دانلود ترجمه مقاله مسئله پخش بار اقتصادی براساس الگوریتم بهینه سازی جستجو و نجات

1. مقدمه 2. مسئله پخش بار اقتصادی 3. روش و الگوریتم جستجو و نجات 4. نتایج تحلیل عددی 5. نتیجه گیری و کارهای آتی

چکیده – الگوریتم بهینه سازی جستجو و نجات (SAR)، یک الگوریتم فرا ابتکاری جدید است که از رفتار جستجو برای انسان ها در کل فرآیندهای جستجو و نجات، الهام گرفته است. SAR برای حل «مسئله ترکیبی پخش توان اقتصادی و تولید آلودگی» (CEED) و «پخش بار اقتصادی» (ELD)، بکار گرفته شده است. بررسی مقایسه ای عملکرد SAR در مقایسه با چندین روش فراابتکاری برای ارزیابی قابلیت اطمینان آن، انجام شد. این الگوریتم ها شامل الگوریتم بهینه سازی کرم خاکی (EWA)، بهینه ساز گرگ خاکستری (GWO)، الگوریتم ازدحام تونیکات (یک جانور دریایی) (TSA) و بهینه سازی خوراک جویی فیل (EHO) برای مطالعه دو شبکه یکسان، می باشند. همچنین، روش SAR پیشنهادی با دیگر الگوریتم های موجود در مقالات، مانند الگوریتم سینوس کسینوس، بهینه سازی پروانه پادشاه، کولونی زنبور مصنوعی، الگوریتم بهینه سازی شامپانزه، الگوریتم جستجوی پروانه، مقایسه می شود. هفت مطالعه موردی در این مقاله بکار گرفته می شوند: 3 مورد 6 واحدی برای مسئله ELD، سه مورد 6 واحدی برای مسئله CEED و 10 واحدی برای مسئله ELD. ارزیابی همتایان برای 30 اجرای مختلف براساس سنجش آزمون رتبه فریدمن و منحنی های استواری، انجام می شود. علاوه بر آن، انحراف معیار، تابع هدف بیشینه، کمینه، میانگین و مقادیر برروی 30 اجرای مختلف برای تحلیل آماری همه روش های استفاده شده، بکار گرفته می شوند. نتایج بدست آمده، برتری SAR در تعیین تابع برازش ELD و CEED در کمینه سازی هزینه سوخت برای ELD و هزینه های آلودگی و سوخت برای CEED را اثبات کردند.

The Search and Rescue optimization algorithm (SAR) is a recent metaheuristic inspired by the exploration’s behaviour for humans throughout search and rescue processes. The SAR is applied to solve the Combined Emission and Economic Dispatch (CEED) and Economic Load Dispatch (ELD). The comparative performance of SAR against several metaheuristic methods was performed to assess its reliability. These algorithms include the Earthworm optimization algorithm (EWA), Grey wolf optimizer (GWO), Tunicate Swarm Algorithm (TSA) and Elephant Herding Optimization (EHO) for the same two networks study. Also, the proposed SAR method is compared with other literature algorithms such as Sine Cosine algorithm, Monarch butterfly optimization, Artificial Bee Colony, Chimp Optimization Algorithm, Moth search algorithm. The cases applied in this work are seven cases: three cases of 6-unit for ELD issue, three cases of 6-unit for CEED issue and 10-unit for ELD problem. The evaluation of counterparts is performed for 30 different runs based on measuring the Friedman rank test and robustness curves. Furthermore, the standard deviation, maximum objective function, minimum, mean and values over 30 different runs are applied for a statistical analysis of all used techniques. The obtained results proved the superiority of the SAR in determining the fitness function of ELD and CEED is minimizing the cost of fuel for ELD and emission and fuel costs for CEED.

ترجمه این مقاله در 25 صفحه آماده شده و در ادامه نیز صفحه 11 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.