مقاله توسعه یک روش کارا بر پایه شبیه سازی برای حل مساله تخصیص افزونگی در سیستم های تعمیرپذیر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله توسعه یک روش کارا بر پایه شبیه سازی برای حل مساله تخصیص افزونگی در سیستم های تعمیرپذیر دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله توسعه یک روش کارا بر پایه شبیه سازی برای حل مساله تخصیص افزونگی در سیستم های تعمیرپذیر  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله توسعه یک روش کارا بر پایه شبیه سازی برای حل مساله تخصیص افزونگی در سیستم های تعمیرپذیر،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله توسعه یک روش کارا بر پایه شبیه سازی برای حل مساله تخصیص افزونگی در سیستم های تعمیرپذیر :

تعداد صفحات:۹
چکیده:
در این نوشتار یک روش جدید برای حل مساله تخصیص افزونگی در سیستم های سری موازی با اجزای تعمیرپذیر ارائه شده است. در سیستم های تعمیرپذیر مفهوم دسترس پذیری جایگزین مفهوم قابلیت اطمینان می شود و ماندگاری سیستم که دسترس پذیری سیستم تا اولین خرابی است، دارای اهمیت است. هدف اصلی این مقاله نیز بهینه سازی میانگین زمان تا اولین خرابی (Mean Time To Fist Failure) سیستم است. هدف از بهینه سازی، تخصیص اجزای مازاد مناسب با هدف افزایش مقدار MTTFF سیستم با توجه به محدودیت هایی همچون هزینه و وزن کل سیستم می باشد. با توجه به این که تابع هدف مساله غیرقابل برآورد است، از این رو در سیستم سری – موازی در نظرگرفته شده، برای هر کدام از زیرسیستم های دارای اجزای موازی مقدار MTTFF جداگانه محاسبه شده و بصورت آرشیو در الگوریتم ارائه شده استفاده شده است.در این تحقیق از الگوریتم ژنتیک چند جمعیتی (Multi Population Genetic Algorithm) به همراه تکنیک شبیه سازی برای حل مسئله مذکور استفاده شده است. الگوریتم ارائه شده به همراه الگوریتم ژنتیک (GA) بر روی مثال های طراحی شده آزمایش شده اند. برای ارزیابی الگوریتم ها از معیار درصد انحراف نسبی استفاده شده است. نتایج حاصل از ارزیابی دو الگوریتم نشان می دهد که الگوریتم MPGA پایداترین عملکرد را در مقایسه با الگوریتم ژنتیک داشته است.