منابع مقالات معتبر بین المللی
پروژه - فرمت وردمنابع مقالات معتبر بین المللی
پروژه - فرمت وردمسیریابی در شبکه پویا با استفاده از الگوریتم ژنتیک و الگوریتم موریانه…
چکیده
مسیریابی در شبکه پویا یک فعالیت چالش انگیز است، چون توپولوژی شبکه ثابت نمی باشد. این مسئله در این بررسی با استفاده از الگوریتم مورچه ای برای مد نظر قرار دادن شبکه هایی که از چنین بسته های اطلاعاتی استفاده می کنند، مطرح می گردد. مسیرهای ایجاد شده توسط الگوریتم انت (مورچه) به عنوان داده ورودی برای الگوریتم ژنتیک می باشد. الگوریتم ژنتیکی مجموعه ای از مسیرهای مناسب را پیدا می کند. اهمیت استفاده از الگوریتم مورچه ای، کاهش اندازه جدول مسیر می باشد. اهمیت الگوریتم ژنتیک بر مبنای اصل تکامل مسیرها به جای ذخیره مسیرهای از پیش محاسبه شده می باشد.
کلیدواژه: مسیریابی، الگوریتم مورچه ای، الگوریتم ژنتیکی، معبر، جهش، هر یک از این موارد در زیر به بحث گذاشته می شود.
مقدمه
مسیریابی به عنوان فرایند انتقال بسته ها از گره مبدا به گره مقصد با هزینه حداقل می باشد. از این رو الگوریتم مسیریابی به دریافت، سازماندهی و توزیع اطلاعات در مورد وضعیت شبکه می پردازد. این الگوریتم به ایجاد مسیرهای عملی بین گره ها پرداخته و ترافیک داده ها را در بین مسیرهای گلچین شده ارسال کرده و عملکرد بالایی را حاصل می کند. مسیریابی به همراه کنترل تراکم و کنترل پذیرش به تعریف عملکرد شبکه می پردازد. الگوریتم مسیریابی می بایست دارای اهداف کلی از استراتژی مسیریابی بر مبنای اطلاعات سودمند محلی باشد. این الگوریتم همچنین می بایست کاربر را در مورد کیفیت خدمات راضی نگه دارد. بعضی از روش های مطرح شده برای رسیدن به این اهداف عبارتند از شبیه سازی حشرات اجتماعی و شبکه بسته شناختی. این دو روش از جدول مسیریابی احتمالات استفاده کرده و این امکان را به بسته ها می دهد تا به بررسی و گزارش توپولوژی و عملکرد شبکه بپردازند. دوریگو ام و دی کارو جی، شبکه مورچه ای را به عنوان روشی برای مسیریابی در شبکه ارتباطات مطرح می کنند. ار اسکوندر وورد، اون هالند، جانت (مورچه) بروتن و لئون روسکرانت، در مقاله شان به بحث در مورد حاصل شدن توازن ظرفیت در شبکه های ارتباطاتی با استفاده از الگوریتم مورچه ای می پردازند. تونی وارد در مقاله تخصصی اش به شرح این موضوع می پردازد که چگونه عوامل محرک بیولوژیکی می تواند برای حل مشکلات مدیریتو کنترل در ارتباطات مورد استفاده قرار گیرد. هدف این مقاله ایجاد راه حلی با استفاده از الگوریتم مورچه ای (استعاره حشره اجتماعی) و بهینه سازی راه حل با استفاده از الگوریتم های ژنتیکی می باشد. الگوریتم مورچه ای دسته ای از تراکم اطلاعاتی می باشد. تراکم اطلاعاتی روش جایگزینی را در ارتباط با طراحی سیستم اطلاعاتی ارائه می دهد که در آن عملیات خودگردانی، ظهور و توزیع جایگزین کنترل، پیش برنامه ریزی و تمرکز می گردد. این روش تمرکزش را بر روی توزیع، انعطاف پذیری، توانمندی و ارتباطات مستقیم و غیرمستقیم در میان عوامل نسبتا ساده قرار می دهد. الگوریتم ژنتیک به عنوان الگوریتمی می باشد که در آن جمعیت مرتبط با هر گره در مجموع برای حل مشکلات مشارکت دارد.
مطالب مرتبط
تکنیک پخش بار بهینه جریان توان پیوندی (هیبرید)…
چکیده
در این مقاله یک مدل پخش بار بهینه (OPF) با جریان توان پیوندی مبنی بر تزریق جریان معادل (ECI) ارایه شده، و نیز الگوریتم نقطه داخلی پیشبینی کننده تصحیح کننده (PCIPA) ، به منظور بکارگیری OPF (پخش بار بهینه) برای حل مسایل برنامه نویسی غیر خطی (NLP) عنوان شده است. همچنین روش ارایه شده را می توان به دو زیر مساله، تجزیه کرد. نتایج محاسباتی باس های IEEE 9 تا 300 نشان دادند که الگوریتم ارایه شده می تواند با بهبود تعداد تکرارها، ذخیره سازی های حافظه، و زمان CPU، باعث بهبود عکلکرد شود.
کلیدواژگان:ه: تزریق جریان معادل، برنامه نویسی غیرخطی، پخش بار بهینه، الگوریتم نقطه داخلی پیشبینی کننده تصحیح کننده
مقدمه
پخش بار بهینه برای نخستین بار در سال 1962 مورد بحث قرار گرفت [1] و مدت ها طول کشید تا به یک الگوریتم پرکاربدی که در کاربردهای روزانه بکار رود، تبدیل شود [2] و [3]. OPF را می توان نه تنها در برنامه ریزی سیستم بکاربرد، بلکه می توان آن را در عملکرد لحظه ای سیستم های قدرت، در محیط حذف نظارت دولت نیز اعمال کرد. مرجع [4]، یک معرفی کلی از تکنیک های روش تکرار لامبدا، روش گرادیان، روش نیوتون، و برنامه نویسی خطی (LP) به منظور حل مسایل OPF ارایه داده است. با انتشار Karmarkar [5] در سال 1984، الگوریتم های نقطه داخلی (IPA) زیادی برای برنامه نویسی خطی و برنامه نویسی درجه دوم (QP) ارایه شده است. در سال های اخیر، الگوریتم نقطه داخلی اولیه دوگانه، بطور گسترده به منظور حل مسایلی همچون [6]، [7]، پیشبینی حالت [8]، OPF با امنیت محدود [9]، و پخش بار راکتیو بهینه [10] بکار رفته است. نتایج عددی نشان می دهند که PCIPA توانایی زیادی برای حل مسایل عملکرد و برنامه ریزی سیستم قدرت در مقایسه با روش های مرسومی همچون روش نیوتون [11] دارد.
مطالب مرتبط
- یک تکنیک پخش بار بهینه ی جریان-توان پیوندی (هیبرید)
- ترجمه مقاله یک تکنیک پخش بار بهینه ی جریان-توان پیوندی (هیبرید)
- تعهد واحد توسط برنامه نویسی دینامیک (بهینه سازی برنامه ریزی…
- تعهد واحد توسط برنامه نویسی دینامیک برای بهینه سازی برنامه ریزی…
- تعیین اندازه بهینه سیستم ذخیره سازی انرژی با در نظر داشتن قابلیت…
یک تکنیک پخش بار بهینه ی جریان-توان پیوندی (هیبرید)…
چکیده__ در این مقاله یک مدل پخش بار بهینه (OPF) با جریان-توان پیوندی مبنی بر تزریق جریان معادل (ECI) ارایه شده، و نیز الگوریتم نقطه داخلی پیشبینی کننده-تصحیح کننده (PCIPA) ، به منظور بکارگیری OPF (پخش بار بهینه) برای حل مسایل برنامه نویسی غیر خطی (NLP) عنوان شده است. همچنین روش ارایه شده را می توان به دو زیر مساله، تجزیه کرد. نتایج محاسباتی باس های IEEE ۹ تا ۳۰۰ نشان دادند که الگوریتم ارایه شده می تواند با بهبود تعداد تکرارها، ذخیره سازی های حافظه، و زمان CPU، باعث بهبود عکلکرد شود.
کلیدواژگان: تزریق جریان معادل، برنامه نویسی غیرخطی، پخش بار بهینه، الگوریتم نقطه داخلی پیشبینی کننده-تصحیح کننده.
پروژه کارشناسی ارشد برق
فایل محتوای:
- اصل مقاله لاتین ۹ صفحه IEEE
- متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش ۲۹ صفحه