Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "MOPSO" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Spare parts allocation optimization in a multi-echelon support system based on multi-objective particle swarm optimization metod
Optymalizacja alokacji części zamiennych w wieloszczeblowym systemie wsparcia na podstawie metody wielokryterialnej optymalizacji rojem cząstek
Autorzy:
Wang, Y.
Zhao, J.
Jia, X.
Tian, Y.
Tematy:
MOPSO
części zamienne
alokacja
optymalizacja
prawdopodobieństwo wsparcia
spare parts
allocation
optimization
support probability
Pokaż więcej
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Powiązania:
https://bibliotekanauki.pl/articles/301801.pdf  Link otwiera się w nowym oknie
Opis:
Optymalizacja alokacji części zamiennych w wieloszczeblowym systemie wspomagania stanowi trudne zagadnienie, które wymaga optymalizacji nieliniowej funkcji celu oraz zmiennych całkowitych. W niniejszej pracy, opracowano wielokryterialny model optymalizacyjny, który maksymalizuje prawdopodobieństwo wsparcia i minimalizuje jego koszty. W celu rozwiązania problemu optymalizacyjnego, wykorzystano ulepszoną metodę wielokryterialnej optymalizacji rojem cząstek (MOPSO). W metodzie tej wykorzystano techniki redukcji wymiarów oraz wielokryterialnej optymalizacji algorytmowej, które mogą poprawić efektywność metody MOPSO. Zasady proponowanej metody zilustrowano przykładem numerycznym.
Spare parts allocation optimization in a multi-echelon support system presents a difficult problem which involves non-linear objective function and integer variables to be optimized. In this paper, a multi-objective optimization model was developed, which maximizes support probability and minimizes support costs. In order to solve the optimization problem, an improved multi-objective particle swarm optimization (MOPSO) method was utilized. In this method, techniques of dimensions reduction and rules-based multi-objective optimization were employed, which can improve the efficiency of MOPSO method. A numerical example was given to show the performance of proposed method.
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-optimization of thermodynamic performance of an HT-PEM fuel cell based on MOPSO algorithm
Autorzy:
Wang, Yuting
Ma, Zheshu
Gu, Yongming
Guo, Qiulin
Tematy:
HT-PEMFC
irreversible thermodynamics
exergy
parameter optimization
MOPSO algorithm
Pokaż więcej
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Powiązania:
https://bibliotekanauki.pl/articles/59877183.pdf  Link otwiera się w nowym oknie
Opis:
In this study, an irreversible thermodynamic model for the high temperature proton exchange membrane fuel cell taking electrochemical and heat losses into account is developed. The power density, exergy destruction index, exergy sustainability index and ecological coefficient of performance is derived. The model was validated against experimental data. The influence of parameters on the irreversible thermodynamic performance of high temperature proton exchange membrane fuel cell are considered. The multi-objective particle swarm optimization algorithm is utilized to optimize the power, ecological coefficient of performance and efficiency. The population distribution of the optimization variables was analyzed using a threedimensional Pareto frontier analysis, and results show that the maximum power density, maximum efficiency and maximum ecological coefficient of performance being 6340 W/m2 , 64.5% and 1.723 respectively, which are 43.28%, 3.7% and 17.8% higher than the preoptimized high temperature proton exchange membrane fuel cell. Moreover, the nondominated sorting genetic algorithm II and simulated annealing algorithm have been chosen versus multi-objective particle swarm optimization algorithm for making the optimization comparative analysis.
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies