دانلود ترجمه مقاله الگوریتم بهینه سازی ازدحام ذرات مبتنی بر مالتی ایجنت ترکیبی برای توزیع اقتصادی برق
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:2010
تعداد صفحه ترجمه:13
تعداد صفحه فایل انگلیسی:9
موضوع انگلیسی :A hybrid multi-agent based particle swarm optimization algorithm
for economic power dispatch
موضوع فارسی:دانلود ترجمه مقاله الگوریتم بهینه سازی ازدحام ذرات مبتنی بر مالتی ایجنت ترکیبی برای توزیع اقتصادی برق
چکیده انگلیسی:This paper presents a new multi-agent based hybrid particle swarm optimization technique (HMAPSO)
applied to the economic power dispatch. The earlier PSO suffers from tuning of variables, randomness
and uniqueness of solution. The algorithm integrates the deterministic search, the Multi-agent system
(MAS), the particle swarm optimization (PSO) algorithm and the bee decision-making process. Thus making
use of deterministic search, multi-agent and bee PSO, the HMAPSO realizes the purpose of optimization.
The economic power dispatch problem is a non-linear constrained optimization problem. Classical
optimization techniques like direct search and gradient methods fails to give the global optimum solution.
Other Evolutionary algorithms provide only a good enough solution. To show the capability, the proposed
algorithm is applied to two cases 13 and 40 generators, respectively. The results show that this
algorithm is more accurate and robust in finding the global optimum than its counterparts
چکیده فارسی:
چکیده - این مقاله یک تکنیک بهینه سازی ازدحام ذرات مبتنی بر مالتی ایجنت ترکیبی (HMAPSO) را معرفی می‌کند که برای توزیع اقتصادی برق به کار گرفته شده است. روش قدیمی بهینه سازی ازدحام ذرات(PSO) دارای معایبی چون تنظیم متغیرها، تصادفی بودن و یکتایی پاسخ است. الگوریتم جدید تکنیک‌های جستجوی قطعی، سیستم مالتی ایجنت (MAS)، الگوریتم بهینه سازی ازدحام ذرات (PSO) و فرایند تصمیم گیری زنبوری را با هم ترکیب می‌کند. لذا به کمک جستجوی قطعی، بهینه سازی ازدحام ذرات مالتی ایجنت و زنبوری، HMAPSO قادر است بهینه سازی را تحقق دهد. مساله توزیع اقتصادی برق یک مساله بهینه سازی محدودشده غیرخطی است. تکنیک‌های بهینه سازی کلاسیک مثل روش‌های جستجوی مستقیم و گرادیان قادر نیستند پاسخ بهینه کلی را بدست دهند. سایر الگوریتم‌های تکاملی تنها یک پاسخ تا حدودی خوب را فراهم می‌کنند. برای نشان دادن توانمندی الگوریتم ارائه شده، این الگوریتم به مواردی با 13 و 40 ژنراتور اعمال می‌شود. نتایج نشان می‌دهد که ابن الگوریتم در یافتن پاسخ کلی نسبت به همتاهای خود بسیار صحیح و قوی‌تر است.
