مقاله روش استخراج داده براي بهينه سازي سيستم هاي كارآمد
اين مقاله ديدگاه جديدي را براي طراحي سيستمهاي كارآمدي كه اطميناني نسبت به آنها وجود ندارد، ارائه ميكند. اين سيستمها براي كاهش قابل توجه كارهاي محاسباتي در طي بهينه سازي از استخراج دادهها و جاسازي مدلها استفاده ميكند. اين روش پيشنهادي به عنوان قسمتي از يك الگوريتم تصادفي، بازپخت و اصلاح شده اجرا ميشود، ولي مستقل از روش بهينه سازي به كار گرفته شده عمل ميكند.
براي نشان دادن محاسن اين روش، يك مثال عددي و يك سيستم مستقل توليد برق كه در آن از منابع انرژي تجديد پذير مصرف ميكند، استفاده شده است. نتايج بدست آمده حاكي از توانمندي و كارآيي روش از نظر كيفيت و عملكرد محاسباتي است.در سالهاي اخير روشهاي تحقيقات تصادفي مانند روش آنيلينگ تصادفي (StA) و الگوريتم ژنتيك تصادفي (SGA) [1-4] به منظور پرداختن به بهينه سازيهاي نامطمئن سيستمهاي پردازشگر ارائه شدهاند.
اين الگوريتم براي از بين بردن عدم اطمينان بوده و فلسفهي آن، توزيع احتمالات براي توليد نمونههايي است كه به صورت جداگانه به مدلهاي سيستم معرفي شدهاند. اين امر، شبيه سازي تاثيرات ناشي از پارامترهاي نامشخص در مشكلات بهينه سازي را امكان پذير ميكند. ظاهرا تعدادي از نمونههاي استفاده شده بسيار حائز اهميت ميباشند.
انتظار ميرود نمونههاي بسيار زيادي به ازاي كاهش هزينهي بازده محاسباتي، به عنوان شاخص واقعي پارامترهاي نامشخص باقي بمانند. و اين به دليل افزايش كارهاي محاسباتي مورد نياز براي شبيه سازي هر نمونه از طريق مدل سيستم بكار گرفته شده در طول بهينه سازي ميباشد. اين مسئلهي مهم قبلا [2,3] در طي استراتژيها و تكنيكهاي نمونههاي كارآمد بررسي شدهاند.اين استراتژيها و تكنيكها امكان برنامه ريزي براي نمونههاي مختلف از طزيق روش بهينه سازي را فراهم ميسازند.
نمونههاي كمتري امكان تكرار بهينه سازي اوليه را دارند، كه پس از توقف تدريجي الگوريتم بصورت قابل توجهي افزايش مييابد. با اين حال اگر از انتخاب تصادفي تعداد زيادي از نمونهها حتي تكرار بهينه سازي اوليه جلوگيري نشود، استفاده از آنها محاسبات قابل ملاحظهاي را ميطلبد. علاوه بر اين، تعداد زيادي از نمونههاي فسخ شده منجر به افزايش بار محاسباتي در مشكلاتي با مقياسهاي بزرگ شدهاند. اين مشكلات شامل جزئيات مدل سيستم و پيچيدگيهاي تركيبي ميشود.
در اين مقاله تركيب استفاده از استخراج داده و جاسازي مدل براي بهينه سازي پيشنهاد داده ميشود تا بتوان مديريت كارآمدي در روش نمونه گيري به منظور راه حلي براي پارامترهاي نامشخص اتخاذ كرد. شكل 1 اين روش پيشنهادي را به عنوان تغيير وسيعي در الگوريتم StA نشان ميدهد [1-3]. توالي جديد الگوريتمي در كادر خط چين شده مشخص شده است.
از آنجايي كه تغييرات ايجاد شده دخالتي در نتيجهي نهايي عمليات كه متمايز از الگوريتمهاي خاص هستند، مستقل از الگوريتمهاي بهينه سازي عمل ميكنند. اگرچه نمونهي همرسلي[3] در اين مقاله استفاده شده است، هر نمونهي ديگري نيز ميتواند در اين مورد صادق باشد.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.