دانلود مقاله به همراه ترجمه-توزیع نیروی واکنش پذیر (راکتیو-واکنشی) به شیوه ی الگوریتم ژنتیکی برای توسعه ی پایداری ولتاژ

توزیع نیروی واکنش پذیر (راکتیو-واکنشی) به شیوه ی الگوریتم ژنتیکی برای توسعه ی پایداری ولتاژ

خلاصه:ارزیابی ثبات ولتاژ و کنترل کار اصلی در یک مرکز کنترل انرژی مدرن را می سازند.این مقاله، یک فرضیه GA یا الگوریتم ژنتیکی پیشرفته را برای افزایش ثبات انرژی ارائه میدهد.شیوه ی پیشنهادی براساس کاهش حداکثر شاخص های از مسیرهای بار می باشد ولتاژهای ژنراتوری ،منابع VAR قابل قطع و وصل و تغییر دهندگان شیر مبدل به صورت متغیرهای مطلوب سازی این مسئله استفاده می شوند.این فرضیه ی پیشنهادی به متغیرهای مطلوب سازی اجازه می دهد دوباره در شکل طبیعی خودشان در جمعیت ژنتیکی ارائه شوند.برای پردازش ژنتیکی مؤثر ،کاربران متقاطع و جهشی که می توانند به صورت مستقیم برخورد با شناور سازی اعداد نقطه ای و اعداد صحیح داشته باشند،استفاده می شوند.این الگوریتم پیشنهاد شده روی مسیر- IEEE-30 ، و سیستم های تست مسیر IEEE-57 ، امتحان شده اند و نتایج موفق بدست آمده اند.

Genetic algorithm based reactive power dispatch for voltage stability improvement

 Voltage stability assessment and control form the core function in a modern energy control centre. This paper presents an improved Genetic algorithm (GA) approach for voltage stability enhancement. The proposed technique is based on the minimization of the maximum of L-indices of load buses. Generator voltages,switchable VAR sources and transformer tap changers are used as optimization variables of this problem. The proposed approach permits the optimization variables to be represented in their natural form in the genetic population. For effective genetic processing, the crossover and mutation operators which can directly deal with the floating point numbers and integers are used. The proposed algorithm has been tested on IEEE 30-bus and IEEE 57-bus test systems and successful results have been obtained.

برنامه ریزی تولید کارگاهی با در نظر گرفتن نگهداری و تعمیرات پیشگیرانه با استفاده از الگوریتم ژنتیک

عنوان مقاله: برنامه ریزی تولید کارگاهی با در نظر گرفتن نگهداری و تعمیرات پیشگیرانه با استفاده از الگوریتم ژنتیک

قالب بندی: word

شرح مختصر: در حوزه زمانبندی عملیات، یکی از فرضیات رایج، فرض در دسترس بودن ماشین ها در افق برنامه ریزی است. واضح است که در عمل، ممکن است یک ماشین، به دلایل مختلف، نظیر وقوع خرابی و یا لزوم انجام فعالیت های نگهداری و تعمیرات پیشگیرانه، موقتا در دسترس نباشد و در این تحقیق مساله زمانبندی کارکارگاهی با لحاظ محدودیت در دسترس نبودن ماشینها در دوره های زمانی از قبل مشخص شده، و با هدف کاهش زمان انجام کارها مورد بررسی قرار میگیرد. ابتدا یک مدل برنامه ریزی برای مساله مذکور مطرح می شود. و در ادامه از الگوریتم ژنتیک برای حل مدل استفاده شده است. همچنین جهت ارزیابی عملکرد ژنتیک، 9مساله در ابعادکوچک، متوسط و بزرگ طراحی و توسط الگوریتم مذکور حل و نتایج آن ارائه شده است. از نقطه نظر زمان مورد نیاز برای تولید جواب و مقدار بدست آمده برای تابع هدف، نتایج حاکی از عملکرد مطلوب الگوریتم ژنتیک است

رویکرد کشف فرایندهای تکاملی ترکیبی برای استخراج ساختارهای موازی

چکیده :

سیستم های اطلاعاتی برای پشتیبانی از فرآیندهای گردش کار و ذخیره اجرای وظایف در فرایند و نگهداری آن ها در " فایل های رویداد " به صورت گسترده ای استفاده می شوند. روش هایی مانند تکنیک های کشف فرآیند که در رابطه با استخراج وقایع هستند مورد توجه محققان زیادی قرار گرفته است. روش های کشف فرایند پیشرفته ای مانند الگوریتم آلفا، الگوریتم آلفا ++ و الگوریتم کشف فرایند ژنتیکی (GPM) قادر با ساختارهای مخرب می باشند اما هنوز هم به دلیل پیچیدگی ساختارهای موازی با مشکلات زیادی در کشف این ساختارها مواجه است. این مقاله، یک روش کشف فرایند تکاملی مبتنی ترکیب GPM و الگوریتم بهینه سازی ازدحام ذرات (PSO) به منظور مدیریت ساختارهای موازی ارائه شده است. سوابق پزشکی بیماران سکته مغزی حاد موسسه پزشکی تایوانی به عنوان یک مورد عملی برای تست این روش پیشنهادی استفاده می شود. نتایج تجربی ، تاثیر روش پیشنهادی برای مدیریت ساختارهای موازی را نشان می دهد.

کلمات کلیدی - الگوریتم ژنتیک، الگوریتم بهینه سازی ازدحام ذرات، روش کشف فرایند، مدل گردش کار

الگوریتم ژنتیک

عنوان پروژه: الگوریتم ژنتیک 

پروژه دوره کارشناسی - گروه کامپیوتر

قالب بندی: word

تعداد صفحات: 202

شرح مختصر:

در واقع الگوریتم‌های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیش‌بینی یا تطبیق الگو استفاده می‌کنند.الگوریتم‌های ژنتیک اغلب گزینه خوبی برای تکنیک‌های پیش‌بینی بر مبنای تصادف هستند. مختصراً گفته می‌شود که الگوریتم ژنتیک (یا GA) یک تکنیک برنامه‌نویسی است که از تکامل ژنتیکی به عنوان یک الگوی حل مسئله استفاده می‌کند. مسأله‌ای که باید حل شود ورودی است و راه‌حل‌ها طبق یک الگو کد گذاری می‌شوند که تابع fitness نام دارد هر راه حل کاندید را ارزیابی می‌کند که اکثر آنها به صورت تصادفی انتخاب می‌شوند.

کلاً این الگوریتم‌ها از بخش های زیر تشکیل می‌شوند: تابع برازش، نمایش، انتخاب، تغییر.

فهرست مطالب:

فصل اول----------------------------------------------------------- 1

1-1- مقدمه-------------------------------------------------------- 2

1-2- به دنبال تکامل...--------------------------------------------- 3

1-3- ایدۀ اصلی استفاده از الگوریتم ژنتیک------------------------ 4

1-4- درباره علم ژنتیک--------------------------------------------- 6

1-5- تاریخچۀ علم ژنتیک------------------------------------------- 6

1-6- تکامل طبیعی (قانون انتخاب طبیعی داروین)----------------- 7

1-7- رابطه تکامل طبیعی با روش‌های هوش مصنوعی----------- 10

1-8- الگوریتم------------------------------------------------------ 11

1-8-1- الگوریتم‌های جستجوی ناآگاهانه-------------------------- 12

1-8-1-الف- جستجوی لیست------------------------------------- 12

1-8-1-ب- جستجوی درختی-------------------------------------- 13

1-8-1-پ- جستجوی گراف----------------------------------------- 14

1-8-2- الگوریتم‌های جستجوی آگاهانه---------------------------- 14

1-8-2-الف- جستجوی خصمانه------------------------------------ 15

1-9- مسائل NP-HARD---------------------------------------------16

1-10- هیوریستیک------------------------------------------------ 17

1-10-1- انواع الگوریتم‌های هیوریستیک-------------------------- 19

فصل دوم----------------------------------------------------------- 21

2-1- مقدمه-------------------------------------------------------- 22

2-2- الگوریتم ژنتیک----------------------------------------------- 23

2-3- مکانیزم الگوریتم ژنتیک--------------------------------------- 25

2-4- عملگرهای الگوریتم ژنتیک----------------------------------- 28

2-4-1- کدگذاری--------------------------------------------------- 28

2-4-2- ارزیابی---------------------------------------------------- 29

2-4-3- ترکیب----------------------------------------------------- 29

2-4-4- جهش------------------------------------------------------ 29

2-4-5- رمزگشایی------------------------------------------------- 30

2-5- چارت الگوریتم به همراه شبه کد آن-------------------------- 30

2-5-1- شبه کد و توضیح آن------------------------------------- 31

2-5-2- چارت الگوریتم ژنتیک----------------------------------- 33

2-6- تابع هدف----------------------------------------- 34

2-7- روش‌های کد کردن----------------------------------- 34

2-7-1- کدینگ باینری--------------------------------- 35

2-7-2- کدینگ جایگشتی-------------------------------- 36

2-7-3- کد گذاری مقدار------------------------------- 37

2-7-4- کدینگ درخت----------------------------------- 38

2-8- نمایش رشته‌ها------------------------------------- 39

2-9- انواع روش‌های تشکیل رشته-------------------------- 41

2-10- باز گرداندن رشته‌ها به مجموعه متغیرها------------ 42

2-10-1- تعداد بیت‌های متناظر با هر متغیر------------- 43

2-11- جمعیت------------------------------------------- 44

2-11-1- ایجادجمعیت اولیه---------------------------- 44

2-11-2- اندازه جمعیت-------------------------------- 45

2-12- محاسبه برازندگی (تابع ارزش)--------------------- 46

2-13- انواع روش‌های انتخاب----------------------------- 48

2-13-1- انتخاب چرخ رولت----------------------------- 49

2-13-2- انتخاب حالت پایدار-------------------------- 51

2-13-3- انتخاب نخبه گرایی--------------------------- 51

2-13-4- انتخاب رقابتی------------------------------- 52

2-13-5- انتخاب قطع سر------------------------------- 52

2-13-6- انتخاب قطعی بریندل-------------------------- 53

2-13-7- انتخاب جایگزینی نسلی اصلاح شده--------------- 53

2-13-8- انتخاب مسابقه------------------------------- 54

2-13-9- انتخاب مسابقه تصادفی------------------------ 54

2-14- انواع روش‌های ترکیب------------------------------ 54

2-14-1- جابه‌جایی دودوئی----------------------------- 55

2-14-2- جابه‌جایی حقیقی------------------------------ 58

2-14-3- ترکیب تک‌نقطه‌ای------------------------------ 59

2-14-4- ترکیب دو نقطه‌ای----------------------------- 60

2-14-5- ترکیب n نقطه‌ای------------------------------ 60

2-14-6- ترکیب یکنواخت------------------------------- 61

2-14-7- ترکیب حسابی--------------------------------- 62

2-14-8- ترتیب--------------------------------------- 62

2-14-9- چرخه---------------------------------------- 63

2-14-10- محدّب--------------------------------------- 64

2-14-11- بخش_نگاشته--------------------------------- 64

2-15- احتمال ترکیب------------------------------------ 65

2-16- تحلیل مکانیزم جابجایی--------------------------- 66

2-17- جهش--------------------------------------------- 66

2-17-1- جهش باینری---------------------------------- 69

2-17-2- جهش حقیقی----------------------------------- 69

2-17-3- وارونه سازی بیت----------------------------- 70

2-17-4- تغییر ترتیب قرارگیری------------------------ 70

2-17-5- وارون سازی---------------------------------- 71

2-17-6- تغییر مقدار--------------------------------- 71

2-18- محک اختتام اجرای الگوریتم ژنتیک----------------- 72

2-19- انواع الگوریتم‌های ژنتیکی------------------------ 72

2-19-1- الگوریتم ژنتیکی سری------------------------- 73

2-19-2- الگوریتم ژنتیکی موازی----------------------- 74

2-20- مقایسه الگوریتم ژنتیک با سیستم‌های طبیعی--------- 75

2-21- نقاط قوّت الگوریتم‌های ژنتیک---------------------- 76

2-22- محدودیت‌های GAها-------------------------------- 78

2-23- استراتژی برخورد با محدودیت‌ها-------------------- 79

2-23-1- استراتژی اصلاح عملگرهای ژنتیک---------------- 79

2-23-2- استراتژی رَدّی-------------------------------- 79

2-23-3- استراتژی اصلاحی------------------------------ 80

2-23-4- استراتژی جریمه‌ای---------------------------- 80

2-24- بهبود الگوریتم ژنتیک---------------------------- 81

2-25- چند نمونه از کاربردهای الگوریتم‌های ژنتیک........ 81

فصل سوم----------------------------------------- 86

3-1- مقدمه-------------------------------------------- 87

3-2- حلّ معمای هشت وزیر-------------------------------- 88

3-2-1- جمعیت آغازین--------------------------------- 90

3-2-2- تابع برازندگی-------------------------------- 94

3-2-3- آمیزش---------------------------------------- 95

3-2-4- جهش ژنتیکی----------------------------------- 96

3-3- الگوریتم ژنتیک و حلّ مسألۀ فروشندۀ دوره‌گرد........ 97

3-3-1- حل مسأله TSP به وسیله الگوریتم ژنتیک--------- 99

3-3-2- مقایسه روشهای مختلف الگوریتم و ژنتیک برای TSP107

3-3-3- نتیجه گیری----------------------------------- 108

3-4- حلّ مسأله معمای سودوکو---------------------------- 109

3-4-1- حل مسأله------------------------------------- 110

3-4-2- تعیین کروموزم-------------------------------- 110

3-4-3- ساختن جمعیت آغازین یا نسل اول---------------- 111

3-4-4- ساختن تابع از ارزش--------------------------- 112

3-4-5- ترکیب نمونه‌ها و ساختن جواب جدید-------------- 113

3-4-6- ارزشیابی مجموعه جواب------------------------- 118

3-4-7- ساختن نسل بعد-------------------------------- 118

3-5- مرتب سازی به کمک GA----------------------------- 119

3-5-1- صورت مسأله----------------------------------- 119

3-5-2- جمعیت آغازین--------------------------------- 119

3-5-3- تابع برازندگی-------------------------------- 122

3-5-4- انتخاب--------------------------------------- 123

3-5-5- ترکیب---------------------------------------- 123

3-5-6- جهش------------------------------------------ 124

فهرست منابع و مراجع---------------------------- 126

پیوست------------------------------------------- 127

واژه‌نامه------------------------------------------ 143

کنترل اتوماتیک فشارخون با استفاده از کنترلر PID و تنظیم پارامترهای آن توسط الگوریتم ژنتیک

عنوان پایان نامه: کنترل اتوماتیک فشارخون با استفاده از کنترلر PID و تنظیم پارامترهای آن توسط الگوریتم ژنتیک

فرمت فایل: word

تعداد صفحات: 110

شرح مختصر:

فشارخون بالا زمانی ایجاد می شود که فشارخون در دیواره رگ ها بیش از حد معمول بالا رود که این وضعیت بسیار خطرناک است چون گاهی اوقات تاْثیرات مخرب آن در مرور زمان افزایش می یابد ، پس ثابت نگه داشتن سطح فشارخون در حالت نرمال حائز اهمیت است . کنترل PID به دلیل سادگی و مقاوم بودن آن تا کنون در کنترل بسیاری از پروسه های صنعتی مورد استفاده قرار گرفته است. معمولا در کاربردهای صنعتی، پارامترهای کنترلر PID به صورت دستی و با سعی و خطا تنظیم می شود. تنظیم پارامترهای کنترلر به صورت دستی، کارایی آن را به ویژه در شرایطی که زمان اهمیت دارد و نیز در مواردی که پارامترهای پلانت از قبل مشخص نباشد، کاهش می دهد. لذا در سالهای اخیر کار تحقیقاتی زیادی در زمینه تنظیم اتوماتیک پارامترهای کنترلر PID انجام گرفته و از بسیاری از تکنیک های هوشمند مانند الگوریتم های ژنتیک، بهینه سازی انبوه ذرات و ... برای تنظیم پارامترهای این کنترلر استفاده شده است.

در این پایان نامه، از الگوریتم ژنتیک جهت تنظیم پارامترهای کنترلر PID استفاده شده است. تنظیم اتوماتیک پارامترهای کنترلر توسط الگوریتم ژنتیک، دقت و سرعت کنترلر را به طرز قابل توجهی بهبود بخشیده و انعطاف کنترلر را برای برخورد با سیستمهای مختلف افزایش می دهد. کنترلر PID-GA پیشنهادی ، جهت تنظیم نرخ تزریق دارو به منظور کنترل فشار خون بیمار مورد استفاده قرار گرفته است. نتایج شبیه سازی ها نشان می دهد که این کنترلر با دقت و سرعت مناسب، سطح فشار خون بیمار را به حالت نرمال برمی گرداند و تغییر پارامترهای بیمار نیز در کارایی کنترلر تاثیری نخواهد داشت.

واژه های کلیدی : تنظیم اتوماتیک فشارخون ، کنترلر PID ، الگوریتم ژنتیک ، تنظیم پارامترهای کنترلر PID با الگوریتم ژنتیک

فهرست مطالب

فصل اول مقدمه 1

فصل دوم بیماری فشارخون و روش های درمان پزشکی 4

2-1 مقدمه 4

2-2 تعریف فشار خون 6

2-3 انواع فشار خون 7

2-3-1 علائم 7

2-3-2 تشخیص 8

2-3-3 درمان 8

2-4 افزایش فشار خون 11

2-4-1 شکل فشار خون بدخیم یا تشدید شده 12

2-5 عوارض ناشی از فشار خون بالا

2-5-1 نارسایی قلبی 12

2-5-2 نارسایی کلیه 13

2-5-3 ضعف بینایی 13

2-5-4 سکته مغزی 13

2-5-5 حمله گذرای ایسکمی 14

2-5-6 فراموشی 14

2-5-7 بیماری عروق قلبی 14

2-5-8 سکته (حمله) قلبی 15

2-5-9 بیماری عروق محیطی 15

2-6 شیوه های درمان فشار خون بالا 15

2-7 برخی داروهای پایین آورنده فشار خون 16

فصل سوم استفاده از الگوریتم ژنتیک در تنظیم پارامترهایکنترلر PID 17

3-1 مقدمه 17

3-2 کنترلر PID 18

3-2-1 مقدمه 18

3-2-2 اجزای کنترلر 19

3-2-3 PID پیوسته 20

3-2-4 بهینه سازی کنترلر 20

3-2-5 مشخصات کنترلر های تناسبی-مشتق گیر-انتگرالگیر 21

3-2-6 مثالی از تنظیم پارامترهای کنترلر PID 22

3-2-6-1 کنترل تناسبی 23

3-2-6-2 کنترل تناسبی – مشتق گیر 24

3-2-6-3 کنترل تناسبی – انتگرالی 25

3-2-6-4 اعمال کنترلر PID 26

3-3 الگوریتم ژنتیک 27

3-3-1 مقدمه 27

3-3-2 تاریخچه الگوریتم ژنتیک 28

3-3-3 زمینه های بیولوژیکی 29

3-3-4 فضای جستجو 30

3-3-5 مفاهیم اولیه در الگوریتم ژنتیک 31

3-3-5-1 اصول پایه 31

3-3-5-2 شمای کلی الگوریتم ژنتیک 31

3-3-5-3 کد کردن 32

3-3-5-4 کروموزوم 32

3-3-5-5 جمعیت 33

3-3-5-6 مقدار برازندگی 33

3-3-5-7 عملگر برش 34

3-3-5-8 عملگر جهش 36

3-3-6 مراحل اجرای الگوریتم ژنتیک 38

3-3-7 همگرایی الگوریتم ژنتیک 43

3-3-8 شاخص های عملکرد 44

3-3-8-1 معیارITAE 44

3-3-8-2 معیار IAE 44

3-3-8-3 معیار ISE 44

3-3-8-4 معیار MSE 45

3-4 تنظیم پارامترهای کنترلر PID با استفاده از الگوریتم ژنتیک 45

3-4-1 تاریخچه 46

3-4-2 نحوه تنظیم پارامترهای کنترلر PID با استفاده از الگوریتم ژنتیک 46

3-5 مدل سازی ریاضی سیستم تنظیم فشار خون 47

3-5-1 مقدمه 47

3-5-2 مدل های دینامیکی توسعه داده شده 48

3-5-2-1 مدل اول 48

3-5-2-2 مدل دوم 49

3-5-2-3 مدل سوم 50

3-5-2-4 مدل چهارم 52

3-6 پیاده سازی سیستم تحویل دارو برای تنضیم فشارخون 53

فصل چهارم الگوریتمهای هم تکاملیهم کارانه 55

4-1 مقدمه 55

4-1-1 مفهوم هم تکاملی در طبیعت 55

4-1-2 الگوریتم های هم تکاملی ( CEAs) 56

4-2 تاریخچه 57

4-3 چرا از الگوریتمهای هم تکاملی استفاده می کنیم؟ 58

4-3-1 فضای جستجوی بزرگ یا نامحدود 59

4-3-2 عدم وجود یا مشکل بودن بیان ریاضی معیار مطلق برای ارزیابی افراد 60

4-3-3 ساختارهای پیچیده و یا خاص 61

4-4 معایب هم تکاملی 62

4-5 طبقه بندی الگوریتم های هم تکاملی 64

4-5-1 ارزیابی 64

4-5-1-1 کیفیت و چگونگی Payoff 66

4-5-1-2 روش های اختصاص برازندگی 66

4-5-1-3 روش های تعامل بین افراد 67

4-5-1-4 تنظیم زمان به هنگام سازی 68

4-5-2 نحوه نمایش 69

4-5-2-1 تجزیه مسأله به اجزای کوچکتر 69

4-5-2-2 توپولوژی فضایی 69

4-5-2-3 ساختار جمعیت 69

4-6 چهارچوب کلی الگوریتم هم تکاملی همکارانه 70

4-7 مقاوم بودن در الگوریتم های هم تکاملی هم کارانه 70

4-8 تئوری بازیهاوتحلیل الگوریتم هم تکاملی براساس مفاهیم تئوری بازی تکاملی72

4-9 زمینه های کاربرد الگوریتم های هم تکاملی 75

فصل پنجم شبیه سازی ها و نتایج 78

5-1 مقدمه 78

5-2 کنترل بهینه فشارخون حین عمل جراحی توسط الگوریتم ژنتیک 78

5-2-1 شبیه سازی سیستم کنترل اتوماتیک فشارخون باکنترلر PID والگوریتم ژنتیک 79

5-2-1-1 انتخاب مدل ریاضی 79

5-2-1-2 انتخاب کنترلر 80

5-2-1-3 انتخاب تابع برازندگی برای الگوریتم ژنتیک 81

5-2-1-4 اعمال کنترلر و عمل کردن الگوریتم ژنتیک 82

5-2-2 نتایج شبیه سازی 84

5-2-3 پاسخ های حاصل از اجرای برنامه شبیه سازی شده 85

فصل ششم نتیجه گیری و پیشنهادات 88

6-1 نتیجه گیری 88

6-2 پیشنهادات 89

مراجع 90

فهرست شکل ها

شکل 3-1 شمای کلی کنترلر PID 19

شکل 3-2 مثالی از تنظیم پارامترهای کنترلر PID 22

شکل 3-3 پاسخ پله سیستم حلقه باز 23

شکل 3-4 پاسخ پله واحد سیستم حلقه بسته با کنترلر تناسبی 24

شکل 3-5 پاسخ پله واحد سیستم حلقه بسته با کنترلر PD 24

شکل 3-6 پاسخ پله واحد سیستم حلقه بسته با کنترلر PI 25

شکل 3-7 پاسخ پله واحد سیستم حلقه بسته با کنترلر PID 26

شکل 3-8 : تبدیل فنوتیپ ها به ژنوتیپ ها وبالعکس 29

شکل 3-9 نمونه ای از فضای جواب 30

شکل 3-10 نمایش یک کروموزوم n بیتی در پایه عددی m 33

شکل 3-11 عمل برش تک نقطه ای 35

شکل 3-12 : عمل برش چند نقطه ای 35

شکل 3-13 عمل برش یکنواخت 36

شکل 3-14 عمل جهش 37

شکل 3-15 مراحل اجرای الگوریتم ژنتیک 39

شکل 3-16 مدل چرخ رولت 40

شکل 3-17 بلوک دیاگرام سیستم کنترل با کنترلر 53

شکل 4-1 سلسله مراتب طبقه بندی ویژگی های یک الگوریتم هم تکاملی 65

شکل4-2 الگوریتم هم تکاملی هم کارانه ترتیبی خلاصه شده 71

شکل 4-3 ماتریس امتیازدهی 74

شکل 5-1 شمای کلی سیستم 79

شکل 5-2 فلوچارت سیستم کنترل فشارخون 83

شکل 5-3 شبیه سازی کنترلر PID 84

شکل 5-4 شبیه سازی سیستم کنترل فشارخون 84

شکل 5-5 مقدار برازندگی ها در هر نسل 86

شکل 5-6 ضرایب کنترلرPID 86

شکل 5-7 خروجی سیستم در حالتی که فشار از حالت مطلوب بیشتر است 87

شکل 5-8 خروجی سیستم در حالتی که فشار از حد مطلوب کمتر است 87

فهرست جداول

 جدول 3-1 اثرات کنترلرهای ، ، 21

جدول 3-2 نمونه ای از عمل جهش 37

جدول 3-3 انتخاب کروموزوم ها با استفاده از مدل چرخ رولت 41

جدول 3-4 محدوده پارامترهای مدل دینامیکی سیستم فشارخون 51

جدول 3-5 مقادیر تعیین شده برای پارامترهای مدل 52

جدول 3-6 مقادیر پارامترهای فرمول رابطه بین تغییرات فشارخون و سرعت تزریق دارو53

جدول 5-1 انتخاب عدد مناسب برای پارامترهای مدل فشارخون 80