چکیده
این مقاله یک روش بهبود یافته بهینه سازی تجمع زنبور عسل را جهت حل مساله توزیع اقتصادی پویای واحدهای حرارتی پیشنهاد می دهد به نحوی که در آن اثرات نقطه دریچه ای (valve-point effect) ، محدودیت های نرخ شیب و تلفات انتقال توان در نظر گرفته می شوند. الگوریتم بهینه سازی تجمع زنبور عسل برخلاف اغلب الگوریتم های جمعیت محور، الگوهای حرکت متفاوتی را جهت جستجوی فضای محتمل پاسخ به کار می گیرد. این ویژگی توازن موثری را بین جستجو و بهره برداری به وجود می آورد. نسخه های تغییر داده شده متفاوتی برای الگوهای حرکتی در روش بهینه سازی تجمع زنبورهای عسل پیشنهاد شده اند که هدف آنها جستجوی موثرتر فضای محتمل بوده است. کارایی روش با استفاده از سه سیستم تست با 30، 10 و 60 واحد که به ترتیب دربردارنده 720، 240 و 1440 متغیر طراحی بوده اند ارزیابی شده است. مورد آخر را می توان به عنوان یک سیستم توان با مقیاس بزرگ در نظر گرفت. نتایج با دیگر کارهای انجام شده در این حوزه مقایسه شده اند و برتری روش پیشنهادی نتیجه گیری شده است.
واژگان کلیدی: توزیع اقتصادی پویا (DED) ، بهینه سازی بهبود یافته تجمع زنبورهای عسل (EBSO) ، محدودیت های نرخ شیب، اثرات نقطه دریچه ای
مقدمه
توزیع اقتصادی پویا (DED) یکی از موارد مهم بهینه سازی در عملکرد سیستم های قدرت است و هدف آن این است که بار درخواستی پیش بینی شده را در یک دوره زمانی ویژه به گونه ای به مولدهای موجود اختصاص دهد که در عین حالی که بهترین شرایط اقتصادی محقق گردد، همزمان محدودیت های عملکردی و فیزیکی نیز اقناع گردند. DED با در نظر گرفتن محدودیت های متفاوت برای مدلسازی دقیق تر، ویژگی های غیر محدبی را از خود نشان می دهد [2 [, [1]. روش های متفاوتی در متون جهت پاسخ دادن مساله DED پیشنهاد شده اند. روش های مرسوم [4], [3] قادر به دادن پاسخ های بهینه نمی باشند که این مساله به دلیل ویژگی های غیر محدب و غیرخطی مساله DED می باشد. به علاوه این روشها از لحاظ محاسباتی پیچیده می باشند و ممکن است که در مینیمم های محلی گیر بیفتند. در طی چندین سال گذشته تحقیقات بر استفاده از روشهای اکتشافی (ابتکاری) جهت حل مساله DED متمرکز بوده است [5].
خلاصه
مشکلات 1، 2، 3 ذکر شده در بخش 3.3.3، اجرای جلوگیری از بن بست ها (وقفه ها) را در سیستم های واقعی پیچیده می کند. روش جدید ما برای ادغام شناسایی این بن بست ها و اجتناب از آن ها (اگرچه نیازمند اطلاعات پیشرفته نمی باشد، دانش مقدماتی از شرایط منابع) ، سهمی در سازگاری راحت تر جلوگیری از این بن بست ها در MPSoC، با تطبیق حداکثر آزادی به همراه مزایای های اجتناب از این بن بست ها، دارد (یعنی همزمانی حداکثر درخواست ها و تایید آن بستگی به مسیرهای اجرایی خاص دارد).
DAU از این بن بست ها بدون مجوز به درخواست دیگری که منجر به بن بست می گردد، جلوگیری می کند. در مورد تغییر مسیر که در نتیجه تلاش به منظور جبوگیری از بن بست ها می باشد، DAU از یکی از پردازشگرهای مرتبط با این تغییر مسیر می خواهد تا منابع را منتشر کرده به گونه ای که این تغییر مسیر مشخص گردد.
خلاصه
این مقاله الگوریتم جدیدی را در ارتباط با کاهش پیچیدگی های محاسباتی در تشخیص صدای افراد بر مبنای چارچوب مدل گویش ترکیبی گاوس ارائه می کند. در ارتباط با موارد کاربردی که در آن ها سلسله مراتب مشاهدات کلی مد نظر قرار می گیرد، به توضیح این مطلب می پردازیم که بررسی سریع مدل های احتمالی تشخیص صدا از طریق تنظیم توالی زمانی بردارهای مشاهداتی مورد استفاده برای بروزرسانی احتمالات جمع آوری شده مربوط به هر مدل گوینده، حاصل می گردد. رویکرد کلی در استراتژی جستجوی مقدماتی ادغام می شود، و نشان داده شده است که باعث کاهش زمان برای تعیین هویت گوینده از طریق فاکتورهای 140 بر روی روش های جستجوی استاندارد کلی و فاکتور شش با استفاده از روش جستجوی مقدماتی شده است. که گویندگان را از مجموع 138 گوینده دیگر تشخیص می دهد.
مقدمه
توانایی تشخیص صدای هر فرد اخیرا در تحقیقات پیشین مورد توجه قرار گرفته است. کاربرد های شناسایی و تشخیص صدای هر فرد در ارتباط با تماس های تلفنی، امنیت کامپیوتری و همچنین دسترسی به اسناد مهم بر روی اینترنت می باشد. استفاده از مدل ترکیبی گاوس برای تعیین هویت گویندگان عملکردهای قابل مقایسه ای را در ارتباط با تکنیک های موجود دیگر ایجاد کرده است. برای نمونه، میزان خطا در ارتباط با 138 گوینده به میزان 0.7% کاهش نشان داده است. به هر حال با افزایش اندازه جمعیت و ابزارهای آزمایشی، هزینه محاسباتی اجرای این بررسی ها به طور اساسی افزایش داشته است. این مقاله مسئله کاهش پیچیدگی های محاسباتی شناسایی هویت گوینده را با استفاده از جستجوی مقدماتی همراه با تنظیملت جدید سلسله مراتب مشاهدات مد نظر قرار می دهد.
خلاصه
این مقاله الگوریتم جدیدی را در ارتباط با کاهش پیچیدگی های محاسباتی در تشخیص صدای افراد بر مبنای چارچوب مدل گویش ترکیبی گاوس ارائه می کند. در ارتباط با موارد کاربردی که در آن ها سلسله مراتب مشاهدات کلی مد نظر قرار می گیرد، به توضیح این مطلب می پردازیم که بررسی سریع مدل های احتمالی تشخیص صدا از طریق تنظیم توالی زمانی بردارهای مشاهداتی مورد استفاده برای بروزرسانی احتمالات جمع آوری شده مربوط به هر مدل گوینده، حاصل می گردد. رویکرد کلی در استراتژی جستجوی مقدماتی ادغام می شود، و نشان داده شده است که باعث کاهش زمان برای تعیین هویت گوینده از طریق فاکتورهای 140 بر روی روش های جستجوی استاندارد کلی و فاکتور شش با استفاده از روش جستجوی مقدماتی شده است. که گویندگان را از مجموع 138 گوینده دیگر تشخیص می دهد.
مقدمه
توانایی تشخیص صدای هر فرد اخیرا در تحقیقات پیشین مورد توجه قرار گرفته است. کاربرد های شناسایی و تشخیص صدای هر فرد در ارتباط با تماس های تلفنی، امنیت کامپیوتری و همچنین دسترسی به اسناد مهم بر روی اینترنت می باشد. استفاده از مدل ترکیبی گاوس برای تعیین هویت گویندگان عملکردهای قابل مقایسه ای را در ارتباط با تکنیک های موجود دیگر ایجاد کرده است. برای نمونه، میزان خطا در ارتباط با 138 گوینده به میزان 0.7% کاهش نشان داده است. به هر حال با افزایش اندازه جمعیت و ابزارهای آزمایشی، هزینه محاسباتی اجرای این بررسی ها به طور اساسی افزایش داشته است. این مقاله مسئله کاهش پیچیدگی های محاسباتی شناسایی هویت گوینده را با استفاده از جستجوی مقدماتی همراه با تنظیملت جدید سلسله مراتب مشاهدات مد نظر قرار می دهد.