عنوان مقاله “یک الگوریتم خفاش ترکیبی چندهدفه برای ترکیب کردن پخش بار اقتصادی و آلودگی” می‌باشد
تعداد صفحات انگلیسی مقاله 13 صفحه
تعداد صفحات فارسی 37 صفحه تعداد کلمات:8068
Abstract: In this paper, a multiobjective hybrid bat algorithm is proposed to solve the combined economic/emission dispatch problem with power flow constraints. In the proposed algorithm, an elitist nondominated sorting method and a modified crowding-distance sorting method are introduced to acquire an evenly distributed Pareto Optimal Front. A modified comprehensive learning strategy is used to enhance the learning ability of population. Through this way, each individual can learn not only from all individual best solutions but also from the global best solutions (nondominated solutions). A random black hole model is introduced to ensure that each dimension in current solution can be updated individually with a predefined probability. This is not only meaningful in enhancing the global search ability and accelerating convergence speed, but particularly key to deal with high dimensional systems, especially large-scale power systems. In addition, chaotic map is integrated to increase the diversity of population and avoid premature convergence. Finally, numerical examples on the IEEE 30-bus, 118-bus and 300-bus systems, are provided to demonstrate the superiority of the proposed algorithm
چکیده: در این مقاله، یک الگوریتم خفاش ترکیبی چندهدفه برای حل مسئله پخش بار اقتصادی و آلودگی همراه با محدودیت جریان الکتریکی ارائه‌شده است. در الگوریتم پیشنهادی، یک روش مرتب‌سازی غیرمتعارف نخبه‌گرا و یک روش مرتب‌سازی فاصله از راه دور تغییریافته برای به دست آوردن جبهه مطلوب پارتو توزیع‌شده ارائه‌شده است. یک استراتژی یادگیری جامع اصلاح‌شده برای افزایش توانایی یادگیری جمعیت مورداستفاده قرار می‌گیرد. از این راه، هر فرد می‌تواند نه‌تنها از بهترین راه‌حل فرد بلکه از بهترین راه‌حل‌های کلی (پاسخ‌های مغلوب) یاد بگیرد. مدل تصادفی سیاه‌چاله معرفی‌شده است تا اطمینان حاصل شود که هراندازه در راه‌حل فعلی می‌تواند به‌صورت جداگانه با یک احتمال از پیش تعریف‌شده به‌روز شود. این نه‌تنها در افزایش قابلیت جستجوی کلی و سرعت بخشیدن به همگرایی معنادار است، بلکه مخصوصاً برای مقابله با سیستم‌های ابعادی، به‌ویژه در سیستم‌های بزرگ در مقیاس بزرگ، مهم است. علاوه بر این، نقشه آشفتگی برای افزایش تنوع جمعیت و جلوگیری از همگرایی زودهنگام یکپارچه‌شده است. درنهایت، نمونه‌های عددی در سیستم 30 باسه، 118باسه و 300 باسه IEEE برای نشان دادن برتر بودن الگوریتم پیشنهادشده ارائه‌شده است.
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
عنوان مقاله “یک الگوریتم خفاش ترکیبی چندهدفه برای ترکیب کردن پخش بار اقتصادی و آلودگی” می‌باشد
تعداد صفحات انگلیسی مقاله 13 صفحه
تعداد صفحات فارسی 37 صفحه تعداد کلمات:8068
Abstract: In this paper, a multiobjective hybrid bat algorithm is proposed to solve the combined economic/emission dispatch problem with power flow constraints. In the proposed algorithm, an elitist nondominated sorting method and a modified crowding-distance sorting method are introduced to acquire an evenly distributed Pareto Optimal Front. A modified comprehensive learning strategy is used to enhance the learning ability of population. Through this way, each individual can learn not only from all individual best solutions but also from the global best solutions (nondominated solutions). A random black hole model is introduced to ensure that each dimension in current solution can be updated individually with a predefined probability. This is not only meaningful in enhancing the global search ability and accelerating convergence speed, but particularly key to deal with high dimensional systems, especially large-scale power systems. In addition, chaotic map is integrated to increase the diversity of population and avoid premature convergence. Finally, numerical examples on the IEEE 30-bus, 118-bus and 300-bus systems, are provided to demonstrate the superiority of the proposed algorithm
چکیده: در این مقاله، یک الگوریتم خفاش ترکیبی چندهدفه برای حل مسئله پخش بار اقتصادی و آلودگی همراه با محدودیت جریان الکتریکی ارائه‌شده است. در الگوریتم پیشنهادی، یک روش مرتب‌سازی غیرمتعارف نخبه‌گرا و یک روش مرتب‌سازی فاصله از راه دور تغییریافته برای به دست آوردن جبهه مطلوب پارتو توزیع‌شده ارائه‌شده است. یک استراتژی یادگیری جامع اصلاح‌شده برای افزایش توانایی یادگیری جمعیت مورداستفاده قرار می‌گیرد. از این راه، هر فرد می‌تواند نه‌تنها از بهترین راه‌حل فرد بلکه از بهترین راه‌حل‌های کلی (پاسخ‌های مغلوب) یاد بگیرد. مدل تصادفی سیاه‌چاله معرفی‌شده است تا اطمینان حاصل شود که هراندازه در راه‌حل فعلی می‌تواند به‌صورت جداگانه با یک احتمال از پیش تعریف‌شده به‌روز شود. این نه‌تنها در افزایش قابلیت جستجوی کلی و سرعت بخشیدن به همگرایی معنادار است، بلکه مخصوصاً برای مقابله با سیستم‌های ابعادی، به‌ویژه در سیستم‌های بزرگ در مقیاس بزرگ، مهم است. علاوه بر این، نقشه آشفتگی برای افزایش تنوع جمعیت و جلوگیری از همگرایی زودهنگام یکپارچه‌شده است. درنهایت، نمونه‌های عددی در سیستم 30 باسه، 118باسه و 300 باسه IEEE برای نشان دادن برتر بودن الگوریتم پیشنهادشده ارائه‌شده است.
دانلود رایگان مقاله انگلیسی