چکیده :

 الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده آن برگرفته از طبیعت می باشد . نسل های موجودات قوی تر بیشتر زندگی می کنند و نسل های بعدی نیز قوی تر می شوند به عبارت دیگر طبیعت افراد قوی تر را برای زندگی بر می گزیند. در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند.

مسئله ی کاهش آلاینده های Cox ، NOx و Sox در کوره های صنعتی ، یکی از مسائل بهینه سازی می باشد، که هدف آن بهینه کردن عملکرد کوره های احتراقی بر حسب پارامترهای درصد هوای اضافی (E) و دمای هوای خروجی از پیش گرمکن (T) ، به منظور کاهش میزان آلاینده های تولید شده در اثر انجام عملیات احتراق است.

در این پایان نامه ابتدا مروری بر مفاهیم مقدماتی الگوریتم های ژنتیک کرده سپس مشخصات کلی مسئله عنوان می شود، در انتها مسئله ی مورد نظر توسط الگوریتم ژنتیک اجرا و نتایج آن با روش تابع پنالتی مقایسه می شود.

فهرست مطالب

عنوان              صفحه

فصل اول –  مقدمه ……………………………………………..

۱-۱-    مقدمه  

فصل دوم –  مقدمه ای بر الگوریتم ژنتیک………………………………………..

۲-۱-          مقدمه

۲-۲-          پیشینه

۲-۳-          اصطلاحات زیستی

۲-۴-          تشریح کلی الگوریتم ژنتیک

۲-۵-          حل مسأله با استفاده از الگوریتم ژنتیک

۲-۶-          اجزای الگوریتم ژنتیک

۲-۶-۱- جمعیت

۲-۶-۲- کدگذاری

              ۲-۶-۲-۱-     کدگذاری دودویی

              ۲-۶-۲-۲-      کدگذاری مقادیر

              ۲-۶-۲-۳-      کدگذاری درختی

۲-۶-۳- عملگرهای الگوریتم ژنتیک

             ۲-۶-۳-۱-       fitness (برازش)

         ۲-۶-۳-۲-      selection  (انتخاب)

            ۲-۶-۳-۳-   crossover    (ترکیب)

           ۲-۶-۳-۴-  mutation     (جهش)

۲-۷-          مفاهیم تکمیلی

         ۲-۷-۱- برتری ها و ضعف های الگوریتم ژنتیک

         ۲-۷-۲- نکات مهم در الگوریتم های ژنتیک

         ۲-۷-۳- نتیجه گیری

فصل سوم – کاهش اثرات زیست محیطی آلاینده های Cox، NOx و SOx در کوره ها………..

۳-۱-          مقدمه

۳-۲-          احتراق

۳-۲-۱-   روش محاسبه ترکیبات تعادلی با استفاده از ثابت تعادل

۳-۲-۲-   روش محاسبه دمای آدیاباتیک شعله

۳-۲-۳-   انتخاب سیستم شیمیایی

۳-۲-۴-   تأثیر دمای هوا و میزان هوای اضافی بر تولید محصولات

۳-۳-          بهینه سازی

۳-۳-۱-   روش های حل مسائل بهینه سازی

۳-۳-۲-   روش تابع پنالتی

۳-۳-۳-   الگوریتم حل تابع پنالتی

۳-۴-          برنامه ی کامپیوتری و مراحل آن

۳-۵-          تشکیل تابع هدف

۳-۶-          تشکیل مدل مسئله بهینه سازی

۳-۷-          روش حل

فصل چهارم – توضیحاتی در رابطه با gatool نرم افزار مطلب…………….

۴-۱-          gatool

4-2-          تنظیم گزینه ها برای الگوریتم ژنتیک

۴-۳-          Plot Options

4-4-          Population Options

4-5-          Fitness Scaling Options

4-6-          Selection Options

4-7-          Reproduction Options

4-8-          Mutation Options

4-9-          Crossover Options

4-10-       Migration Options

4-11-       Output Function Options

4-12-       Stopping Criteria Options

4-13-       Hybrid Function Options

4-14-       Vectorize Options

فصل پنجم – نتایج…………………………….

۵-۱-          نتایج حاصل از تابع پنالتی و الگوریتم ژنتیک

۵-۲-        نتیجه گیری

فهرست مراجع………………….

فهرست شکل

 ۲-۱- مراحل الگوریتم ژنتیک

۲-۲- مثالی از کروموزوم ها به روش کدگذاری دودویی

۲-۳- مثالی از کروموزوم ها با استفاده از روش کدگذاری مقادیر

۲-۴-  انتخاب چرخ رولت

۲-۵-  ترکیب تک نقطه ای

۲-۶-  ترکیب دو نقطه ای

۲-۷-  ترکیب یکنواخت

۲-۸-  وارونه سازی بیت

۲-۹-  تغییر ترتیب قرارگیری

۲-۱۰-  تغییر مقدار

۳-۱- نمای برنامه ی کامپیوتری

۳-۲- عملیات برازش برای تولید NO در مقایسه با نتایج اصلی در احتراق گازوئیل

۴-۱-  نمای gatool نرم افزار مطلب

۵-۱- نمای gatool ، Cox برای گاز طبیعی

۵-۲- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گاز طبیعی

۵-۳- نمای gatool ، NOx برای گاز طبیعی

۵-۴- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گاز طبیعی

۵-۵- نمای gatool ، Cox + NOx برای گاز طبیعی

۵-۶- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOxبرای گاز طبیعی

۵-۷- نمای gatool ، Cox برای گازوئیل

۵-۸- نمودارهای Best fitness و Best individual آلاینده ی Cox برای گازوئیل

۵-۹- نمای gatool ، NOx برای گازوئیل

۵-۱۰- نمودارهای Best fitness و Best individual آلاینده ی NOx برای گازوئیل

۵-۱۱- نمای gatool ، Sox برای گازوئیل

۵-۱۲- نمودارهای Best fitness و Best individual آلاینده ی Sox برای گازوئیل

۵-۱۳-  نمای gatool ، Cox + NOx برای گازوئیل

۵-۱۴- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای گازوئیل

۵-۱۵- نمای gatool ، Cox+NOx+Sox برای گازوئیل

۵-۱۶- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx وSOx برای گازوئیل

۵-۱۷- نمای gatool ، Cox برای نفت کوره

۵-۱۸- نمودارهای Best fitness و Best individual آلاینده ی Cox برای نفت کوره

۵-۱۹- نمای gatool ، NOx برای نفت کوره

۵-۲۰- نمودارهای Best fitness و Best individual آلاینده ی NOx برای نفت کوره

۵-۲۱- نمای gatool ، Sox برای نفت کوره

۵-۲۲- نمودارهای Best fitness و Best individual آلاینده ی SOx برای نفت کوره

۵-۲۳- نمای gatool ، Cox + NOx برای نفت کوره

۵-۲۴- نمودارهای Best fitness و Best individual مجموع آلاینده های Cox و NOx برای نفت کوره

۵-۲۵- نمای gatool ، COx+NOx+SOx برای نفت کوره

۵-۲۶- نمودارهای Best fitness و Best individual مجموع آلاینده های COx و NOx و SOx برای نفت کوره

 فهرست جدول

 ۳-۱- تغییر نرخ تولید (mole/hr) NO در اثر تغییر دمای هوا و درصد هوای اضافی……..

۳-۲- تشکیل تابع هدف برای گاز طبیعی………………..

۳-۳- تشکیل تابع هدف برای گازوئیل………………………………………..

۳-۴- تشکیل تابع هدف برای نفت کوره……………………..

۵-۱- مقایسه نتایج تابع پنالتی و الگوریتم ژنتیک…………………………..

فهرست مراجع

۱-   پایان نامه ی کارشناسی ارشد خانم عطیه پریشان نداف

۲-   وبلاگ سیاوش محمودیان

۳-   وبلاگ ایمان اشکاوند

۴-   علیرضا، مهدی، الگوریتم های ژنتیک و کاربردهای آن، ناقوس اندیشه، ۱۳۸۶، ۱۳و۱۴٫

۵-   Jelsoft Enterprises Ltd

 ۵- Jelsoft Enterprises Ltd

6- Genetic Algorithm and Direct Search Toolbox

دانلود فایل