موثر در تشخیص نفوذ در شبکه، مبتنی بر الگوریتم تخمین توزیع ارائه شده است که از درخت وابستگی احتمالاتی برای شناسایی تعاملات بین ویژگی ها استفاده می کند. به منظور ارزیابی عملکرد این الگوریتم از مجموعه داده NSL-KDD استفاده شده است که در آن، بسته ها به پنج دسته نرمال و نفوذهای نوع DOS، U2R، R2L و Prob تقسیم شده اند. عملکرد الگوریتم ارائه شده به تنهایی و به صورت ترکیبی با سایر الگوریتم های انتخاب ویژگی، مانند انتخاب پیشرو، انتخاب پسرو و الگوریتم ژنتیک، مقایسه و تاثیر پارامترهای الگوریتم، مانند اندازه جمعیت بر میزان دقت تشخیص نفوذ بررسی شده است. براساس نتایج حاصل از این تحلیل و نیز ترکیب نتایج بررسی میزان دقت درون دسته ای حاصل از به کارگیری الگوریتم های انتخاب ویژگی متفاوت، زیرمجموعه ای از ویژگی های موثر در تشخیص نفوذ شناسایی شده است.
    کلید واژگان: تشخیص نفوذ، انتخاب ویژگی، الگوریتم تخمین توزیع، درخت وابستگی، الگوریتم ژنتیک، ماشین بردار پشتیبان
    Masoud Sharifiasn, Hossein Karshenas *, Saeid Sharifiasn
    The growing use of internet and the existence of vulnerable points in networks have made the use of intrusion detection systems as one of the most important security elements. Intrusion detection is essentially a classification problem and it is the identification of effective features such as important issues in the classification This paper presents a novel method for selecting effective features in network intrusion detection based on an estimation of distribution algorithm that uses a probabilistic dependency tree to identify important interactions between features. To evaluate the performance of the proposed method, the NSL- KDD dataset is used, in which the packets are divided into five normal types and intrusive types of DOS, U2R, R2L and Prob. The performance of the proposed algorithm has been compared alone and in combination with other feature selection algorithms such as forward selection, backward selection and genetic algorithm. Moreover, the effect of algorithm parameters like population size on intrusion detection accuracy is tested. Based on this analysis and also considering the intra-class accuracy of different feature selection methods studied in this paper, an effective subset of features for intrusion detection is identified.
    Keywords: Intrusion Detection, Feature Selection, Estimation of Distribution Algorithm (EDA), Dependency Tree, Genetic algorithms, Support Vector Machine (SVM)
  • Detection of Autism with Electroencephalographic Signals and Comparison with Healthy People Using Genetic Algorithm Network
    Faeze Asadi, Bahram Kimia Ghalam *
    Autism, also called autism spectrum disorder (ASD), is a complicated condition that includes problems with communication and behavior. It can involve a wide range of symptoms and skills. ASD can be a minor problem or a disability that needs full-time care in a special facility. People with autism have trouble with communication. They have trouble understanding what other people think and feel. This makes it hard for them to express themselves, either with words or through gestures, facial expressions, and touch. According to the Centers for Disease Control, autism affects an estimated 1 in 59 children today. Indicators of autism usually appear by age 2 or 3. Some associated development delays can appear even earlier, and often, it can be diagnosed as early as 18 months. Research shows that early intervention leads to positive outcomes later in life for people with autism. In this paper, we describe an Autism detection algorithm that runs over electroencephalography (EEG) signals. Because this technique comprises different parameters that significantly affect the detection performance, we will use genetic algorithms (GAs) to optimize these parameters to improve the detection accuracy. And in the end, the results have been compared statistically by the T-test. In this paper, we describe the GA setup. EEG signals of 20 children with Autism and 20 healthy children aged 6 to 12 years have been obtained. The results have been compared. Lower correlation levels between resources of the left hemisphere of the brain especially C3 channels region in autistic children compared with healthy subjects have been observed. Also, the average energy of theta frequency band in C3 and F3 channels for children with autism was lower than that in healthy people and this criterion was higher in the gamma frequency band.
    Keywords: Electroencephalography, Autism Disorder, genetic algorithms, Fitness Function, t-test
  • بهبود سیستم های تشخیص نفوذ باکاهش ویژگی مبتنی بر الگوریتم ژنتیک و تکنیک های داده کاوی
    مهدی کشاورزی*، حسین مومن زاده حقیقی
    امروزه سیستم های کامپیوتری مبتنی بر شبکه، نقش حیاتی در جامعه مدرن امروزی دارند و به همین علت ممکن است هدف دشمنی و یا نفوذ قرار گیرند. به منظور ایجاد امنیت کامل در یک سیستم کامپیوتری متصل به شبکه، استفاده از دیوار آتش و سایر مکانیزم های جلوگیری از نفوذ همیشه کافی نیست و این نیاز احساس می شود تا از سیستم های دیگری به نام سیستم های تشخیص نفوذ استفاده شود. سیستم تشخیص نفوذرا می توان مجموعه ای از ابزارها، روش ها و مدارکی در نظر گرفت که به شناسایی، تعیین و گزارش فعالیت های غیرمجاز یا تایید نشده تحت شبکه، کمک میکند. سیستم های تشخیص نفوذ به صورت سیستم های نرم افزاری و سخت افزاری ایجاد شده و هر کدام مزایا و معایب خاص خود را دارند. به دلیل وجود مشخصه های زیاد در داده های مربوط به سیستم های تشخیص نفوذ در این تحقیق ما مشخصه های مطلوب و موثر را با استفاده از الگوریتم ژنتیک بهبود یافته انتخاب می کنیم. سپس با استفاده از تکنیک های داده کاوی استاندارد، مدلی برای طبقه بندی داده ها ارایه می دهیم. برای ارزیابی عملکرد روش پیشنهادی از پایگاه داده NSL-KDD که  نسبت به سایر داده های تشخیص نفوذ از رکوردهای واقعی تری برخورد دار است، استفاده خواهیم کرد.
    کلید واژگان: سیستم تشخیص نفوذ، داده کاوی، انتخاب ویژگی، الگوریتم ژنتیک، پایگاه داده NSL-KDD
    improving intrusion detection systems by feature reducing based on genetics algorithm and data mining techniques
    Mehdi Keshavarzi *, Hossein Momenzadeh
    The network-based computer systems play critical role in our modern society; so there is highly chance these systems might be target of intrusion and attacks. In order to implement full-scale security in a computer network, firewalls and other intrusion prevention mechanisms aren’t always enough and needs other systems called intrusion detection systems. An Intrusion detection system can be set of tools, algorithms and evidence that help to identify, locate and report illegal or not approved activities by the network. Intrusion detection systems can be established by software or hardware systems and each have their own advantages and disadvantages. Because of various characteristics of intrusion detection data, in this research we select effective characteristics using improved genetic algorithm. Then by means of standard data mining techniques, we present a model for data classification.For performance evaluation of this suggested method, we used NSL-KDD database that has more realistic records than other intrusion detection data.
    Keywords: system intrusion detection, Data mining, Feature Selection, genetic algorithms, database NSL-KDD
  • منیره هوشمند*، معین سروقدمقدم، حسین آقابابا

    سیستم های کوانتومی از لحاظ نظری دارای قدرت زیادی در زمینه پردازش و ارسال اطلاعات می باشند. اما بر هم کنش آنها با محیط بیرون، یک مانع بزرگ در مسیر تحقق عملی آنها است. کدهای پایدارساز بلوکی کوانتومی، برای غلبه بر مشکل مذکور طراحی شده اند. هر کد بلوکی کوانتومی با یک ماتریس دودویی با مشخصات خاص موسوم به ماتریس مولد توصیف می شود. اگر چه پژوهش های بسیاری در رابطه با ویژگی های کدهای تصحیح خطا با یک ماتریس مولد مفروض انجام گرفته است، اما تاکنون روشی برای پیدا کردن ماتریس های مولد در حالت کلی ارائه نشده است. در این مقاله روشی برای تولید ماتریس های مولد به کمک الگوریتم های ژنتیک ارائه شده است، سپس الگوریتم، به طور خاص برای یافتن ماتریس های مولد کدهای LDPC کوانتومی تغییر یافته است. نتایج شبیه سازی در نرم افزار MATLAB نشان از کارایی این الگوریتم می باشد که می تواند به عنوان یک روش کلی و سریع، نسبت به روش های ریاضیاتی و محدود گزارش شده پیشین مورد استفاده قرار گیرد.

    کلید واژگان: الگوریتم های ژنتیک، کدهای پایدارساز بلوکی کوانتومی، LDPC کوانتومی، ماتریس مولد
    Monireh Houshmand *, Moein Sarvaghad Moghaddam, Hossein Aghababa

    Quantum systems theoretically have a high power in the field of processing and sending information. But their interactions with the outside world lead to the problem of their realization in the real world. Quantum block stabilizer codes have been designed to overcome this problem. Each quantum block code with specific characteristics is described as a binary matrix which is called a generator matrix. Although many studies have been performed on the properties of an error-correcting code with a given generator matrix, a general method has not still been provided for reaching to a generator matrix. In this paper, a method for producing a general generator matrix by using genetic algorithms is presented. Simulation results show the performance of the proposed algorithm.

    Keywords: Quantum LDPC, Quantum block stabilizer code, Genetic algorithms, Generator matrix
  • H.R. Keshavarz, M. Saniee Abadeh *
    In Web 2.0, people are free to share their experiences, views, and opinions. One of the problems that arises in web 2.0 is the sentiment analysis of texts produced by users in outlets such as Twitter. One of main the tasks of sentiment analysis is subjectivity classification. Our aim is to classify the subjectivity of Tweets. To this end, we create subjectivity lexicons in which the words into objective and subjective words. To create these lexicons, we make use of three metaheuristic methods. We extract two meta-level features, which show the count of objective and subjective words in tweets according to the lexicons. We then classify the tweets based on these two features. Our method outperforms the baselines in terms of accuracy and f-measure. In the three metaheuristics, it is observed that genetic algorithm performs better than simulated annealing and asexual reproduction optimization, and it also outperforms all the baselines in terms of accuracy in two of the three assessed datasets. The created lexicons also give insight about the objectivity and subjectivity of words.
    Keywords: Evolutionary Computation, genetic algorithms, Natural Language Processing, Prediction Methods, Sentiment Analysis
  • Fatemeh Fathallahi, Amir Abbas Najafi
    This paper studies a specific resource constrained project scheduling problem under uncertainty. To do so, the problem is investigated in fuzzy environment and the goal is to maximize the net present value of the project cash flows. The problem is first mathematically formulated. Then, a hybrid Genetic Algorithm is proposed and tuned to solve this NP-hard problem. The performance of the proposed algorithm is evaluated with comparing two well-known metaheuristic algorithms through a set of instances. Finally, comprehensive computational results are illustrated and the results are analyzed and discussed.
    Keywords: Discounted Cash Flows, Net present value, Fuzzy sets, Uncertainty, Genetic Algorithms
  • محمد علی بهشتی نیا*، امید گزانه
    یکی از منابع مهم انرژی که درسال های اخیر بسیار مورد توجه کشورهای پیشرفته دنیا قرارگرفته است انرژی حاصل از جریان باد است که بسیار ارزان، پاک، دردسترس و همیشگی می باشد. نحوه چیدمان و نصب توربین ها در مزرعه با توجه به محدودیت زمین و سرمایه نیاز به محاسبات دقیقی دارد تا بتوان بیشترین انرژی را از نیروگاه بدست آورد. در این پژوهش به تعیین مکان استقرار چیدمان توربین ها در یک مزرعه بادی به منظور دستیابی همزمان به به توان حداکثری مزرعه و حداقل نمودن هزینه کابل کشی بین توربین ها پرداخته شده است.در این مساله با در نظرگیری معادلات ویک (Wake)، اثراتی که توربین ها روی یکدیگر می گذارند نیز در نظر گرفته شده است. به منظور حل مساله یک الگوریتم ژنتیک جدید برای حل مساله ارائه شده است. به منظور بررسی عملکرد الگوریتم پیشنهادی، نتایج این الگوریتم با الگوریتم ژنتیک معمولی و چند جواب پایه مقایسه شده است. نتایج نشان از عملکرد بهتر الگوریتم ژنتیک پیشنهادی دارد.
    کلید واژگان: توربین، مزرعه بادی، حداکثر توان، معادلات ویک، الگوریتم ژنتیک، جانمایی
    Dr. Mohammad Ali Beheshtinia*, Omid Gazaneh
    Wind energy is an important source of energy that is very inexpensive, clean, and always is available which has been considered much by advanced countries in recent years. The layout of turbines to obtain the maximum energy from the wind farm regarding limited land and investment requires accurate calculations. To determine the location of turbines in a wind farm we have considered a hybrid model in which the objectives are to minimize the cost of cabling between the turbines and maximum power acquired from farm the same time. In this study Wake equations and the effects of turbines on each other are also considered. To solve the issue a new genetic algorithm is presented. In order to evaluate the performance of the proposed algorithm, the results of this algorithm is compared with typical genetic algorithm and several basic questions. The results showed that proposed algorithm has better performance.
    Keywords: Turbine, Wind farm, Maximum power, Wake equations, Genetic algorithms, Layout
  • فاطمه حسین خانی، بابک ناصرشریف
    در بازشناسی الگو، یکی از روش های افزایش دقت بازشناسی، بهره گیری از روش های متمایزساز است. این روش ها یا به صورت تبدیل متمایزساز بر ویژگی ها به کار می روند یا از روش های یادگیری متمایزساز برای آموزش دسته بند استفاده می کنند. به طور معمول معیار تبدیلات متمایزساز متفاوت با معیار آموزش و یا خطای دسته بندهای متمایز ساز است. در مقاله حاضر، برای هماهنگ کردن معیار تبدیل ویژگی و نیز معیار دسته بندی ماشین بردار پشتیبان روشی برای تخمین تبدیل ویژگی با استفاده از الگوریتم ژنتیک (GA) پیشنهاد می شود که معیار تبدیل آن کمینه کردن خطای دسته بندی ماشین بردار پشتیبان است. علاوه بر این، روشی برای تخمین تبدیل ویژگی با استفاده از الگوریتم ژنتیک دوهدفه، پیشنهاد می شود که معیار این تبدیل بیشینه شدن تمایز بین دسته ای (مطابق با معیار روش های تبدیل ویژگی) و کمینه کردن خطای دسته بندی ماشین بردار پشتیبان به صورت هم زمان است. ارزیابی بر روی دادگان UCI نشان می دهد که استفاده از معیارهای هم زمان خطای دسته بندی و تمایز بین دسته ای در تبدیل ویژگی سبب بهبود عملکرد تبدیلات ویژگی متمایزساز متداول در افزایش دقت دسته بندی ماشین بردار پشتیبان می شود؛ علاوه بر اینکه استفاده از تبدیل ویژگی با معیار خطای دسته بندی نسبت به دیگر روش های شناخته شده تبدیل ویژگی و نیز روش دوهدفه، دقت دسته بندی ماشین بردار پشتیبان را بیشتر افزایش می دهد.
    کلید واژگان: تبدیل ویژگی، متمایزسازی، ماشین بردار پشتیبان، الگوریتم ژنتیک، دسته بندی
    Fatemeh Hoseinkhani, Babak Nasersharif
    Discriminative methods are used for increasing pattern recognition and classification accuracy. These methods can be used as discriminant transformations applied to features or they can be used as discriminative learning algorithms for the classifiers. Usually, discriminative transformations criteria are different from the criteria of discriminant classifiers training or their error. In this paper, for relating feature transformation criterion to classification rate, we obtain a feature transformation method using genetic algorithm where we choose fitness function as Support Vectomr Machine(SVM) classification error rate. In addition, we obtain a feature transformation method using multi-objective genetic algorithm in order to consider both between class discrimination (According to feature transformation criterion) and support vector machine classification error rate simultaneously. Experimental results on UCI dataset indicate that using both classification error and between class discrimination in feature transformation improve discriminative feature transformations performance in increasing SVM classification accuracy. Additionally, the use of feature transformation with classification error criterion increases SVM classification more than other conventional feature transformation and proposed two-objective methods.
    Keywords: Feature Transformation, Discrimination, Genetic Algorithms, Classification, Support Vector Machine
  • Behzad Bahraminejad *, Mehrdad Dehghani, Sayed Ali Mousavi
    Rolling mill Industry is one of the most profitable industries in the world. Chatter phenomenon is one of the key issues in this industry. Chatter or rolling unwanted vibrations not only has an adverse effect on product quality, but also reduces considerably the efficiency with reduced rolling velocities of rolling lines.This paper is an attempt to simulate the phenomenon of Chatter more accurate than the previous performed simulations. In order to increase the production speed, it needs to avoid parameters which effect on the Chatter and varieties with the rolling lines condition. Actual values of these parameters were determined in the archives of the Mobarakeh two stand cold rolling mills and collected on the 210 case study of real chattering. To simulate the experiment, a neural network is trained and weights and bias values of the neural network with genetic optimization algorithm were used to get an optimal neural network which reduces bugs on the test data. So this model is capable to predict speed of Chatter threshold on rolling process of two stand cold rolling mill with the accuracy less than one percent. So it can be used in rolling process with the building intelligent recognition systems to prevent the creator conditions of the chatter frequency range.
    Keywords: Cold Rolling Mill, Chatter, Genetic Algorithms, Neural Networks
  • فریا نصیری مفخم، راضیه روغنی زاده
    امروزه دنیای موسیقی و هوش مصنوعی به واسطه پژوهش های انجام شده در هر دو حوزه به هم نزدیک تر شده اند. ساخت موسیقی با استفاده از راه کارهای موجود در هوش مصنوعی، زمینه پژوهشی جدیدی را ایجاد کرده است. ساخت خودکار موسیقی علاوه بر اینکه ما را در شناخت بهتر چگونگی تفکر موسیقیایی انسان یاری خواهد کرد، کمک شایان توجهی به آهنگ سازان و موسیقی دانان در بهبود تئوری های موسیقی با استفاده از قدرت محاسباتی کامپیوترها می کند و آهنگ سازان را نیز از آهنگ سازی های «نت به نت» رها خواهد ساخت. در این پژوهش، به ساخت موسیقی به شکل خودکار پرداخته می شود. ابتدا، با استفاده از زنجیره مارکوف و سیستم های لیندن مایر، یک سیستم آهنگ سازی خودکار پیاده سازی می شود که به دلیل ماهیت روش های مورد استفاده، به شکل بدون تنوع به تولید موسیقی می پردازد. ولی بر اساس الگوریتم ژنتیک با استفاده از جهش یکنواخت و توجه به برازندگی قطعه براساس آکوردها، نتایج سریع به سمت قطعات بهتر می روند. خلاقیت در ساخت موسیقی فراتر از مرزهای کنونی هوش مصنوعی است و برای دست یابی به نتایج بهتر، کار بسیاری در این زمینه هنوز پیش رو است.
    واژه های کلیدی: آکورد، الگوریتم ژنتیک، زنجیره ی مارکوف، ساخت موسیقی، سیستم لیندن مایر، هوش مصنوعی
    Faria Nassiri-Mofakham, Razie Roghanizadeh
    Nowadays، fields of music and artificial intelligence are closer together through research in both areas. Music composition using artificial intelligence (AI) solutions has created a challenging research area. Automatic music composition will not only help researchers understand human’s musical thinking، but also helps composers and musicians improve music theory significantly by using the computing power of computers. In this study، an automatic music composition is presented. The system is implemented by using Markov chain and Lindenmayer systems as well as genetic algorithm. Fitness evaluation of the generated music is achord-based. The evaluations show the fast evolution of the results by genetic algorithm using uniform mutation. Creativity in music composition is beyond the present borders of AI and much work is still ahead in this field.
    Keywords: artificial intelligence, chords, genetic algorithms, Lindenmayer systems, Markov chain, music composition
  • بهروز صبحانی*، عادل اکبری مجد، حسین شایقی
    تولیدات پراکنده که توسط اینورتر به شبکه متصل می شوند در شرایط متصل به شبکه به منظور کنترل توان اکتیو و راکتیو از مولفه dq جریان استفاده می کنند. در این مقاله یک روش ساده کنترل بر اساس کنترل پیش فاز-پس فاز برای تولیدات پراکنده در حالت جزیره ای پیشنهاد می گردد. در حالت اتصال به شبکه، به منظور کنترل توان اکتیو و راکتیو انتقالی به شبکه، تولید پراکنده توسط کنترل کننده جریانی dq کنترل می شود. اما زمانی که جزیره ای شدن اتفاق می افتد، کنترل کننده ابتدایی از مدار خارج شده و کنترل کننده پیشنهادی کنترل سیستم را بر عهده می گیرد. برای طراحی کنترل کننده ابتدا مسئله به صورت یک مسئله بهینه سازی نوشته می شود که شامل تابع هدف و قیود می باشد و سپس برای دستیابی به مطلوبترین کنترل کننده از روش الگوریتم ژنتیک برای تنظیم پارامترهای کنترل کننده استفاده می گردد. به منظور رسیدن به عملکرد مقاوم معیار انتگرال حاصلضرب زمان در سیگنال خطا (ITAE) به عنوان تابع هدف استفاده می شود. علاوه بر آن با رسم نمودار قطب-صفر و منحنی های فرکانسی مقاومت سیستم در مقایسه با کنترل کننده های قبلی مورد بررسی قرار می گیرد. نتایج شبیه سازی به ازای بارهای مختلف در حوزه زمان انجام می گیرد که نتایج بدست آمده قوام سیستم پیشنهادی را نمایش می دهد. کنترل کننده پیشنهادی توانایی بهبود رفتار و حفظ پایداری دینامیکی سیستم را به ازای نایقینی های مختلف بار دارد.
    کلید واژگان: تولیدات پراکنده، کنترل مقاوم، شرایط جزیره ای، الگوریتم ژنتیک، جبرانسازی پیشفاز، پسفاز
    Distributed generations that are connected to the network via a converter, employ dq current control method to control their active and reactive power components in grid-connected mode. In this paper a simple lead-lag control strategy is proposed for a distributed generation (DG) unit in island mode. When it is connected to the utility grid, the DG is controlled by a conventional dq-current control strategy for active and reactive power components. Once the islanding occurs, the dq-current controller is disabled and the proposed controller is used in order to for control of the DG unit operating with its local load. The problem of tuning of controller parameters is converted to an optimization problem with a time-domain objective function which is solved by a genetic algorithm. To achieve a robust performance ITAE criterion is used as objective function. The robustness of controller is proved by zero-pole diagram and frequency domain analysis. Simulations results under different operating conditions verify robustness of controller in comparison with a classical d-q based controller. The results reveal that the proposed control strategy has an excellent capability in achieving good robust performance and greatly enhances the dynamic stability of the system against load parameter uncertainties.
    Keywords: Distributed Generation, Robust controller, Islanding event, Genetic Algorithms, Lead, Lag compensation
  • صمد تقی پور بروجنی*، محمدحسین حجاره
    در این مقاله از روش چند تکه کردن آهنربا برای کاهش گشتاور دندانه موتورهای آهنربای سطحی استفاده شده است. در این روش هر قطب مغناطیسی با چند تکه کردن به چند بلوک تقسیم می شود. چند تکه کردن به دو طریق، یکی با اندازه تکه های برابر و دیگری با اندازه تکه های نابرابر انجام شده است. در هر دو روش تقارن نیم موج فرد در قطب های آهنربایی ماشین لحاظ شده است. با انتخاب مناسب طول هر بلوک آهنربایی و موقعیت آن می توان چگالی شار فاصله هوایی را تغییر و به تبع آن گشتاور دندانه را به مقدار قابل ملاحظه ای کاهش داد. طول و موقعیت مناسب هر تکه آهنربا با استفاده از الگوریتم ژنتیک به دست آمده است. در این مقاله یک مدل تحلیلی برای در نظر گرفتن اثر شکل آهنربا در چگالی شار فاصله هوایی ماشین آهنربایی شیاردار و گشتاور دندانه ارایه شده است. در این مدل چگالی شار فاصله هوایی از حل رابطه پواسون با در نظرگرفتن جریان های مجازی دیواره های دندانه های استاتور و گشتاور دندانه از رابطه تنش ماکسول به دست آمده است. از این مدل به عنوان ابزار محاسباتی در تمامی مراحل بهینه سازی استفاده شده است. درستی مدل تحلیلی ارایه شده توسط روش اجزای محدود تایید شده است.
    کلید واژگان: موتور آهنربایی سطحی، گشتاور دندانه، چند تکه کردن آهنربا، الگوریتم ژنتیک، مدل تحلیلی، روش اجزای محدود
    S. Taghipour Borojeni*, M. H. Hajjare
    In this paper, the segmentation method is used to reduce cogging torque in the surface-mounted permanent magnet machines. In this method the magnet pole is divided into several magnet blocks. The permanent magnet is segmented in two ways, equal- and unequal- size permanent magnet blocks. In the both methods the half-wave symmetry of the magnetic poles is applied. The dimension of the permanent magnet s is optimized to reduce the machine cogging torque using an analytical model combined with the genetic algorithm. The effect of the slotted armature is taken into account in the analytical model. The cogging torque is obtained from the air gap magnetic flux components and the Maxwell’s stress tensor. The model is obtained by solving the Poisson’s equation. This model is used as a fast tool to compute the objective function in the genetic algorithm. In addition, the validity of the proposed model is verified with finite element analysis.
    Keywords: Surface PM machines, Cogging torque, Genetic Algorithms, Analytical modeling, Finite element method
  • Ramin Rahnamoun

    Typographical data entry errors and incomplete documents, produce imperfect records in real world databases. These errors generate distinct records which belong to the same entity. The aim of Approximate Record Matching is to find multiple records which belong to an entity. In this paper, an algorithm for Approximate Record Matching is proposed that can be adapted automatically with input error patterns. In field matching phase, edit distance method is used. Naturally, it had been customized for Persian language problems such as similarity of Persian characters, usual typographical errors in Persian, etc. In record matching phase, the importance of each field can be determined by specifying a coefficient related to each field. Coefficient of each field must be dynamically changed, because of changes of typographical error patterns. For this reason, Genetic Algorithm (GA) is used for supervised learning of coefficient values. The simulation results show the high abilities of this algorithm compared with other methods (such as Decision Trees).

    Keywords: record matching, edit distance, data cleaning, genetic algorithms
  • Elham Yazdankhah*, Fardad Farokhi, Reza Sabbaghi Nadooshan

    Wireless sensor networks, due to the characteristics of sensors such as wireless communication channels, the lack of infrastructure and targeted threats, are very vulnerable to the various attacks. Routing attacks on the networks, where a malicious node from sending data to the base station is perceived. In this article, a method that can be used to transfer the data securely to prevent attacks is suggested. The selection based on optimal path by routing using genetic algorithm uses. The proposed optimal paths to transmit data perceived to have chosen and ensures reliable data transmission.

    Keywords: genetic algorithms, Wireless Sensor Networks, malicious nodes, intrusion detection
  • حسین ربیع، جواد عربی، بهزاد میرزاییان دهکردی، آرش کیومرثی، مهدی نیرومند مهدی نیرومند
    در این مقاله طراحی و ساخت کنترل سرعت موتور القایی سه فاز با روش V/f توسط کنترل کننده تناسبی- انتگرالی تنظیم شده با الگوریتم ژنتیک وکنترل کننده فازی در شرایط مختلف کاری مطرح می گردد و عملکرد این دو کنترل کننده در شرایط مختلف کاری، مانند تغییرات پله در سرعت مرجع یا در گشتاور بار به صورت عملی با هم مقایسه می شوند. پیاده سازی کنترل کننده ارایه شده در این مقاله، بر اساس پردازنده دیجیتال بوده و از تکنیک مدولاسیون پهنای پالس بردار فضایی برای کلید زنی استفاده شده است.
    کلید واژگان: کنترل کننده فازی، الگوریتم ژنتیک، روش V، f، مدولاسیون پهنای پالس بردار فضایی، پردازنده سیگنال دیجیتال
    H. Rabie, J. Arabi, B. Mirzaeian Dehkordi, A. Kiyoumarsi, M. Niroomand
    This paper presents experimental results of the V/f speed control for an induction motor under different operating conditions such as step changes in reference speed and the load torque. Genetic PI-based and Fuzzy-Logic-based controllers are considered. Then, the performances of these controllers are experimentally compared with each other under these different operating conditions.
    Keywords: Fuzzy Logic controller, Genetic algorithms, V, f method, SVPWM (Space Vector Pulse Width Modulation), DSP
  • Setareh Shafaghi, Reza Sabbaghi Nadooshan

    Nowadays Network-on-Chips is used instead of System-on-Chips for better performance. This paper presents a new algorithm to find a shorter path, and shows that genetic algorithm is a potential technique for solving routing problem for mesh topology in on-chip-network.

    Keywords: genetic algorithms, routing, on chip network
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