بررسی عملکرد دو الگوریتم ژنتیک (GA) و اجتماع ذرات (PSO) در بهینه سازی مسیله ی CGAM
محل انتشار: مجله ی مهندسی مکانیک شریف، دوره: 33، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 425
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SJME-33-1_013
تاریخ نمایه سازی: 1 مرداد 1397
چکیده مقاله:
نوشتار حاضر به مدل سازی ترمودینامیکی یک نیروگاه توربین گازی با توان تولیدی MW30 و 14(kg/s) بخار اشباع در فشار 20bar پرداخته است. این سیستم معروف به مسیله CGAM است. در مسیله ی CGAM تابع هدف شامل مجموع هزینه ی سرمایه گذاری و همچنین هزینه ی سوخت مصرفی است. در این نوشتار بهینه سازی با کمینه سازی تابع هدف و نیز به کارگیری الگوریتم ژنتیک و الگوریتم اجتماع ذرات به کمک نرم افزار متلب انجام می شود و در نهایت عملکرد این دو الگوریتم با یکدیگر مقایسه می شود. نتایج حاصل از مقایسه ی تعداد توابع ارزیابی شده (NFE) این دو الگوریتم نشان می دهد که سرعت همگرایی الگوریتم اجتماع ذرات در یافتن کمترین تابع هزینه نسبت به الگوریتم ژنتیک بالاتر است. همچنین در حل مسیله ی CGAM الگوریتم بهینه سازی اجتماع ذرات به لحاظ پیاده سازی، انعطاف پذیری، و سهولت برنامه نویسی به مراتب از الگوریتم ژنتیک تواناتر است.
کلیدواژه ها:
نویسندگان
مهدی کریمی
استادیار، دانشکده ی مهندسی مکانیک، دانشگاه بوعلی سینا، همدان
بهداد احرار یزدی
دانشجوی کارشناسی ارشد، دانشکده ی مهندسی مکانیک، دانشگاه بوعلی سینا، همدان
بهنام احرار یزدی
کارشناس ارشد، گروه مکانیک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات مرکزی، اراک