چکیده
این مقاله در مورد پیاده سازی شبکه های عصبی Hopfield برای حل مسایل مربوط به محدودیت رضایت با استفاده از آرایه های گیت قابل برنامه ریزی میدان FPGA بحث می کند. این مقاله در مورد روش های فرمول بندی این مسایل همانند شبکه های عصبی گسسته بحث می کند، و سپس مساله N queen را با استفاده از فرمولبندی به دست آمده تشریح می کند. سرانجام، نتایج ارایه شده زمان های محاسبه یک کامپیوتر معمولی برای شبیه سازی اجرای شبکه Hopfield بر روی یک فضای کاری باکیفیت، مقایسه می کنند. در این روش، رشد پیشرفت قابل مشاهده می باشد که نشان می دهد حداکثر رشد 2 تا 3 برابر دامنه با استفاده از ابزارهای FPGA ممکن می باشد.
کلیدواژه: شبکه عصبی هوپفیلد، آرایه های گیت قابل برنامه ریزی میدان، مساله N queen
مقدمه
بسیاری از مسایل بهینه سازی تجارت و صنعت در عمل را می توان با استفاده از متغیرهای تصمیم گیری دودویی (باینری) ، به عنوان مسایل برنامه نویسی استاندارد ریاضی فرمول بندی کرد. حل این مسایل به دلیل طبیعت عصب سخت پیچیدگی آنها (NP hard) نیاز به بکاربری از فن آوری های هوشمند و الگوریتم های تقریبی دارند؛ در سال 1985 شبکه های عصبی برای حل این مشکل ارایه شدند، اما باز هم مسایلی همچون کیفیت ضعیف راه حل ها و عدم تضمین راه حل نهایی عملی مشکل ساز بودند. این مسایل اولیه امروزه برطرف شده اند. روش هایی برای کمک به شبکه عصبی Hopfield تا حداقل عملکرد انرژی ناحیه ای را تامین کند، ارایه شده اند و ساختار مناسب این عملکرد انرژی عملی بودن راه حل را تضمین می کند. با استفاده از این پیشرفت ها، نتایج شبکه عصبی به دست آمده اند که به طور موثری (و حتی بهتر) با دیگر فن آوری های هوشمند معروف مانند بازپخت شبیه سازی شده، رقابت می کنند.
چکیده این مقاله، یک برنامه ریزی توان میکروشبکه برای ۲۴ ساعت آینده را با استفاده از تکنیک تعهد واحد، توسط برنامه نویسی دینامیک، ارایه می دهد. سیستم تحت مطالعه، تشکیل شده از ۱۲ ژنراتور فعال مبنی بر PV (پیل خورشیدی) مجهز به ذخیره سازی، و سه میکروتوربین گازی، می باشد. طبق پیشبینی انرژیِ موجود از ژنراتور خورشیدی، در دسترس بودنِ انرژی ذخیره شده، مشخصه های انتشار میکروتوربین و پیشبینی بار، یک سیستم مدیریت انرژی مرکزی، برنامه ۲۴ ساعته آینده ی مراجع توان را برای سه میکروتوربین گازی و ژنراتورهای فعال، محاسبه می کند تا انتشار معادل CO۲ توربین های گازی، کمینه شود.
کلیدواژگان: شبکه هوشمند، انرژی تجدیدپذیر، بهینه سازی، کمینه کردن انتشار، مدیریت انرژی، تعهد واحد برنامه نویسی دینامیک
پروژه کارشناسی ارشد برق
فایل محتوای:
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.
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: