فهرست بستن

دانلود برچسب: SciPy

کد پایتون مثال یادگیری ماشین برای تشخیص اعداد با استفاده از scikit-learn

در این بسته کدهای مثال یادگیری ماشین برای تشخیص اعداد با استفاده از scikit-learn قرار داده شده است. در این مثال یک شبکه عصبی پرسپترون چند لایه برای تشخیص اعداد مورد استفاده قرار گرفته است. برای مشاهده و مطالعه توضیحات سطر به سطر این کدها می‌توانید به آدرس زیر مراجعه نمایید:

یادگیری ماشین برای تشخیص اعداد با استفاده از scikit-learn

محتویات بسته:

  • فایل مثال تشخیص اعداد با استفاده از scikit-learn (شبکه عصبی پرسپترون چند لایه)

امیدوارم از خرید این بسته نهایت رضایت را داشته باشید. با ما در تماس باشید:

contact [at] projelecom.ir

کد پایتون مثال معرفی کتابخانه پایتون برای منطق فازی

در این بسته کدهای مثال معرفی کتابخانه پایتون برای منطق فازی قرار داده شده است. در این مثال یک سیستم استنتاج فازی بسیار ساده برای تعیین لبه در تصویر طراحی شده است. ورودی های سیستم فازی، گرادیان تصویر gray scale و همچنین گرادیان مشخصه رنگ اشباع می باشد. سه مجموعه فازی برای پوشش دامنه تعریف متغیرهای ورودی و خروجی مورد استفاده قرار گرفته است. توضیحات این کد در مثال زیر قابل مشاهده می باشد:

معرفی کتابخانه پایتون برای منطق فازی

هدف از خرید این بسته حمایت از ادامه فعالیت سایت می باشد.

محتویات بسته:

  • فایل مثال سیستم استنتاج فازی
  • تصویر مورد استفاده در مثال بعنوان ورودی

امیدوارم از خرید این بسته نهایت رضایت را داشته باشید. با ما در تماس باشید:

contact [at] projelecom.ir

مدلسازی سه بعدی ربات موازی ساده در پایتون

در این بسته کدهای شبیه‌سازی سه بعدی ربات موازی صفحه‌ای با دو بازو توسط کتابخانه PyOpenGl در پایتون ارائه شده است. برای انجام شبیه‌سازی حل سینماتیک مستقیم و معکوس ربات ضروری می‌باشد، از این رو کلاس robot برای انجام این وظیفه طراحی شده است. در این کلاس روش نیوتن-کریلوف برای حل دسته معادلات غیرخطی که زاویه مفاصل را بر اساس موقعیت نهایی end effector یا بالعکس پیدا می کند، استفاده شده است. برای اجرای این کدها نصب کتابخانه‌های زیر ضروری می‌باشد:

  • Numpy
  • Scipy
  • matplotlib
  • PyOpenGl

خروجی نهایی کد برای شبیه‌سازی سه بعدی بصورت زیر می‌باشد:

محتویات بسته:

  • کلاس robot برای حل سینماتیک مستقیم و معکوس ربات
  • فایل شبیه سازی سه بعدی با استفاده از PyOpenGl

امیدوارم از خرید این بسته نهایت رضایت را داشته باشید. با ما در تماس باشید:

contact [at] projelecom.ir

شبیه سازی سیستم های مرتبه کسری در پایتون

حسابان کسری برای اولین بار حدود سیصد سال پیش همزمان با ظهور مباحث حسابان معمولی مطرح گردید. اولین استفاده از حسابان کسری به احتمال زیاد در آثار لایبنیز و هوپیتال در سال ۱۶۹۵ انجام پذیرفته است که در آن به مشتق با مرتبه نیم اشاره گردیده است. همچنین در یکی از مکاتبات بین یوهان برنولی و لایبنیز در ۱۶۹۵، لایبنیز به مشتق مرتبه عمومی اشاره نموده است. در سالهای ۱۷۳۰ و ۱۷۷۲ دانشمندان مطرحی همچون اویلر و لاگرانژ بطور غیر مستقیم به مباحث حسابان کسری پرداخته‌اند. در سال ۱۸۱۲ لاپلاس مشتق مشتق مرتبه کسری را با استفاده از انتگرال تعریف نمود. در سال ۱۸۱۹ و ۱۸۲۲ لاکرویکس و فوریه مشتق با مرتبه دلخواه را در آثارشان ذکر نمودند. اولین استفاده از عملگرهای کسری در سال ۱۸۲۳ توسط آبل در پاسخ به مسئله خم هم‌زمانی استفاده گردید. لیوویل در سال ۱۸۳۲ اولین کار عمده خود را بر روی حسابان مرتبه کسری انجام داد که در آن تعاریف خود را بر روی مسائل تئوری اعمال نمود. گرونوالد در ۱۸۶۷ بر روی عملگرهای کسری کار کرد. ریمان طی تحصیل خود انتگرال‌گیری مرتبه کسری را توسعه داده و در سال ۱۹۸۲ در قالب یک مقاله نتایج خود را منتشر نمود. لتنیکوو بین سالهای ۱۸۶۸ تا ۱۸۷۲ مقالات متعددی در مورد این موضوع منتشر نمود. بین سالهای ۱۹۰۰ تا ۱۹۷۰ روند مطالعه بر روی حسابان مرتبه کسری توسعه یافت و دانشمندان متعددی بر روی این مبحث تمرکز نمودند. در حال حاضر کاربردهای حسابان کسری برای مدلسازی دقیق‌تر پدیده‌های طبیعی که قبل‌تر با حسابان مرتبه صحیح مدل شده‌اند، رو به گسترش می‌باشد. پدیده‌های طبیعی اکثرا کسری می‌باشند ولی با این حال میزان کسری بودن اکثر آن‌ها بسیار اندک است. یک مثال متداول برای سیستمهای مرتبه کسری رابطه جریان و ولتاژ در خطوط انتقال نیمه‌بینهایت یا انتشار گرما در یک جسم صلب نیمه‌بینهایت می‌باشد.
دلیل عمده‌ای که تا کنون مانع از توسعه مدلهای مرتبه کسری شده‌است نبودن روشهای حل برای معادلات دیفرانسیلی مرتبه کسری می‌باشد. در حال حاضر روشهای مختلفی برای تقریب مشتق و انتگرال مرتبه کسری در طیف وسیعی از کاربردها مورد استفاده قرار می‌گیرد. از بین این کاربردها حسابان کسری در مباحث فیزیک، مهندسی برق، سیستمهای کنترل، روباتیک، پردازش سیگنال، مهندسی پزشکی و … نقش عمده‌ای به خود اختصاص داده است. همچنین یکی از مهمترین کاربردهای حسابان کسری در مباحث مربوط به نظریه آشوب می‌باشد.

در ادامه به معرفی کتابخانه‌های موجود برای شبیه‌سازی حسابان مرتبه کسری و کنترل سیستمهای مرتبه کسری در متلب پرداخته می شود:

جعبه‌ابزار FOMCON

FOMCON جعبه ابزار توسعه داده شده برای نرم افزار متلب جهت شبیه سازی سیستمهای مرتبه کسری، طراحی کنترلر و شناسایی این سیستمها می‌باشد.  این جعبه ابزار دارای رابط کاربری برای برخی وظایف طراحی و شناسایی می‌باشد که کار با آن را تسهیل نموده است.

جعبه‌ابزار CRON

توسعه جعبه ابزار کرون از سالهای ۱۹۹۳ و ۱۹۹۴ آغاز شده و هر یک از ابزارهای موجود در آن به شکل جداگانه برای مسائل منفرد از حسابان و سیستمهای کسری ارائه گردیده است. در ابتدا این ابزارها با زبان برنامه‌نویسی پاسکال و در محیط MS DOS توسعه داده شده بودند ولی بعدها برای نرم‌افزار متلب بازنویسی شدند. ابزار موجود در کرون در سه دسته طبقه‌بندی می‌گردد:

  • ابزارهای ریاضی: ابزارهایی برای محاسبه مشتق غیر صحیح (مرتبه کسری)، معادلات دیفرانسیل مرتبه کسری، معادلات مشخصه مرتبه کسری، اپراتورهای دیفرانسیلی مرتبه کسری پیچیده، سیستمهای مرتبه کسری و تبدیل عکس لاپلاس توابع تبدیل مرتبه کسری
  •  ابزار شناسایی سیستمهای مرتبه کسری
  •  ابزار کنترلی کرون

لازم به ذکر است بیشتر این ابزارها برای سیستمهای تک ورودی و تک خروجی توسعه یافته‌اند.

جعبه‌ابزار NINTEGER

NINTEGER جعبه‌ابزار ساخته شده برای نرم‌افزار متلب جهت طراحی و توسعه کنترل کننده‌های مرتبه کسری برای سیستمهای تک ورودی و تک خروجی می‌باشد. تمامی کدهای این جعبه‌ابزار به صورت باز جهت تغییر و توسعه توسط مهندسین در دسترس می‌باشد.

توابع موجود در کتابخانه Chebfun

Chebfun یک سیستم نرم‌افزاری متن باز برای محاسبات عددی با توابع می‌باشد. پایه ریاضی این کتابخانه درون‌یابی چند جمله‌ای تکه‌ای می‌باشد. Chebfun قابلیت وسیعی در کار با عملگرهای مشتقی و انتگرالی خطی و غیرخطی مختلف دارد. پایه‌های علمی استفاده شده در نوشتن این کتابخانه بهمراه مثالهای متعدد در کتابی گنجانده شده‌است. با وجود اینکه این کتابخانه برای روشهای عددی بسیار نیرومند می‌باشد، در زمینه کنترل و طراحی و توسعه کنترل کننده‌های مرتبه کسری هیچ راه حلی ندارد.

توابع متلب ارائه شده بهمراه کتاب Fractional Order Nonlinear Systems: Modeling, analysis and simulation

در کتاب Fractional Order Nonlinear Systems: Modeling, analysis and simulation، توابعی برای شبیه‌سازی سیستمهای غیرخطی مرتبه کسری ارائه شده‌است. علاوه بر آن به شبیه‌سازی سیستمهای مرتبه کسری آشوبی نیز پرداخته شده‌است.

کدهای ارائه شده در این بسته شامل پیاده سازی پایتون کدهای متلب موجود در کتاب Fractional Order Nonlinear Systems: Modeling, analysis and simulation برای شبیه سازی سیستمهای آشوبی مرتبه کسری چن و لورنز و کنترل مد لغزشی آنها مطابق مقاله

Chen, Di-yi, et al. “Control of a class of fractional-order chaotic systems via sliding mode.” Nonlinear Dynamics 67.1 (2012): 893-901.

می باشد.

محتویات بسته:

  • شبیه سازی سیستم آشوبی مرتبه کسری چن chensim.py
  • شبیه سازی سیستم آشوبی مرتبه کسری لورنز lorenzsim.py
  • کنترل سیستم آشوبی مرتبه کسری چن با کنترل مد لغزشی FracSimu.py
  • کنترل سیستم آشوبی مرتبه کسری چن با کنترل مد لغزشی در حضور اغتشاش FracSimu1.py
  • کنترل سیستم آشوبی مرتبه کسری لورنز با کنترل مد لغزشی FracSimu2.py

امیدوارم از خرید این بسته نهایت رضایت را داشته باشید. با ما در تماس باشید.

برخی خروجی کدها به شکل زیر می باشد:

کتابخانه حل کننده الگوریتم بهینه سازی گرگ خاکستری (GWO)

یکی از الگوریتمهای بهینه سازی هوشمند که اخیرا ابداع گردیده و در مدت کوتاهی مورد توجه بسیاری از محققین قرار گرفته است، الگوریتم گرگ خاکستری می باشد. این الگوریتم مانند اکثریت الگوریتمهای هوشمند دیگر الهام گرفته شده از طبیعت جاندار می باشد. ایده اصلی الگوریتم گرگ خاکستری بر مبنای سلسله مراتب رهبری در دسته های گرگها و نحوه شکار آنها می باشد. در حالت کلی چهار دسته گرگ در میان گله گرگهای خاکستری وجود دارد، آلفا، بتا، دلتا و امگا. گرگهای دسته آلفا در رأس هرم رهبری گله قرار دارند و بقیه گرگها از دسته آلفا دستور گرفته و آنها را دنبال می نمایند (معمولا تنها یک گرگ بعنوان گرگ آلفا در هر گله وجود دارد). گرگهای دسته بتا در رده پایینتر قرار دارند ولی برتری آنها نسبت به گرگهای رده دلتا و امگا به آنها جایگاه مشاوره و کمک به گرگ آلفا را می دهد. گرگهای بتا وطیفه نظم بخشیدن و جهتدهی به گله را بر اساس حرکت آلفا بر عهده دارند. گرگهای دلتا که در رده بعدی هرم قدرت در گله گرگها قرار دارند، معمولا از نگهبانان، افراد کهنسال، مراقبت کنندگان از گرگهای آسیب دیده و … تشکیل شده اند. ضعیفترین رده از سلسله مراتب قدرت نیز گرگهای امگا هستند. گرگهای امگا نقش سیاهی لشکر را دارند عملا کار مفیدی انجام نمی دهند ولی در هنگام شکار یا درگیر شدن با گله دیگر باعث احاطه بهتر بر شکار و یا دشمن می گردند.

عملیات شکار در گرگهای خاکستری در سه فاز انجام می گیرد:

  • تعقیب، دنبال کردن و رسیدن به شکار
  • محاصره، آزار و اذیت شکار تا زمانی که متوقف گردد
  • حمله مستقیم به شکار

در الگوریتم بهینه سازی گرگ خاکستری هر یک از دسته های آلفا، بتا و دلتا تک عضوی هستند که کار محاسباتی را آسان می کند. هر گرگ در الگوریتم بصورت یک بردار نشان داده می شود که موقعیت پاسخ مسئله بهینه سازی را نمایندگی می کند. بدون وارد شدن به جزئیات غیرضروری می توان بروز رسانی موقعیت هر گرگ را در الگوریتم بصورت زیر خلاصه کرد:

  1. پارامتر a که در طول تکرارها از دو شروع و رفته رفته با کاهش به یک می رسد را محاسبه می نماییم.
  2. برای هر یک از سه گرگ آلفا، بتا و دلتا بردارهای تصادفی r1 و r2  را در ابعاد بردار پاسخ بدست می آوریم (در بازه بین صفر و یک)
  3. بطور متناظر برای هر یک دو بردار ضرایب A و C را محاسبه می کنیم: A = 2a.r1-a و C = 2r2
  4. سپس برای هر یک بردار D = |C.Xw-X| را محاسبه می نماییم که Xw موقعیت هر یک از گرگهای آلفا، بتا و امگا می باشد و X موقعیت گرگی که می خواهیم بروز رسانی کنیم است.
  5. متناظر با هر بردار X’ = Xw-A محاسبه می گردد.
  6. درنهایت موقعیت جدید گرگی که بدنبال بروز رسانی اش بودیم به شکل میانگین گیری از سه بردار X’ بدست آمده از هر یک از گرگهای آلفا، بتا و دلتا خواهد بود.

همانطور که مستحضر هستید زبان برنامه نویسی پایتون در چند سال اخیر جای خود را در بین زبان های برنامه نویسی مورد استفاده برای محاسبات عددی و شبیه سازیهای علمی باز کرده است. از این رو توانایی حل مسائل بهینه سازی با استفاده از این زبان برنامه نویسی دارای اهمیتی ویژه است. کتابخانه حل کننده الگوریتم گرگ خاکستری به این منظور آماده شده است که محققان خیلی سریع بتوانند مسائل خود را بدون در گیر شدن عمیق با نحوه پیاده سازی خود الگوریتم حل نمایند. لازم به ذکر است با توجه به در دسترس بودن کدهای برنامه کاربر می تواند این الگوریتم را بهبود بخشیده و ویرایشهای بهتری از آن را ارائه دهد. در ادامه به نحوه استفاده از این کتابخانه پرداخته می شود.

کد زیر را که برای یافتن مینیمم تابع مجموع سینوس تعدادی متغیر نوشته شده است، نحوه استفاده از کتابخانه را بطور ساده بیان می نماید:

from numpy import random, sin
from PyGWO import GWOSolver


def f(x):
    o = 0
    for a in x:
        o += sin(a) ** 2
    return o

def solution_generator():
    return 10 * (random.rand(10) - 0.5)

myGWO = GWOSolver(f, 200, solution_generator)
myGWO.solve(2000)
print(myGWO)

همانطور که مشاهده می شود از کتابخانه PyGWO که ارائه شده توسط ماست، کلاس حل کننده یعنی GWOSolver فراخوانی شده است. شی myGWO از نوع این کلاس ساخته شده است که پارامترهای ورودی سازنده آن به ترتیب تابع هدف مسئله بهینه سازی (که بصورت یک تابع با یک ورودی است و آن ورودی بردار پاسخ می باشد.) جمعیت گله گرگها در الگوریتم بهینه سازی گرگ خاکستری و تابع ایجاد کننده پاسخ های تصافی می باشد. تابع تولید کننده پاسخ های تصادفی برای ایجاد جمعیت اولیه بکار می رود. بدون ورودی است و کاربر باید متناسب با مسئله خود آن را طراحی نماید چرا که ایجاد جمعیت اولیه تاثیر بسزایی در پاسخهای الگوریتم بهینه سازی دارد. تابعی که از کلاس GWOSolver عملیات بهینه سازی را آغاز می کند solve نام دارد که تعداد تکرار را به عنوان ورودی می گیرد. خروجی کد بالا به شکل زیر خواهد بود:

Best solution vector:
-۰٫۰۰۵۱۴۷۸۶۱۷۶۹۴۶۸۰۸۴
-۰٫۰۰۴۱۷۹۲۸۱۶۲۴۹۷۵۹۲۵
۳٫۱۴۲۲۴۰۹۲۳۳۳۸۰۵۳
۰٫۰۰۲۴۲۱۲۱۹۳۴۳۳۴۱۶۲۲۶
۰٫۰۰۱۹۶۶۷۹۸۴۱۲۶۰۱۵۹۱۴
-۰٫۰۰۰۳۴۶۳۱۸۰۳۶۰۹۷۵۴۳۷۶
۶٫۲۸۲۵۶۸۷۸۶۲۹۲۰۸۹
-۶٫۴۵۲۲۱۴۳۷۰۱۰۷۳۷۸e-05
۰٫۰۰۳۵۹۵۴۶۱۵۸۵۹۰۱۶۰۱۴
۰٫۰۰۰۵۴۶۷۳۰۸۰۸۵۶۳۸۶۱۳
Fitness: 6.784777628314261e-05

محتویات بسته:

  • فایل پایتون کلاس حل کننده (Solver) الگوریتم بهینه‌سازی گرگ خاکستری
  • فایل پایتون مثال استفاده از الگوریتم برای حل یک مسئله بهینه‌سازی نمونه

امیدوارم از خرید این بسته نهایت رضایت را داشته باشید. با ما در تماس باشید.

 

کتابخانه حل کننده الگوریتم کرم شب تاب (FFA) در پایتون

یکی از الگوریتم‌های فرا ابتکاری شناخته شده در زمینه بهینه‌سازی الگوریتم کرم شب‌تاب (Firefly algorithm) می‌باشد. در این بسته کلاس حل کننده برای این الگوریتم به همراه یک مثال ارائه شده است. توضیحات این الگوریتم و نحوه استفاده از کلاس در این آدرس موجود می‌باشد لذا حتما مطالعه فرمایید.

امیدواریم که از خرید این بسته نهایت رضایت را داشته باشید.

محتویات بسته:

  • فایل پایتون کلاس حل کننده (Solver) الگوریتم بهینه‌سازی کرم شب تاب
  • فایل پایتون مثال استفاده از الگوریتم برای حل یک مسئله بهینه‌سازی نمونه

طراحی کنترلر فضای حالت برای سیستم‌های خطی با رؤیتگر حالت و جایابی قطب در پایتون

کنترل فضای حالت بعنوان یکی از شاخه‌های اصلی تئوری کنترل مورد توجه بسیاری از دانشمندان قرار گرفته است. همچنین تحقیقات زیادی بر روی این مبحث انجام می‌پذیرد. کاربرد عملی این شاخه از کنترل نیز بیشتر معطوف به کاربردهای هدایت و ناوبری سیستم‌های پروازی می‌باشد. علی‌رغم اینکه اکثر سیستم‌های واقعی دارای دینامیک غیرخطی می‌باشند، با توجه به اینکه اهداف کنترلی در ناحیه کاری کوچکی برای سیستم دنبال می‌شود، خطی سازی و استفاده از مدل‌های خطی پر کاربرد می‌باشد. آشنایی با نحوه شبیه سازی سیستم های خطی در فضای حالت و کنترل این سیستمها برای هر مهندسی ضروری می‌باشد. در بسته آماده شده، برنامه‌ای برای شبیه سازی سیستم‌های خطی و طراحی کنترلر فضای حالت با جایابی قطبها و طراحی رویتگر حالت نوشته شده است که برای شروع کار با سیستم‌های خطی (و حتی غیرخطی) بسیار مناسب می‌باشد. برنامه در زبان برنامه نویسی پایتون که به سرعت در حال گرفتن جایگاه نرم افزار متلب می‌باشد نوشته شده است. برای نوشتن برنامه از کتابخانه‌های Numpy، SciPy و Matplotlib استفاده شده است. برای استفاده از این کد آشنایی متوسطی با زبان برنامه‌نویسی پایتون و کتابخانه‌های مذکور مورد نیاز می‌باشد.

خروجی شبیه‌سازی‌های این برنامه به شکل زیر می‌باشد:

۱) خروجی سیستم و حالت‌های سیستم به ورودی پله واحد بدون کنترلر

۲) خروجی سیستم و حالت‌های سیستم به ورودی پله واحد با کنترلر فضای حالت بدون استفاده از رویتگر

۳) خروجی سیستم و حالت‌های سیستم به ورودی پله واحد با کنترلر حالت و رویتگر (همانطور که مشاهده می شود با نزدیکتر شدن مدل و کنترلر به حالت عملی و واقعی، عمل کنترل دشوارتر می‌شود و نیاز به تامل بیشتری در طراحی دارد. وجود فروجهش برای بسیاری از سیستم‌ها بخصوص الکتریکی قابل قبول نمی باشد و بایستی با در نظر گرفتن tradeoff ها اصلاح گردد.)

امیدواریم که از خرید این بسته نهایت رضایت را داشته باشید.

محتویات بسته:

  • فایل برنامه شبیه‌سازی و کنترل سیستم خطی در فضای حالت با استفاده از جایابی قطب و رویتگر حالت

برنامه ریزی بهینه تولید همزمان برق و حرارت با الگوریتم بهینه سازی ازدحام ذرات PSO در پایتون

یکی از تکنولوژی‌های شناخته شده و متداول در صنعت انرژی، تولید همزمان برق و حرارت می‌باشد. بالا بودن بازده کاری و همچنین آلایندگی کمتر نسبت به روش‌های هم‌رده دیگر باعث مقبولیت این تکنولوژی در کشورهای توسعه یافته شده است. همچنین در کشورهای در حال توسعه نیز میل به این تکنولوژی افزایش یافته است. بطور خلاصه می‌توان ویژگی‌های تولید همزمان برق و حرارت را در موارد زیر بیان نمود:
• افزایش بازده انرژی
• کاهش انتشار گازهای آلاینده
• کاهش هزینه‌های انرژی نواحی صنعتی
• بهبود قابلیت اطمینان نواحی صنعتی از دید انرژی
• کاهش وقفه در تأمین زیر ساختهای جدید توزیع و انتقال
• طیف وسیع سوخت‌های قابل استفاده با آلایندگی کمتر
حرارت تولیدی در این نوع نیروگاه‌ها در بیشتر اوقات مورد استفاده بخش صنعتی می‌باشد. بطوری که در کشوری مثل ایالات متحده آمریکا در حدود ۸۶% از ظرفیت توان تولیدی واحدهای تولید همزمان برق و حرارت به طور عمده مورد استفاده در صنایعی مانند:
• صنایع غذایی
• صنایع نساجی
• صنایع چوب و مبلمان
• صنعت کاغذ
• صنعت چاپ و نشر
• صنایع شیمیایی
• صنایع پالایش فراورده‌های نفتی
• صنایع پلاستیک
• صنایع سنگ، خاک و شیشه
• صنایع فراوری فلزات اولیه و آلیاژها
می‌باشد.
در کاربردهای واقعی تولید، تأمین توان الکتریکی و حرارتی تقاضا شده صرفا توسط واحدهای تولید همزمان انجام نمی‌گیرد بلکه تعدادی نیروگاه برای تولید توان الکتریکی و تعدادی برای تولید توان حرارتی موجود خواهد بود. در مسئله برنامه‌ریزی بهینه تولید همزمان برق و حرارت، تقاضای توان الکتریکی و همچنین حرارتی بایستی بین واحدهای تولید توان به گونه‌ای تقسیم گردد که علاوه بر تأمین توان مورد نیاز با کمترین هزینه ممکن، پارامترهای کاری نیروگاه‌ها به شکلی قابل قبول تعیین گردند. به عبارتی نقطه کار نیروگاه‌ها بایستی قیدهای موجود برای فعالیت هر یک از آن‌ها را ارضاء نماید. این قیود می‌توانند تساوی، ناتساوی یا قرار گرفتن نقطه کار در یک ناحیه در فضای کاری باشند که در ادامه به طور کامل به آن پرداخته خواهد شد.

توضیحات کلی پیرامون مسئله CHPED یا برنامه ریزی بهینه تولید همزمان برق و حرارت در فایل زیر موجود می باشد.

فایل توضیحات کامل‌تر

برای دریافت کد پایتون مورد اشاره در فایل توضیحات می توانید این محصول را خریداری نمایید. در این کد اقدام به حل مسئله برنامه ریزی بهینه تولید همزمان برق و حرارت با استفاده از الگوریتم بهینه سازی ازدحام ذرات شده است. سیستم تست مورد استفاده از پیاده سازی سیستم ۲۴ واحدی می باشد که درای ۱۳ واحد تولید توان الکتریکی، ۶ واحد تولید همزمان توان الکتریکی و حرارتی و ۵ واحد که صرفا توان حرارتی تولید می‌نمایند، هست.

نمودار همگرایی خروجی الگوریتم در این برنامه بصورت زیر می باشد:

امیدواریم که از خرید این بسته نهایت رضایت را داشته باشید.

محتویات بسته:

  • فایل توضیحات کلی در مورد مسئله برنامه ریزی بهینه تولید همزمان برق و حرارت
  • فایل پایتون حل مسئله CHPED با استفاده از الگوریتم بهینه سازی ازدحام ذرات (PSO)