شریف پژوه

درخت ها به ابزاری اجتناب ناپذیر برای ایده گرفتن و پیاده سازی و انتقال مفهوم در علم هوش مصنوعی و کامپیوتر تبدیل شده است . در پیاده سازی بسیاری از الگوریتم های مهم از درخت ها استفاده شده است و هرگونه بهبودی در استراتژی و الگوریتم های مربوط به درخت ها تاثیر بسیاری در سرعت اجرای برنامه ها خواهد داشت . در نوع خاصی از درخت ها به نام درخت تصمیم از روش جستجوی خصمانه جهت جستجو در درخت ها استفاده می شود. یکی از معایب الگوریتم های جستجوی خصمانه مصرف حافظه و پیچیدگی زمان اجرای آن ها در عمق زیاد است که هدف ما در این مقاله ارایه الگوریتمی جدید به نام Deepimax در جهت حل این مشکل می باشد . نتایج حاصل از پیاده سازی الگوریتم جدید نشان داد که این الگوریتم مصرف حافظه و پیچیدگی زمان اجرای کمتری برای جستجوها در عمق زیاد دارد.

به منظور توزیع مناسب منابع توان رأکتیو در شبکه قدرت روش های زیادی ارائه شده است. اهمیت این موضوع و تأثیر مستقیمی که بر کنترل توان در شبکه دارد، ارائه یک روش مفید، دقیق و ارزان را می طلبد. در این مقاله یک روش مؤثر و کارا برای توزع بهینه توان رآکتیو در شبکه بر اساس الگوریتم تکامل تفاضلی ارائه شده است که به طور هم زمان مسئله پخش بار اقتصادی را هم در شبکه قدرت حل می نماید. تابع هدف در مسئله توزیع توان رآکتیو متشکل از 3 پارامتر اصلی است که بر مقدار توان رأکتیو شبکه قدرت تأثیر مستقیم می گذارند که عبارتند از : تلفات اکتیو، پروفیل ولتاژ و پایداری ولتاژ. تابع هدف مسئله پخ بار اقتصادی هم مینیمم سازی هزینه سوخت است که برای سادگی تابعی درجه 2 از توان تولیدی نیروگاه ها در نظر گرفته شده است. در پایان هم الگوریتم پیشنهادی روی یک شبکه 12 باس پیاده سازی شده و نتایج آن ارائه گردیده است.

منطق فازی تکنولوژی جدیدی است که شیوه های مرسوم برای طراحی و مدل سازی یک سیستم را که نیازمند ریاضیات پیشرفته و نسبتا پیچیده ای است، با استفاده از مقادیر و شرایط زبانی با هدف ساده سازی و کارامد تر شدن طراحی سیستم جایگزین تا حدود زیادی تکمیل می نماید. در این پژوهش ضمن توضیح و تعریف مباحث مربوط به سیستم های گرید با استفاده از الگوریتم ژنتیک روشی برای تخصیص منابع بازار به برنامه ها و کروموزم ها ارایه داده شده است که می تواند نسبت به روش های قبلی برای زمانبندی منابع بازار در گریدهای اقتصادی، بار کاری و تعادل باری و بازه زمانی را کاهش دهد و در مقایسه با الگوریتم های قبلی که برای بهینه سازی زمانبندی منابع بازار در سیستم های گرید اقتصادی ارایه شده اند بهتر عمل کند و مشکلات روش های متمرکز، سلسله مراتبی و توزیع شده در زمانبندی منابع بازار در گریدهای اقتصادی را تا حد ممکن برطرف سازد. منابع این مهم با بهره گیری از روش طبقه بندی فازی برای برنامه ها انتخاب شده است. در انتها نتایج حاصل از روش پیشنهادی با روش های قبلی مانند QoS و Max-Min و Min-Min مقایسه شده و در نمودارهای مختلفی ارایه شده است. در الگوریتم پیشنهادی مناسب ترین منابع برای task انتخاب شده و الگوریتم پیشنهادی بهره وری بالاتری نسبت به سایر الگوریتم ها از نظر Make span یا بازه زمانی و بهره وری منابع بازار در کمترین زمان و همچنین کاهش بارکاری و تعادل بار را به همراه داشته است.