بررسی عملکرد دو الگوریتم ژنتیک (GA) و اجتماع ذرات (PSO) در بهینه سازی مسئله CGAM

Abstract

نوشتار حاضر به مدل‌سازی ترمودینامیکی یک نیروگاه توربین گازی با توان تولیدی M‌W ۳۰ و (k‌g/s) ۱۴ بخار اشباع در فشار b‌a‌r ۲۰ پرداخته است. این سیستم معروف به مسئله C‌G‌A‌M است. در مسئله‌ی C‌G‌A‌M تابع هدف شامل مجموع هزینه‌ی سرمایه‌گذاری و همچنین هزینه‌ی سوخت مصرفی است. در این نوشتار بهینه‌سازی با کمینه‌سازی تابع هدف و نیز به‌کارگیری الگوریتم ژنتیک و الگوریتم اجتماع ذرات به‌کمک نرم‌افزار متلب انجام می‌شود و در نهایت عملکرد این دو الگوریتم با یکدیگر مقایسه می‌شود. نتایج حاصل از مقایسه‌ی تعداد توابع ارزیابی شده (N‌F‌E) این دو الگوریتم نشان می‌دهد که سرعت همگرایی الگوریتم اجتماع ذرات در یافتن کمترین تابع هزینه نسبت به الگوریتم ژنتیک بالاتر است. همچنین در حل مسئله‌ی C‌G‌A‌M الگوریتم بهینه‌سازی اجتماع ذرات به‌لحاظ پیاده‌سازی، انعطاف‌پذیری، و سهولت برنامه‌نویسی به‌مراتب از الگوریتم ژنتیک تواناتر است.