طراحی بهینه مسیر سفر به قمر انسلادوس زحل با استفاده از الگوریتم تکاملی (ICA) و مقایسه نتایج بدست آمده با الگوریتم (PSO

در این مقاله هدف طراحی مدار بهینه برای سفر به قمر انسلادوس زحل است. برای رسیدن به این هدف از مساله دو جسم در مکانیک مداری و روش پرکاربرد "مقاطع مخروطی متصل" بهره گرفته شده است و متد نوینی برای طراحی مدار بهینه از لحاظ انرژی و زمان به کار برده شده است و روش های انتقال بین سیاره ای و مانورهای موجود و همچنین مراحل طراحی مدار برای ماموریت های بین سیاره ای بررسی شده است. درادامه با کمک نرم افزار مطلب MATLAB) ( کدی نوشته شده که تمام محاسبات مداری لازم را انجام دهد و توانایی دارد با گرفتن ورودی های بازه پرتاب فضاپیما، حد اکثر زمان سفر و حداکثر انرژی پرتابگر فضایی مدار بهینه برای سفر به زحل را طراحی نماید. ورودی متد گفته شده ماتریس زمانی است به همراه قیود روی زمان و C3 )انرژی پرتابگر( است که طراح میتواند آن را به صورت دستی در کد وارد کند و مدار طراحی شده با این ورودیها در صورت امکان پذیر بودن سفر محاسبه میشود و در نهایت مشخصات و المانهای مداری در تمام فازهای مختلف حرکت به عنوان خروجی به کاربر داده میشود. همچنین انرژی مورد نیاز برای سفر و حداقل C3 لازم برای پرتابگر فضایی محاسبه میگردد. بنابراین کد الگوریتمهای تکاملی نیز نوشته شده و با کد مورد نظر تطابق داده شده و پس از اجرای کد نهایی و سپس بررسی و مقایسه نتایج به دست آمده از هر روش بهینه سازی، پاسخهای بهینهای به دست آمده است. در نهایت کد نوشته شده برای بازه پرتاب فضاپیمای کاسینی پیاده سازی گردیده و تابع هدف، مقدار انرژی مصرفی فضاپیما از لحظه جدایش از آخرین مرحله پرتابگر )مجموع ΔV ها( قرار گرفته است.در این مقاله هدف طراحی مدار بهینه برای سفر به قمر انسلادوس زحل است. برای رسیدن به این هدف از مساله دو جسم در مکانیک مداری و روش پرکاربرد "مقاطع مخروطی متصل" بهره گرفته شده است و متد نوینی برای طراحی مدار بهینه از لحاظ انرژی و زمان به کار برده شده است و روش های انتقال بین سیاره ای و مانورهای موجود و همچنین مراحل طراحی مدار برای ماموریت های بین سیاره ای بررسی شده است. درادامه با کمک نرم افزار مطلب MATLAB) ( کدی نوشته شده که تمام محاسبات مداری لازم را انجام دهد و توانایی دارد با گرفتن ورودی های بازه پرتاب فضاپیما، حد اکثر زمان سفر و حداکثر انرژی پرتابگر فضایی مدار بهینه برای سفر به زحل را طراحی نماید. ورودی متد گفته شده ماتریس زمانی است به همراه قیود روی زمان و C3 )انرژی پرتابگر( است که طراح میتواند آن را به صورت دستی در کد وارد کند و مدار طراحی شده با این ورودیها در صورت امکان پذیر بودن سفر محاسبه میشود و در نهایت مشخصات و المانهای مداری در تمام فازهای مختلف حرکت به عنوان خروجی به کاربر داده میشود. همچنین انرژی مورد نیاز برای سفر و حداقل C3 لازم برای پرتابگر فضایی محاسبه میگردد. بنابراین کد الگوریتمهای تکاملی نیز نوشته شده و با کد مورد نظر تطابق داده شده و پس از اجرای کد نهایی و سپس بررسی و مقایسه نتایج به دست آمده از هر روش بهینه سازی، پاسخهای بهینهای به دست آمده است. در نهایت کد نوشته شده برای بازه پرتاب فضاپیمای کاسینی پیاده سازی گردیده و تابع هدف، مقدار انرژی مصرفی فضاپیما از لحظه جدایش از آخرین مرحله پرتابگر )مجموع ΔV ها( قرار گرفته است.

کاهش مصرف انرژی در رایانش ابری بر اساس الگوریتم فراابتکاری فاخته

در رایانش ابری، مدیریت منابع یکی از مهمترین مباحث میباشد. فرآیند مدیریت منابع، فرایندی بسیار پیچیده بوده و تحقیقات بسیار زیادی در این زمینه انجام گرفته است تا همه ابعاد آن به درستی شناخته شده و توانایی استفاده موثرتری از منابع ابرها ایجاد گردد. مدیریت منابع شامل مباحثی همچون فرایند تخصیص منابع، زمانبندی منابع، تعادل بار، کاهش مصرف انرژی و ... میباشد. در این مقاله به مبحث کاهش مصرف انرژی پرداخته شده است. در سیستم پیشنهادی در این زمینه از الگوریتم فاخته برای تخصیص منابع به درخواست ها استفاده شده است، همچنین از این الگوریتم برای پیدا کردن بهترین میزبان، به عنوان مقصد جدید برای ماشین های مجازی که از میزبان پربار مهاجرت داده شده اند، استفاده شده است. نتایج نشان میدهد زمانی که از آن الگوریتم استفاده میشود انرژی مصرفی برای میزبانها بدون افزایش میزان تخلف از توافق نامه با مشتری به میزان قابل توجهای کاهش مییابد.در رایانش ابری، مدیریت منابع یکی از مهمترین مباحث میباشد. فرآیند مدیریت منابع، فرایندی بسیار پیچیده بوده و تحقیقات بسیار زیادی در این زمینه انجام گرفته است تا همه ابعاد آن به درستی شناخته شده و توانایی استفاده موثرتری از منابع ابرها ایجاد گردد. مدیریت منابع شامل مباحثی همچون فرایند تخصیص منابع، زمانبندی منابع، تعادل بار، کاهش مصرف انرژی و ... میباشد. در این مقاله به مبحث کاهش مصرف انرژی پرداخته شده است. در سیستم پیشنهادی در این زمینه از الگوریتم فاخته برای تخصیص منابع به درخواست ها استفاده شده است، همچنین از این الگوریتم برای پیدا کردن بهترین میزبان، به عنوان مقصد جدید برای ماشین های مجازی که از میزبان پربار مهاجرت داده شده اند، استفاده شده است. نتایج نشان میدهد زمانی که از آن الگوریتم استفاده میشود انرژی مصرفی برای میزبانها بدون افزایش میزان تخلف از توافق نامه با مشتری به میزان قابل توجهای کاهش مییابد.

پروژه سخت افزار تکاملی با الگوریتم ژنتیک

پروژه سخت افزار تکاملی با الگوریتم ژنتیک پژوهش کامل در حوزه کامپیوتر و فناوری اطلاعات میباشد و در 5 فصل تنظیم شده است.این پروژه با معرفی الگوریتم ژنتیک و سخت افزار تکاملی به بررسی آنها پرداخته است.شما میتوانید فهرست مطالب پروژه را در ادامه مشاهده نمایید.

پروژه بصورت فایل قابل ویرایش ورد(WORD) در 68 صفحه برای رشته کامپیوتر و IT در پایین همین صفحه قابل دانلود میباشد. شایسته یادآوری است که پروژه از ابتدا تا پایان ویرایش وتنظیم , سکشن بندی (section) ، نوشتن پاورقی (Footnote) و فهرست گذاری اتوماتیک کامل شده وآماده تحویل یا کپی برداری از مطالب مفید آن است.

چکیده

سخت افزار تکاملی، سخت افزاری است که بتواند ساختار خود را اصلاح کند. این تفکر با پیدایش تکنولوژی FPGAدر بین محققان شروع به رشد کرد. با توجه به اهمیت مدار های ترتیبی همگام در طراحی مدار های منطقی، در این پروژه با یک رهیافت تکاملی سعی در بهینه سازی این گونه مدار ها داریم. درگام اول بهینه سازی، با توجه به اینکه مسئلۀ تخصیص حالت که ذاتاً به این گونه مدار ها مربوط می شود، مسئله ای NP کامل است، سعی داریم با رهیافت الگوریتم ژنتیک تخصیص حالت بهینه مدار را بیابیم. خواهیم دید که یک تخصیص حالت بهینه به طور قابل توجهی در کاهش پیچیدگی بخش ترکیبی مدار ترتیبی تأثیرگذار می باشد. در گام دوم بهینه سازی سعی داریم با رهیافت برنامه نویسی ژنتیکی بخش ترکیبی مدار را از نظر تعداد گیت های معادل و میزان تأخیر انتشار در مدار کاهش می دهیم

شرح مختصری از مطالبی که در فصل های اینده به ان می پردازیم، در ذیل اورده شده است :

فصل اول، مطالبی در بارۀ اصول الگوریتم ژنتیک بیان شده است.

فصل دوم، مسئلۀ تخصیص حالت را بررسی می کنیم و نشان می دهیم که یک تخصیص حالت بهینه به طور قابل ملاحظه ای در کاهش پیچیدگی اجزای بخش ترکیبی مدار تأثیر گذار است. و در اخر، الگوریتم ژنتیک به کار رفته را به طور مختصر بیان می کنیم.

فصل سوم، مطالبی در بارۀ اصول برنامه نویسی ژنتیکی پایه بیان شده است.

فصل چهارم، مفاهیمی چون ماکزیمم تأخیر انتشار و تعداد گیت های معادل در یک مدار را توضیح داده و کارهای انجام شده در جهت حداقل سازی این پارامتر ها را بیان می کنیم. و در اخر رهیافت تکاملی ارائه شده برمبنای برنامه نویسی ژنتیکی را شرح می دهیم.

فصل پنجم، نتایج حاصل از اجرای پروژه و مقایسه با روش مرسوم.

واژه های کلیدی:سخت افزار تکاملی، مدار ترتیبی، الگوریتم ژنتیک، برنامه نویسی ژنتیکی، تخصیص حالت.

فهرست مطالب

مقدمه. 1

فصل اول  مقدمه ای بر الگوریتم ژنتیک

1- 1- الگوریتم ژنتیک چیست... 4

1-2- فلسفۀ انتخاب اصلح در طبیعت... 4

1-3- مفاهیم پایه ای الگوریتم ژنتیک... 5

1-3-1- تابع ارزیابی.. 6

1-3-2- نحوۀ کد کردن متغیر های تابع.. 6

1-3-3- ایجاد جمعیت اولیه. 7

1-3-4- ارزیابی کروموزوم ها7

1-3-5- انتخاب والد برای ایجاد نسل بعد. 8

1-3-6- تولید نسل جدید. 11

1-3-7- پایان دادن به اجرا13

فصل دوم  مدار های ترتیبی همگام و مسئلۀ تخصیص حالت

2-1- مدار های ترتیبی همزمان 15

2-1-1-مدل های میلی و مور. 16

2-1-2- فرایند طراحی مدار های ترتیبی.. 16

2-1-3- تخصیص حالت... 17

2-1-4- شناسایی یک تخصیص حالت خوب.. 21

2-2- کاربرد سخت افزار تکاملی در مساله تخصیص حالت... 21

2-3- الگوریتم ژنتیک در تخصیص حالت... 22

2-3-1- تعریف کروموزوم ها22

2-3-2- ایجاد جمعیت اولیه. 24

2-3-3- ارزیابی هزینۀ یک نمونۀ تخصیص حالت... 24

2-3-4- انتخاب تخصیص حالت های مناسب... 27

2-3-5- انجام عمل ادغام روی جمعیت... 27

2-3-6- انجام عمل جهش روی جمعیت... 28

2-3-7- شرایط خاتمۀ الگوریتم.. 28

فصل سوم  برنا مه نویسی ژنتیکی

3-1- برنامه نویسی ژنتیکی چیست... 29

3-1-1- کروموزوم ها در برنامه نویسی ژنتیکی.. 29

3-1-2- ایجاد جمعیت اولیه. 30

3-1-3- انتخاب کروموزوم برای ایجاد نسل جدید. 30

3-1-4- تولید نسل جدید. 30

3-2-گام های مقدماتی در اجرای برنامه نویسی ژنتیکی.. 33

3-2-1- گام اول : مجموعۀ پایانه ها33

3-2-2-گام دوم : مجموعه توابع.. 34

3-2-3- گام سوم : تابع سودمندی.. 34

3-2-4- گام چهارم : پارامتر های برنامه نویسی ژنتیکی.. 35

3-2-5-گام پنجم : شرایط خاتمه و خروجی برنامه. 35

3-3- یک نمونه اجرای برنامه نویسی ژنتیک... 35

3-3-1-گام های مقدماتی.. 36

3-3-2- گام به گام اجرای برنامه. 37

3-3-2-1- ایجاد جمعیت اولیه. 37

3-3-2-2- ارزیابی سودمندی.. 38

3-3-2-3- انتخاب، ادغام و جهش.... 39

3-3-2-4- شرایط خاتمه و خروجی برنامه. 40

فصل چهارم  بهینه سازی یک مدار ترکیبی

4-1- موارد موثر در کارایی مدار. 41

4-1-1- تعداد گیت های به کار رفته در مدار. 41

4-1-2- تأخیر انتشار یک گیت... 42

4-2- سخت افزار تکاملی در بهینه سازی بخش ترکیبی مدار. 42

4-3- برنامه نویسی ژنتیکی در بهینه سازی مدار های ترکیبی.. 44

4-3-1ساختار کروموزوم ها45

4-3-2- مقایسۀ ساختار ماتریسی و ساختار درختی در برنامه نویسی ژنتیکی.. 47

4-3-3- جمعیت اولیه. 47

4-3-4- ارزیابی سودمندی مدار. 47

4-3-5- انتخاب و ایجاد جمعیت جدید. 49

4-3-6- باز تولید مدار. 49

فصل پنجم  نتایج و مقایسۀ انها

1-1- مقایسۀ یک نمونه مدار پس از دو مرحله بهینه سازی.. 53

فهرست شکل ها

شکل 1-1: مقایسه ای بین الگوریتم ژنتیک و تکامل زیستی.. 4

شکل 1-2: نمودار گردشی الگوریتم ژنتیک... 6

جدول 1-1- نمونه ای از یک جمعیت تصادفی.. 8

جدول 1-2- کروموزوم های انتخابی.. 9

جدول 1-3- احتمال تجمعی کروموزوم ها10

جدول 1-4- احتمال اننتخاب هر کروموزوم بر مبنای هزیۀ ان.. 11

شکل 1-3-ادغام تک نقطه ای.. 12

شکل 1-4- ادغام دو نقطه ای.. 12

شکل 1-5- ادغام یکنواخت... 12

شکل 1-6 –یک نمومه عمل اغدام. 12

شکل 2-1-ساختار کلی مدل مدارهای ترتیبی.. 15

شکل 2-2- فرایند طلراحی مدارهای ترتیبی.. 16

شکل2-3- نمودار ماشین حالت... 18

جدول 2-1-جدول حالت مربوط به ماشین حالت... 18

شکل2-4- ساده سازی در سطح گیت با روش نقشه کارنو. 19

شکل2-5- مدار ترکیبی.. 19

جدول 2-2- جدول درستی ماشین حات با تخصیص حالت جدید. 20

شکل 2-6-ساده سازی در سطح گیت با روش نقشه کارنو برای تخصیص حالت جدید. 20

شکل 2-7- مدار حاصل از تخصیص حالت جدید. 21

شکل 2-8- یک نمونه کروموزوم برای تخصیص حالت3-2. 22

شکل 2-9- ماتریسAM... 26

شکل 3-1- ساختار درختیGPدر نمایش عبارت max(x+x,x+3*y)29

شکل 3-2- کروموزوم های والد. 30

شکل3-3- کروموزوم های والد مشابه. 31

شکل 3-4 –فرزندان متفاوت از والد های کاملاً مشابه. 32

شکل 3-5- مدل های جهش.... 32

جدول3-1- مجموعه پایانه. 34

جدول3-2- مجموعه توابع.. 34

شکل 3-6- جمعیت اولیه. 38

شکل 3-7 –مقایسۀ نمودار های مربوط به عبارت های حاصل از نسل اول با نمودار مربوط به عبارت هدف 38

شکل 3-8- جمعیت مسل جدید. 39

شکل4-1- نمونه ای از معدل سازی گیت ها41

شکل4-2- ساختار فنوتیپ ارائه شده توسط لوییس.... 43

شکل 4-3-ژنوتیپی بر مبنای فنوتیپ ارائه شده توسط لوییس.... 43

شکل4-4- نمونه ای از مدار ترکیبی با فنو تیپ لوییس.... 44

جدول 4-5- تعداد گیت های معدل و تأخیر در یک نمونه گیت... 45

شکل4-6- ساختار ژن در این نوع کروموزوم ها45

شکل 4-7- مدار مربوط به کروموزوم بالا. 46

شکل 4-8- یک نمو نه مدار کد شده (کروموزوم)46

شکل 4-9- ادغام چهار نقطهای.. 50

شکل 5-1- مدار (1) با یک تخصیص حالت نامناسب... 53

شکل 5-2- مدار (1) با تخصیص حالت بهینه. 53

شکل 5-3- مدار(1)پس از بهینه سازی بخش ترکیبی.. 54

شکل5-4- نمودار بهترین سودمندی مدارها در نسل های مختلف... 54

روشی به منظور برقراری محرمانگی درمعماری های سرویس گرا باستفاده از خوشه بندی سرویس ها بوسیله الگوریتم k-means

در حوزه ی سیستمهای اطلاعاتی آگاه از فرآیند نیازمندی با اهداف امنیت ، محرمانگی، مقررات و ارزیابی ریسک تعریف میشود که چگونگی محافظت و دسترسی دارایی سازمان نظیر سیستمها، خدمات و اطلاعات را مدیریت میکند. از طرفی بدلیل اینکه یکپارچهسازی سرراست سرویسهای سازمانی با نیاز به کنترل دسترسی امن تداخل دارد،یک بازه گسترده از مدلهای کنترل دسترسی و پیادهسازیهای مرتبط، در طی دهههای گذشته پدیدار شدهاند. باتوجه به اینکه نوع ارتباطات درمشخص کردن نیازمندیهای یک سرویس و پارامترهای محرمانگی و احراز اصالت تاثیر مستقیم دارد و از طرفی با در نظر گرفتن نواقص موجود در تحقیقات پیشین که بیانکننده مشکلات موجود در مدل RDF نظیر جعل هویت اطلاعات و از بین رفتن دانش غیرمستقیم است ; هدف این مقاله ارائه یک فرا_مدل امنیتی در حوزه معماری سرویس گرا است که با استفاده از الگوریتم k_means سرخوشه های موثر و ویژگی های اثر گذار در سرویس هارا شناسایی کرده تا بتواند آنتولوژی مورد نظر با این ویژگی ها وارتباطات معنایی موجود در بین آنهارا ایجاد کند ; مدل پیشنهادشده در مقاله پیش رو با خوشهبندی سرویسها و رسم درخت تصمیمگیری، با کمک سرخوشههای اثرگذار مجموعه قوانین لازم برای رسم آنتولوژی جهت بیان ارتباطات معنایی سرویسها با یکدیگر در بستر وبمعنایی را مشخص مینماید، تا آنتولوژی موردنظر شبیهسازی گردد. لذا در این مقاله تعاملات سرویسها بهمنظور تبادل اطلاعات دریک سیستم مبتنی بر سرویس بررسی میگردند تا یک مدل برای بیان نیازمندیهای امنیتی سیاستهای وبسرویسها باهدف بهبود پارامتر محرمانگی درامنیت ارائه گردد.در حوزهی سیستمهای اطلاعاتی آگاه از فرآیند نیازمندی با اهداف امنیت ، محرمانگی، مقررات و ارزیابی ریسک تعریف میشود که چگونگی محافظت و دسترسی دارایی سازمان نظیر سیستمها، خدمات و اطلاعات را مدیریت میکند. از طرفی بدلیل اینکه یکپارچهسازی سرراست سرویسهای سازمانی با نیاز به کنترل دسترسی امن تداخل دارد،یک بازه گسترده از مدلهای کنترل دسترسی و پیادهسازیهای مرتبط، در طی دهههای گذشته پدیدار شدهاند. باتوجه به اینکه نوع ارتباطات درمشخص کردن نیازمندیهای یک سرویس و پارامترهای محرمانگی و احراز اصالت تاثیر مستقیم دارد و از طرفی با در نظر گرفتن نواقص موجود در تحقیقات پیشین که بیانکننده مشکلات موجود در مدل RDF نظیر جعل هویت اطلاعات و از بین رفتن دانش غیرمستقیم است ; هدف این مقاله ارائه یک فرا_مدل امنیتی در حوزه معماری سرویس گرا است که با استفاده از الگوریتم k_means سرخوشه های موثر و ویژگی های اثر گذار در سرویس هارا شناسایی کرده تا بتواند آنتولوژی مورد نظر با این ویژگی ها وارتباطات معنایی موجود در بین آنهارا ایجاد کند ; مدل پیشنهادشده در مقاله پیش رو با خوشهبندی سرویسها و رسم درخت تصمیمگیری، با کمک سرخوشههای اثرگذار مجموعه قوانین لازم برای رسم آنتولوژی جهت بیان ارتباطات معنایی سرویسها با یکدیگر در بستر وبمعنایی را مشخص مینماید، تا آنتولوژی موردنظر شبیهسازی گردد. لذا در این مقاله تعاملات سرویسها بهمنظور تبادل اطلاعات دریک سیستم مبتنی بر سرویس بررسی میگردند تا یک مدل برای بیان نیازمندیهای امنیتی سیاستهای وبسرویسها باهدف بهبود پارامتر محرمانگی درامنیت ارائه گردد.

مکان یابی بهینه نیروگاه بادی متصل به شبکه سراسری با الگوریتم HBMO

انرژی باد به عنوان یک انرژی ارزان، پاک و دایمی در کنار انرژی گرانقیمت و رو به اتمام سوختهای فسیلی جایگزین بسیار مناسبی تلقی میشود. این مساله خود انگیزهای کافی برای احداث روزافزون توربینهای بادی در سراسر دنیا شده است. انرژی تولید شده از این توربینها به عنوان انرژی منابع تولید پراکنده در شبکه برق شناخته میشود که میتواند تاثیر بسزایی در ارتقای فنی و اقتصادی این شبکهها ایفا کند. در این مقاله مکان و ظرفیت DG مبتنی بر توربین بادی با تابع هدف ترکیبی از شاخصهای تلفات اکتیو و پروفیل ولتاژ و مدلسازی تغییرات سطح باد در چهار سطح مختلف در طول سال با کمک الگوریتم بهینهسازی جفتگیری زنبور عسل کمینهسازی خواهد شد. همچنین، از مدلسازی توربین بادی DFIG با ضریب قدرت یک، استفاده میشود. در نهایت روش پیشنهادی روی شبکه 33 شینه استاندارد در محیط نرم افزار MATLAB و تحت چهار سناریوی بدون حضور، یک، دو و سه توربین بادی پیادهسازی میشود. نتایج بدست آمده نشان میدهند که با افزایش تعداد توربینهای بادی و نصب در نقاط مختلف شبکه، با وجود اینکه جمع ظرفیت پیشنهادی برای نصب تقریباً ثابت مانده ولی تلفات توان، پروفیل ولتاژ و کمترین مقدار ولتاژ در شینهای شبکه و به تبع آنها، تابع هدف بهبود بیشتری یافته است.انرژی باد به عنوان یک انرژی ارزان، پاک و دایمی در کنار انرژی گرانقیمت و رو به اتمام سوختهای فسیلی جایگزین بسیار مناسبی تلقی میشود. این مساله خود انگیزهای کافی برای احداث روزافزون توربینهای بادی در سراسر دنیا شده است. انرژی تولید شده از این توربینها به عنوان انرژی منابع تولید پراکنده در شبکه برق شناخته میشود که میتواند تاثیر بسزایی در ارتقای فنی و اقتصادی این شبکهها ایفا کند. در این مقاله مکان و ظرفیت DG مبتنی بر توربین بادی با تابع هدف ترکیبی از شاخصهای تلفات اکتیو و پروفیل ولتاژ و مدلسازی تغییرات سطح باد در چهار سطح مختلف در طول سال با کمک الگوریتم بهینهسازی جفتگیری زنبور عسل کمینهسازی خواهد شد. همچنین، از مدلسازی توربین بادی DFIG با ضریب قدرت یک، استفاده میشود. در نهایت روش پیشنهادی روی شبکه 33 شینه استاندارد در محیط نرم افزار MATLAB و تحت چهار سناریوی بدون حضور، یک، دو و سه توربین بادی پیادهسازی میشود. نتایج بدست آمده نشان میدهند که با افزایش تعداد توربینهای بادی و نصب در نقاط مختلف شبکه، با وجود اینکه جمع ظرفیت پیشنهادی برای نصب تقریباً ثابت مانده ولی تلفات توان، پروفیل ولتاژ و کمترین مقدار ولتاژ در شینهای شبکه و به تبع آنها، تابع هدف بهبود بیشتری یافته است.