در اکتشافات نفت، تعیین بستر حوضه­های رسوبی از اهمیت بسیار زیادی برخوردار است. مطالعه هندسه سنگ بستر و تهیه تصاویر دوبعدی از آن، مستلزم استفاده از محاسبات وارون غیرخطی است. الگوریتم­های مورد استفاده شامل الگوریتم ژنتیک مرتب­سازی نامغلوب (Non-dominated Sorting Genetic Algorithm-II) و روش هیبریدی NSGAII-TOSIS است که ابزاری مفید در محاسبات برآورد عمق به شمار­می روند. الگوریتم ژنتیک مرتب­سازی نامغلوب برای حل مسائلی با توابع هدف متعدد و بیشتر متعارض کاربرد دارد. این الگوریتم توانایی زیادی در حل مسائل چندهدفه نامقید دارد. روش هیبریدی الگوریتم NSGA-II با الگوریتمTOPSIS  می­تواند جایگزینی برای روش­های بهینه­سازی در مدل سازی ژئوفیزیکی باشد. در این مطالعه جهت راستی­آزمایی و صحت­سنجی الگوریتم­های به کار­رفته، از داده­های تولید­شده با یک مدل مصنوعی فرضی و پیچیده استفاده شد. برای بررسی دقیق­تر عملکرد این الگوریتم­ها، داده­های مصنوعی فرضی در دو حالت بدون نوفه و همراه با نوفه سفید گوسی تا 10 درصد مطالعه و بررسی شدند. نتایج مدل­سازی با این الگوریتم­ها تطابقی پذیرفتنی با مدل اولیه داشت. این نتایج حاکی از پایداری مناسب الگوریتم ها در برابر نوفه­های سفید گوسی با دامنه­های به نسبت زیاد است. با بررسی داده­های واقعی مربوط به داده­های گرانی­سنجی حوضه مغان در شمال غرب ایران و صحرای آتاکاما در کشور شیلی، نتایج نشان­دهنده عملکرد مناسب هر دو الگوریتم است.

طراحی شبکه زنجیره تامین از اساسی ترین مسائل مطرح در سازمان هاست، به خصوص سازمان هایی که در سطح بین المللی فعالیت می کنند. بهینه سازی این شبکه منجر به مدیریت کارا و موثر عملیات کل زنجیره تامین می شود. طراحی شبکه تعداد، موقعیت، ظرفیت، نوع تسهیلات شبکه، مسیرهای توزیع، حمل مواد و محصولات از تامین کننده تا مشتری و برعکس را مشخص می کند. این پژوهش روش حل جدیدی بر اساس الگوریتم های فراابتکاری MOGA و NSGAII برای یافتن مجموعه ای از جواب های پارتو بهینه ارائه می دهد. مساله طراحی دو هدفه شبکه لجستیک یکپارچه، مجموعه ای از جواب های جایگزین را جهت توانمند ساختن تصمیم گیرندگان پیشنهاد می کند. نظر به اینکه در این تحقیق، سطح سرویس از اهمیت بالایی برخوردار می باشد، از این رو مدلسازی بر اساس برآورده شدن تمام تقاضای مشتریان انجام شده است.اهداف مورد نظر برای بهینه سازی شبکه شامل کمینه سازی هزینه کل و بیشینه سازی استفاده متوازن از ظرفیت تسهیلات شبکه است که منجر به کاهش زمان در سرویس دهی به مشتریان (افزایش سطح سرویس) می شود. به این ترتیب نه مساله آزمایشی از کوچک تا بزرگ طراحی شد و برای مقایسه کیفیت جواب های پارتو به دست آمده از الگوریتم ها، هفت معیار مطرح در فضای چند هدفه مورد استفاده قرار گرفت. نتایج نشان می دهد که جواب های تولیدی به وسیله الگوریتم NSGAII از کیفیت بالاتری برخوردارند.

در این مقاله رکوپراتور یک میکروتوربین 200kW با در نظر گرفتن هزینه و کارایی به عنوان پارامترهای کلیدی، با الگوریتم ژنتیک چند هدفه بهینه سازی شده است. از روش ε-NTU برای تخمین کارایی و افت فشار استفاده شده است. هزینه کلی رکوپراتور شامل هزینه سرمایه گذاری، هزینه کارکرد و هزینه تعمیرات و نگهداری می باشد. مبدل حرارتی صفحه پره دار با پره نواری و آرایش جریان متقاطع و مخالف برای بهینه سازی انتخاب شده است. گام پره، ارتفاع پره، طول نوار، طول مسیر جریان سرد، طول مسیر بدون جریان و طول مسیر جریان گرم به عنوان شش پارامتر طراحی در نظر گرفته شده اند. الگوریتم ژنتیک با مرتب سازی نامغلوب 2 برای بیشینه کردن کارایی رکوپراتور و کمینه کردن هزینه کلی آن به عنوان توابع هدف استفاده شده است. جواب های بهینه سازی به صورت مجموعه ای از جواب های بهینه به نام منحنی بهینه پارتو ارائه شدند. نتایج، تضاد دو تابع هدف را به خوبی نشان می دهند، به عبارتی دیگر هر تغییر در پارامترهای هندسی که کارایی را افزایش دهد هزینه را هم افزایش می دهد و بالعکس. در انتها طرح های بهینه بدست آمده بر اساس مفهوم مرتب سازی نامغلوب با یکدیگر مقایسه شدند و طرح های بهینه نهایی بدست آمدند.

1امروزه حمل و نقل دریایی نقش بزرگی در تجارت جهانی دارد. ویژگیهای بارز حمل و نقل کانتینری کالا باعث شده است روز به روز بر تعداد کشتی های کانتینربر افزوده شود و پیشرفتهای چشمگیری در ساخت و بهره برداری از این کشتی ها حاصل گردد. در این تحقیق، ابعاد اصلی یک کشتی کانتینربر با توجه به معیارهای مختلف بهینه سازی شده است. اهداف این بهینه سازی، کاهش مقاومت هیدرودینامیکی کشتی و کاهش وزن سازه کشتی می باشد. در ابتدا اطلاعات لازم برای بهینه سازی جمع آوری شده و قیود مسئله مشخص می گردد. سپس با استفاده از ماژول بهینه سازی الگوریتم ژنتیک نرم افزار متلب بهینه سازی انجام می گیرد. همچنین، یک کد نرم افزاری توسعه داده شده و مسئله بهینه سازی با استفاده از این کد حل می شود. نتایج نشان می دهد الگوریتم ژنتیک می تواند بعنوان ابزار مناسبی جهت بهینه سازی ابعاد کشتی ها مورد استفاده قرار بگیرد.

از جمله عواملی که می تواند در کیفیت و کمیت رواناب های شهری تاثیر قابل توجهی بگذارد، رشد و توسعة شهری و آگاهی از اثرات زیست محیطی آن بر جامعه می باشد. در سال های اخیر مفهوم جدیدی به نام روش های مدیریت مناسب سیلاب و با نام اختصاری BMPs در راستای کنترل کمی و کیفی سیلاب های شهری مطرح شده است. در این مقاله سعی شده است با در نظرگرفتن سه تابع هدف کیفیت رواناب و کمیت رواناب و هزینه (شامل خسارت سیلاب و هزینه های نگهداری از BMPs) ضمن مقایسه دو الگوی بهینه سازی NSGAII و MOPSO به ارائة سناریو مناسب برای طراحی شهری رویکرد کنترل کمی و کیفی رواناب پرداخته شود. بر این اساس و با توجه به اهمیت مدیریت رواناب در کلانشهری مانند تهران، در این تحقیق قسمتی از حوضه آبریز منطقه 22 شهرداری تهران انتخاب و نسبت به ارزیابی اثرات BMPها بر روی کمیت رواناب با استفاده از مدل-های ریاضی بارش-رواناب اقدام شد. با مقایسه نتایج نسل آخر دو الگوریتم مشخص گردید که میانگین جواب های بهینه NSGAII بهینه تر و انحراف معیار جواب ها در نسل آخر نسبت به MOPSO بیشتر که این نشان دهندة کارایی بهتر NSGAII می باشد اما استفاده از الگوریتم بهینه سازی MOPSO بدلیل دخیل بودن پارامترهای کمتری نسبت به NSGAII از سهولت بیشتری برخوردار خواهد بود. حداقل نمودن توابع هدف در ساختار پیشنهادی به عنوان هدف اصلی استفاده از این ابزار مطرح بوده است در الگوریتم NSGA-II بیشتر از MOPSO است. لازم به ذکر است رسیدن به حالت پایدار در NSGAII در تعداد نسل های کمتری نسبت به MOPSO صورت خواهد گرفت. همچنین نتایج حاصل از ارزیابی BMPها در قالب سناریوهای مختلف نشان داد که به کارگیری این راهکارها می تواند باعث کاهش دبی اوج از 3/16 به 1/50 درصد و نیز کاهش حجم رواناب از 2/9 تا 4/37 درصد بسته به نوع و تعداد BMP های به کار رفته در سطح حوضه شود. همچنین با بررسی سناریوهای منتخب نتیجه گردید که در بیش از 60 درصد از کاربری های مرتبط با فضای سبز، مخازن ماند بیولوژیکی و در کاربری های مسکونی و صنعتی کف پوش های نفوذپذیر و مخازن جمع آوری آب باران پیشنهاد شده است.

انتخاب سبدسهام بهینه به عنوان مسئله ای مهم در اقتصاد مطرح است. تکنیک و ابزارهای متعددی برای حل مساله سبد بهینه سهام وجود دارد. در این پژوهش داده های 15 سهام از شرکت های پذیرفته شده در بورس اوراق بهادار تهران شامل نمادهای؛ خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت با روش نمونه گیری خوشه ای و حذف سیستماتیک انتخاب شدند. ابتدا بازده این سهام بصورت روزانه در بازه زمانی 31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه گردید. سپس با استفاده از مدلهای ریسک "میانگین-نیم واریانس، ارزش در معرض خطر مشروط، ریسک سبد سرمایه گذاری آنها محاسبه می-شوند. و این دو معیار از روش حل کلاسیک با هم مقایسه می شوند. خروجی بهینه سازی سبد با هر یک از این ریسک ها وزن متفاوتی از هر سهم را نشان می دهد. سپس مدل های ریسک میانگین-نیم-واریانس و ارزش در معرض خطر مشروط از روش فرا ابتکاری الگوریتم ژنتیک چند هدفه با هم مقایسه می شوند. نتایج حاکی از آن است که روش الگوریتم ژنتیک چند هدفه در مقایسه با روش کلاسیک بازدهی سبد بیشتری در معیار میانگین-نیم واریانس به نمایش گذاشت. لذا روش بهتری برای بهینه سازی سبد سهام می باشد.

در این تحقیق بهینه سازی انتقال حرارت در میکرولوله های منحنیشکل توسط روش بهینه سازی چند هدفه مبتنی بر الگوریتم ژنتیک مورد بررسی قرار گرفته است. میزان انتقال حرارت و افت فشار سیال در میکرولوله های مارپیچ با ابعاد هندسی متفاوت (شامل شعاع انحنا و طول مستقیم بین خم ها) بصورت آزمایشگاهی اندازهگیری شد. با استفاده از داده های آزمایشگاهی، اعداد بدون بعد شامل: عدد ناسلت و ضریب اصطکاک برای تحلیل و بهینه سازی نتایج، محاسبه شدند. ثوابت دو معادله تجربی برای تخمین عدد ناسلت و ضریب اصطکاک با دقت مناسب، توسط تکنیک الگوریتم ژنتیک تعیین گردیدند. نتایج بیانگر خطای نسبی 49/7 درصد برای تخمین عدد ناسلت و 76/9 درصد برای پیشبینی ضریب اصطکاک می باشند. در نهایت این دو معادله تجربی جهت تعریف توابع هدف در بهینه سازی چندهدفه مبتنی بر الگوریتم ژنتیک بکار گرفته شده و نتایج بهینه سازی شامل مجموعه پارتو ارائه شدند. نتایج بهینه سازی شامل ابعاد هندسی مناسب برای میکروکانالهای مورد بررسی جهت طراحی مبدل های حرارتی میکروکانالی میباشند.