محاسبه وزن مواد بار کوره های ذوب، اغلب از راه موازنه جرم ساده عناصر آلیاژی در مواد ورودی و مذاب خروجی انجام می شود. اما در فرایندهای ذوب، پیچیدگی ها و پدیده های گوناگونی هست که اغلب در محاسبات موازنه جرم نادیده گرفته می شود و سبب عدم اطمینان در محاسبه بار کوره می گردد. خطای محاسبه، باعث اصلاح چندباره ذوب، تأخیر در تخلیه، افزایش هزینه و کاهش کیفیت مذاب می شود. در پژوهش حاضر تلاش بر این بوده که پیچیدگی ها و جنبه های مهم مساله ذوب، که اغلب نادیده گرفته شده، در کوره شناسایی و در یک مدل ریاضی مناسب درنظر گرفته شود. هدف پژوهش حاضر توسعه مدلی است، که نه تنها وزن مواد اولیه برای ترکیب شیمیایی ذوب هدف را بهینه سازی کند، بلکه هدررفت ناهمگن عناصر آلیاژی، ناخالصی های غیرفلزی مواد بار، و اصلاح ذوب اولیه در کوره را نیز درنظر بگیرد. این مقاله، یک مدل بهینه سازی استاندارد و یک الگوریتم حلقه ی تکرار برای موازنه جرم غیرخطی مساله ذوب ارایه می کند. یک مساله ذوب آلیاژ برنج با 7 عنصر آلیاژی و 8 نوع مواد بار در مقیاس صنعتی طرح و بررسی گردید، تا کارکرد مدل را مورد آزمایش قرار دهد. نتایج عددی مدل کسر وزنی مواد اولیه، و وزن و ترکیب شیمیایی ذوب اصلاح شده را با کمترین هزینه مواد نشان می دهد. تحلیل بهینه بودن جواب، تایید کرد که کمترین مقدار هزینه به دست آمده است. مدل استاندارد غیرخطی، ابزاری قابل اعتماد و سریع برای بهینه سازی هزینه و محاسبه بار کوره است که پتانسیل های قابل توجهی برای کاهش هزینه و تسهیل اتوماسیون صنعتی فرایند ذوب ایجاد می کند.

در مطالعه ی حاضر به تعیین شاخص نااطمینانی اقتصادی بهینه برای اقتصاد ایران در طی دوره ی1369: 1 تا 1396: 4 پرداخته شده است. در این راستا تابع نااطمینانی هم زمان که شامل متغیرهای شکاف رشد تولید، تورم، نرخ ارز و پایه ی پولی است، در کنار سایر معادلات ساختاری اقتصاد ایران تصریح و پارامترهای آن توسط الگوریتم بهینه یابی جستجوی موجودات همزیست (SOS) به گونه ای تعیین شده است که تابع زیان بانک مرکزی ایران را حداقل کند. ضرایب به دست آمده برای متغیرهای شکاف رشد تولید، تورم، نرخ ارز و پایه ی پولی به ترتیب برابر با22/0، 03/1، 07/2 و99/0 است که بیانگر اهمیت بیشتر دو متغیر نرخ ارز و تورم در ایجاد نااطمینانی اقتصادی است. شاخص ایجاد شده مانا بوده و همچنین نشان دهنده ی بالا بودن سطح نااطمینانی در دو دهه ی هفتاد و نود نسبت به دهه ی هشتاد است. این شاخص نشان می دهد که فقط در هفت مقطع، مقدار شاخص نااطمینانی تقریباً برابر با صفر است که همه ی آن ها در دهه ی هشتاد قرار دارند و در سایر دوره ها مقدار شاخص مثبت و یا منفی است.

درخت مدل خطی محلی یا LOLIMOT که در آن از نوعی مدل فازی عصبی خطی محلی استفاده شده است، الگوریتمی بر اساس استراتژی تقسیم و حل می باشد که در آن حل مساله پیچیده از طریق تقسیم مساله به تعدادی زیر مساله کوچک تر (و از این رو ساده تر) صورت می پذیرد. بنابراین مشخصات این مدل فازی - عصبی (زیرمساله های کوچک تر شده) به مقدار زیادی به ساختار الگوریتم به کار برده شده جهت تقسیم بندی وابسته می باشد. الگوریتم LOLIMOT برای رسیدن به خروجی با خطای کمتر فضای مساله را به تعدادی مدل خطی محلی یا LLM تقسیم می نماید و پس از پیدا کردن بدترین LLM) LLM با خطای بیشتر) با تقسیم آن به دو LLM الگوریتم را ادامه می دهد. در این الگوریتم در هر تکرار از آن بدترین LLM با نرخ تقسیم 1/2 در جهت های متعامد بر فضای ورودی تقسیم می شود. در این مقاله به کمک الگوریتم بهینه سازی حدی به بهینه سازی نرخ تقسیم می پردازیم، نتایج پیاده سازی حاکی از آن است که کارایی نسخه جدید الگوریتم LOLIMOT از نظر شاخص میانگین مربعات خطا بهتر از الگوریتم اولیه است.

در سال های متمادی، شکستن الگوریتم های رمزنگاری به عنوان یک چالش مورد توجه قرار گرفته است. الگوریتم رمزنگاری D ES به-عنوان استانداردی جهت محرمانه نگه داشتن اطلاعات مورد استفاده قرار گرفته و این امکان برای محققان وجود دارد که آن را بیازمایند. الگوریتم رمزنگاری SDES نسخه ساده شده الگوریتم رمزنگاری D ES می باشد که محققان جهت پژوهش، الگوریتم رمزنگاریSDES را مورد استفاده قرار می دهند. در این تحقیق از الگوریتم استاندارد بهینه سازی پرتو ذرات، جهت شکستن الگوریتم رمزنگاری SDES استفاده شده است. جهت شکستن الگوریتم رمزنگاری SDES، الگوریتم استاندارد بهینه سازی پرتو ذرات بهینه شده است. چندین حمله روی بلوک های از داده های متنی صورت گرفت که نتایج بدست آمده نشان می دهد این الگوریتم درکشف بیت های کلیداصلی درکوتاه ترین زمان بهبودعملکرد داشته به طوری که در مقایسه با کارهای پیشین در معیار کشف بیت های کلید اصلی، ده بیت کلیداصلی کشف شده است و در معیار زمان کشف بیت های کلید اصلی، زمان از بیش یک دقیقه به کمتر از بیست ثانیه کاهش یافته است.

هدف: در سال های اخیر، شاهد ظهور و گسترش الگوریتم­های فرا ابتکاری و استفاده از آن­ها جهت حل مسائل پیچیده، غیرخطی و ابعاد بالا بوده ایم. با توجه به اینکه الگوریتم­های فوق برای حل مسائل پیچیده و در حال تغییر دنیای واقعی به کار می­روند، دنیای الگوریتم­ها و طراحی آن­ها به شکل فزاینده ای پویا و رو به رشد بوده است. بنابراین، پیوسته شاهد به وجود آمدن الگوریتم های جدیدی هستیم. هدف از این تحقیق، ارائه یک الگوریتم فرا ابتکاری جدید به نام «الگوریتم بهینه سازی نظامی» می­باشد. روش شناسی پژوهش: با الهام از عملیات­های نظامی الگوریتم پیشنهادی طراحی و ارائه گردید و پس از کدنویسی، توابع تست استاندارد و الگوریتم­های محک برای ارزیابی عملکرد آن تعیین و مشخص شدند. یافته ‎ها: عملکرد الگوریتم پیشنهادی به وسیله 23 تابع تست استاندارد و با در نظر گرفتن شاخص­های «میانگین جواب­ها»، «میانگین زمان محاسباتی» و «زمان همگرایی» در مقایسه با هشت الگوریتم محک شامل: ژنتیک، ازدحام ذرات، کلونی زنبور مصنوعی، قورباغه جهنده، رقابت استعماری، گرگ خاکستری، بهینه­سازی وال و بهینه­سازی ملخ مورد ارزیابی و سنجش قرار گرفت. نتایج نشان دهنده عملکرد مطلوب الگوریتم پیشنهادی است. اصالت/ارزش افزوده علمی: در این مقاله، با الهام از عملیات­های نظامی الگوریتم جدیدی به نام الگوریتم بهینه­سازی نظامی (MOA) ارائه می­شود که مبتنی بر جمعیت است و بر اساس «جستجوی تصادفی»، «تقسیم فضای جواب به چند منطقه و تخصیص بخشی از جمعیت به هر منطقه»، «جستجوی سواره نظام» و «جستجوی پیاده نظام» عمل می کند.

بهینه سازی بر پایه جغرافیای زیستی، الگوریتم تکاملی جدیدی بر اساس جمعیت است که ریاضیات جغرافیای زیستی، بر آن حاکم است و الگوریتم تکامل تفاضلی، الگوریتمی قدرتمند برای حل بسیاری از مسائل بهینه سازی است. الگوریتم تکامل تفاضلی در اکتشاف فضای جستجو و تعیین مکان مینیمم سراسری خوب، ولی در استخراج راه حل مساله کند است. در این مقاله قابلیت اکتشاف الگوریتم تکامل تفاضلی با قابلیت استخراج الگوریتم بهینه سازی بر پایه جغرافیای زیستی، ادغام شده و با معرفی یک عملگر مهاجرت ترکیبی، الگوریتم جدیدی برای حل مسائل بهینه سازی چندهدفه ارائه شده است. در الگوریتم پیشنهادی از فرایند مرتب سازی غیرمغلوب برای بهبود همگرایی و از مفهوم فاصله جمعیتی محلی برای حفظ پراکندگی اعضای موجود در مجموعه پرتو استفاده شده است. در این مقاله کارایی الگوریتم پیشنهادی با استفاده از چند تابع آزمون رایج آزمایش شده و معیارهای مطرح در مسائل بهینه سازی چندهدفه تکاملی، ارزیابی و با الگوریتم های مطرح در این زمینه مقایسه شده است. نتایج حاصل بیانگر کارایی مطلوب الگوریتم پیشنهادی در رقابت با سایر الگوریتم های مطرح است.

بهره برداری بهینه از مخازن سدها از جمله مسایل مهم در علوم مهندسی آب است که روش های بهینه سازی متعددی به منظور حل آن به کار گرفته شده است. امروزه کارشناسان مهندسی آب به استفاده از الگوریتم های فراکاوشی به منظور حل این مساله گرایش پیدا کرده اند. یکی از این الگوریتم ها، الگوریتم بهینه سازی جامعه مورچگان است که بر مبنای شبیه سازی رفتار جستجوی غذا در جامعه مورچگان ارائه شده است. در این تحقیق قابلیت های چهار الگوریتم مختلف از الگوریتم های بهینه سازی جامعه مورچگان به نام های الگوریتم پایه سیستم مورچگان، الگوریتم سیستم مورچگان نخبه، الگوریتم سیستم مورچگان ترتیبی و الگوریتم سیستم مورچگان بیشینه-کمینه به منظور حل دو مساله تک هدفه بهره برداری از مخزن سد دز به منظور تامین آب مورد نیاز (بهره برداری ساده) و بهره برداری برقابی از مخزن سد دز مورد بررسی قرار گرفته است. نتایج این مطالعه نشان می دهد که الگوریتم بهینه سازی جامعه مورچگان، الگوریتمی مناسب در حل مسایل بهره برداری از مخازن سدها می باشد. هم چنین، از میان الگوریتم های مورد مطالعه، الگوریتم سیستم مورچگان بیشینه - کمینه به منظور حل مسایل مورد نظر مناسب تر عمل نموده است.