منابع پایان نامه ارشد با موضوع علف های هرز، بهینه سازی، الگوریتم بهینه سازی، روش تحقیق

دانلود پایان نامه ارشد

نقلیه
فصلنامه اقتصاد انرژی ایران/ سال دوم/شماره 7/ تابستان 1392/صفحات170-147
در این تحقیق از تکنیک شبکه عصبی مصنوعی و مدل ARMAX استفاده شده است.نتایج حاکی از آن است که روش شبکه عصبی مصنوعی به مراتب از دقت بالاتری نسبت به مدل ARMAX برخوردار است.
قیمت،تولید ناخالص داخلی و ملی، سهم بخش حمل ونقل در مصرف سوخت
مجله دانش و توسعه (علمی-پژوهشی) / سال هفدهم/ شماره 34/ ویژه اسفند 1389
در این تحقیق مقدار تقاضای نفت کشور هندوستان از کشور ایران را با متغیر های مذکور اندازه گیری شده است و تاکید بیشتری بر متغیر قیمت شده است
جمع بندی مرور ادبیّات
بر اساس مطالعات مذکور، پیش بینی فرآورده های سوختی نفتی یکی از مباحث حائز اهمیّت در برنامه ریزی و سیاستگذاری در قسمت پخش این فرآورده ها می باشد.
به طورکلّی مرور ادبیات انجام شده بیانگر این موضوع است که در پیش بینی انرژی بیشتر از سری زمانی استفاده شده است. باتوجه به اینکه برای استفاده از مدل های سری زمان، ایستایی آنها مدنظر است و از آنجایی که بیشتر سری های زمانی اقتصادی غیر ایستا می باشند لذا مدل های سری زمان مشکل عمده ای برای پیش بینی دارند. از طرفی، مطالعات اخیر نشانگر آن است که روش های الهام گرفته از طبیعت، در حوزۀ پیش بینی موفق عمل نموده و نتایج بدست آمده توانمندی بالای این سیستم را در حوزۀ پیش بینی نشان می دهد. همچنین روش های الهام گرفته از طبیعت مشکل عمدۀ مدل های سری زمانی از نظر ایستایی را ندارند.
باتوجه به مطالعات انجام شده در زمینۀ پیش بینی فرآورده های سوختی، تا کنون پژوهشی با استفاده از سه الگوریتم IWO ، PSO ، ANN به صورت هم زمان صورت نگرفته است. لذا در این پایان نامه می توان نتایج سه الگوریتم را با یکدیگر مقایسه کرد.
فصل سوم: روش تحقیق

مقدمه
پژوهش را می توان به تجزیه و تحلیل، ثبت عینی و سیستماتیک مشاهدات کنترل شده که به پروراندن قوانین کلی، اصول، نظریه ها و همچنین به پیش بینی و یا احتمالاً به کنترل نهایی رویدادها منتج شود تعریف کرد “خاکی،1383”. تحقیق حاضر بر آن است که پس از شناسایی مسألۀ تحقیق، به جمع آوری اطلاعات موردنیاز برای پیش بینی تقاضا به وسیلۀ سه تکنیک قدرتمند الگوریتم علف های هرز، بهینه سازی توده ذرّات و شبکه های هوش مصنوعی پرداخته و سپس به تجزیه و تحلیل نتایج آن بپردازد. در این فصل نیز به معرفی و بحث پیرامون روش تحقیق، جامعه و نمونه آماری، ابزار گرداوری داده ها، در امر پژوهش پرداخته شده است.
روش تحقیق
از آنجایی که این تحقیق در یک سازمان واقعی، عین و زنده (پویا) صورت گرفته است و از نتایج آن می توان به طور عملی استفاده کرد، یک تحقیق کاربردی می باشد. هدف تحقیقات کاربردی توسعه دانش کاربردی در یک زمینه خاص است. به عبارت دیگر تحقیقات کاربردی به سمت کاربرد عملی دانش هدایت می شود “سرمد و دیگران،1382”. و از لحاظ نحوۀ گردآوری داده ها از نوع توصیفی می باشد. تحقیق توصیفی شامل مجموعه ای از روش هایی است که هدف آن توصیف کردن شرایط یا پدیده هایی مورد بررسی است. اجرای تحقیق توصیفی می تواند صرفا برای شناخت بیشتر شرایط موجود یا یاری دادن به فرآیند تصمیم گیری می باشد “سرمد و دیگران”. به عبارت دیگر نحوۀ جمع آوری داده‌ها یک بخش کتابخانه ای می باشد و بعد از آن داده ها براساس پایگاه داده شرکت نفت استخراج می شود و در نهایت از طریق نرم افزار برنامه نویسی متلب اجرا می شود.
تکنیک های مورد استفاده در تحقیق
الگوریتم بهینه سازی علف های هرز(IWO)
مقدمه
الگوریتم بهینه سازی علف های هرز یک الگوریتم بهینه سازی عددی، الهام گرفته از رشد علف های هرز می باشد. این الگوریتم در سال 2006 توسط محرابیان و لوکاس32 در قالب مقاله ای پیشنهاد شد. علف های هرز گیاهانی هستند که رشد هجوم آورنده و شدید آنها تهدید مهمی برای گیاهان زراعی محسوب می شود. علف های هرز بسیار پایدار و تطابق پذیر در مقابل تغییرات محیط می باشد. بنابراین با الهام گرفتن و شبیه سازی خصوصیات آنها می توان به یک الگوریتم بهینه سازی قوی رسید.
اکولوژی تولید مثل علف های هرز
علف های هرز گیاهانی هستند که در یک منطقۀ جغرافیایی مشخص به شکل سراسری و برجسته رشد می کنند به طوری که توسط بشر قابل حذف و کنترل نیستند. یک ادعایی که در مورد علف های هرز وجود دارد این است که علف های هرز همیشه برنده هستند. به طور کلی دلایل این ادعا را می توان به شکل زیر بیان کرد:
وجود علف های هرز بعد از هزاران سال از کشاورزی
وجود علف های هرز حتی بعد از استفاده از سموم مختلف
ظاهر شدن گونه های جدید علف های هرز به صورت گسترده روی زمین
تطبیق با محیط پیرامون خود
ویژگی های فوق نشان می دهد که علف های هرز گیاهانی قوی و مزاحم درکشاورزی هستند. همچنین نشان دهندۀ این واقعیت است که علف های هرز خود را با محیط تطبیق می دهند و برای رشد رفتار خود را تغییر می دهند. موفقیت علف های هرز، وابسته به اکولوژی و زیست شناسی آنها است.
شبیه سازی رفتار علف های هرز
مرحلۀ اول: پخش دانه در فضای مورد نظر
مرحلۀ دوم: رشد دانه ها با توجه به مطلوبیت(زاد و ولد) و پراکندگی محیطی
مرحلۀ سوم: ادامۀ حیات علف هایی با مطلوبیت بیشتر(حذف رقابتی)
مرحلۀ چهارم: ادامۀ پروسه تا رسیدن به گیاهان با بهترین مطلوبیت
جزئیات گام های الگوریتم بهینه سازی علف های هرز
مرحلۀ اول: تولید جمعیّت تصادفی اوّلیه و ارزیابی تابع هدف آنها
در این مرحله هر گیاه تعداد معیّنی دانه تولید می کند. تعداد دانه ای که هر گیاه مجاز است تولید کند به میزان برازندگی خود و همچنین ماکزیمم و مینیمم برازندگی کولونی علف های هرز بستگی داشته و این تعداد با افزایش میزان برازندگی به صورت خطّی افزایش خواهد یافت. روشن است که تعداد دانه های تولید شده توسط گیاه وابسته به میزان تناسب گیاه با محیط آن می باشد، این ارتباط به صورت خطّی است یعنی بهترین جواب از جمعیت جاری بیشترین جواب جدید را بدست می دهد و بدترین جواب منجر به تولید کمترین جواب جدید می شود. تعداد جواب ها بین این دو حد به صورت خطّی تغییر می کند.” محرابیان و لوکاس ،2006 “

شکل ‏31. شایستگی علف i ام
مرحلۀ دوم: تولید مثل بر مبنای شایستگی و به روز رسانی انحراف معیار
علف های هرز ممکن است با استفاده یا بدون استفاده از سلول های جنسی تولیدمثل انجام دهند که این امر بستگی به نوع گیاه دارد. تولیدمثل جنسی با استفاده از بذر ها (دانه33) یا هاگ ها انجام می شود. در تولیدمثل جنسی یک گیاه متولّد می شود و از زمانی که تخم بوسیلۀ گرده باربر می شود و به شکل یک دانه در گیاه والد در می آید، زندگی خود را آغاز می کند. سپس آن دانه توسط باد، آب ، حیوانات و غیره پراکنده (پراکندگی محیطی) می شود. تازمانی که دانه می تواند فضا و فرصتی برای رشد بیابد. دانه های مناسب زمانی که شرایط خوب باشد جوانه زده و شروع به رشد می‌کنند. آنها در تعامل با سایر گیاهان همسایه به روییدن خود ادامه می دهند تا زمانی که به گیاهانی بالغ تبدیل شوند. در مرحلۀ نهایی زندگی، آنها نیز به نوبۀ خود به گیاهان گلدار تبدیل شده و دانه تولید می کنند.
مرحلۀ سوم: حذف رقابتی
اگر یک گیاه تولید مثل نداشته باشد از بین خواهد رفت. بنابراین به یک رقابت بین گیاهان برای محدود کردن حداکثر تعداد گیاهان در کولونی نیاز است. بعد از تولید دانه ها در اطراف هر علف، فقط می توانیم به تعداد بیشینه گیاه از پیش تعیین شده (Pmax) از مجموع علف ها و دانه ها را به نسل بعدی انتقال دهیم. گیاهانی که شانس بقاء یافته اند مجدداً بازتولید شده و مراحل فوق را تکرار می کنند و به این ترتیب پاسخ های بدست آمده در هر تکرار از برازندگی بیشتری برخوردار است. این مکانیزم به گیاهان با تناسب پایین شانس تولیدمثل می دهد، و اگر دانه های تولید شده توسط آنها تناسب خوبی در کولونی داشته باشند آن وقت می توانند زنده بمانند. هنگامی که تعداد تکرار ها به حداکثر تعداد مجاز برسد این الگورتیم متوقّف می شود. البته تعداد بیشینۀ گیاه از پیش تعیین شده می تواند با تعداد جمعیت اولیه برابر باشد که در این صورت یکی از پارامترهای الگوریتم حذف می شود.
مرحلۀ چهارم: چک کردن شرایط خاتمه
انواع شرایط خاتمه در روش های فرا ابتکاری
رسیدن به حداقل قابل قبولی از پاسخ
در این مورد که یکی از شرط های توقف می باشد فرض کنید که کلّ هزینه های یک شرکت 1000 واحد پولی می‌باشد و مدیر شرکت تمایل دارد این هزینه به 800 واحد کاهش یابد که البته این مورد از دیدگاه مدیریت مقداری مطلوب است. قابل توجه است که مقدار 800 نقطۀ بهینه نمی باشد و ممکن است مقدار تابع هدف کمتر از 800 واحد نیز بشود. برای مثال در شکل نقطۀ A نقطۀ مطلوب از دیدگاه مدیریت را نشان می دهد که یکی از شرط های توقف می باشد.

شکل ‏32.
سپری شدن زمان/ تکرار معین
در این مورد برای به پایان رساندن الگوریتم یک میزان تکرار برای الگوریتم معرفی می کنیم. مثلاً در تکرار 100 الگوریتم به اتمام رسیده و تکرار های بعد از 100 را نیاز نداریم، هرچند که ممکن است مقدار تابع هدف بعد از تکرار معیّن بهبود یابد.

شکل ‏33
سپری شدن زمان/ تکرار معین بدون مشاهدۀ بهبود قابل ملاحظه در نتیجه
اگر در مواردی بعد از اجرای الگوریتم در تکرار های پی درپی مقدار تابع هدف بهبود نیابد یا به میزان غیر قابل توجه بهبود یابد الگوریتم متوقف می شود. مثلاً اگر با n بار تکرار از نقطۀ a تا b بهبود نیابد یا به میزان ناچیز که قابل توجه نباشد بهبود یابد الگوریتم متوقف می شود. در شکل از تکرار a تا تکرار b مقدار تابع هدف ثابت می باشد که باعث می شود الگوریتم متوقف شود.

شکل ‏34.
تعداد ارزیابی تابع هدف از پیش تعیین شده (NFE)34
در این روش فرض می شود در تحقیق از سه تکنیک الگوریتم ژنتیک ،الگوریتم توده ذرات و علف های هرز استفاده شده است و برای مقدار تابع هدف عدد ده هزار را در نظر می گیریم که ممکن است در هر الگوریتم در یک تکرار غیر قابل پیش بینی به مقدار تابع هدف از پیش تعیین شده دست یابند.
بررسی مشکلات الگوریتم بهینه سازی علف های هرز IWO
الگوریتم بهینه سازی علف های هرز هرچند که قدرت زیادی در پیش بینی دارد امّا دارای چندین نقطه ضعف می‌باشد. این الگوریتم در مرحلۀ حذف رقابتی، علف هایی را که از مطلوبیت کمتری برخوردار هستند با دانه های خودش که از مطلوبیت بیشتری برخوردارند جایگزین می کند. مشکل این الگوریتم اینجاست که دانه ها و علف های والد در یک منطقه از فضای جستجو هستند و این باعث می شود بعضی از مناطق ، مورد جستجو قرار نگیرد در حالی که بعضی دیگر بیش از حد مورد بررسی قرار می گیرد.
از دیگر ضعف های این الگوریتم این است که ، عملکرد IWO وابسته به نقاط اولیۀ جستجو می باشد. در طول فرآیند تکامل، دانه ها در اطراف علف های هرز والد خود پراکنده می شوند و جنبشی ندارند بنابراین برخی از مناطق ممکن است اصلاً مورد جستجو قرار نگیرند و این دو نقطه ضعف منجر به همگرایی زودرس می شود و الگوریتم قادر به پیدا کردن جواب بهینۀ سراسری بویژه برای مسائل چند مدله ، نخواهد شد.
نوآوری در الگوریتم بهینه سازی علف های هرز
در الگوریتم های تکاملی به طور ذاتی، جواب های بهتر دارای تابع هدف بهتری می باشند. (در اینجا بهتر بودن به معنای شانس بیشتر داشتن برای زنده ماندن و تولید مثل است)، بنابراین جواب های نامطلوب اجازه ندارند که تولیدمثل نمایند. بهرحال، این نوع دیدگاه این اصل مهم را که الگوریتم های تکاملی یک روش تکراری و احتمالی هستند را در نظر نمی گیرد و این احتمال وجود دارد که بعضی از جواب های نامطلوب اطلاعات بیشتری نسبت به جواب های مطلوب در طول فرآیند تکاملی دارا باشند. علاوه بر این ، اگر امکان بررسی جواب ها در منطقۀ غیرممکن وجود داشته باشد، شاید سیستم خیلی سریع تر و آسان تر به جواب بهینه دست یابد. در نتیجه تکنیک تولید مثل که توسط محرابیان و لوکاس ارائه شده شانس زندگی و تولید مثل را به راه حل های نامطلوب نیز می دهد.
اجزاء و پارامترهای الگوریتم بهینه

پایان نامه
Previous Entries منابع پایان نامه ارشد با موضوع روش حداقل مربعات، حمل و نقل، هوش مصنوعی، الگوریتم بهینه سازی Next Entries پایان نامه با کلید واژه های بازی رایانه ای، بازی های رایانه ای، میزان استفاده، همبستگی پیرسون