برای استخراج سیاست های بهینه بهره برداری ازسیستم های چند مخزنه، اعمال اهداف چندگانه متضاد به صورت همزمان، از اهمیت بسیاربالایی برخوردار است.در این راستا، به ارائه یک مدل بهینه سازی چندهدفه شامل اهداف کشاورزی و زیست محیطی در یک سیستم سه سدی منابع آب پرداخته شده است. بدین منظور از تلفیق مدل شبیه ساز سیاست بهره برداری جیره بندی گسسته و مدل بهینه سازی الگوریتم ﮊنتیک چند هدفه با رویکرد مرتب سازی نامغلوب، استفاده شده است تا شاخص کمبود آب برای تامین اهداف مورد نظر را در طول دوره آماری 48 ساله آبدهی کاهش دهد. معیارهای ارزیابی الگوریتم بهینه ساز شامل شاخص متوسط فاصله بین نقاط و انحراف معیار نقاط جبهه نامغلوب می باشند که با توجه به محاسبات انجام شده مقادیر هر یک به ترتیب معادل 0.357 و 0.0111 به دست آمد. این نتایج بیانگر کارایی موثر این الگوریتم در به دست آوردن جبهه جواب نامغلوب می باشد. همچنین الگوریتم های چند هدفه، مجموعه ای از جواب های بهینه را به جای یک جواب در اختیار کاربر قرار می دهند، بنابراین به سهولت تصمیم گیری در مورد نحوه تامین آب اهداف متضاد کشاورزی و زیست محیطی در شرایط مختلف و پیچیده بهره برداری از جمله شرایط خشکسالی کمک می نماید.

مطالعه هندسه سنگ بستر در اکتشافات معدنی و نفتی جهت دستیابی به تصاویر دو بعدی از آن، مستلزم استفاده از محاسبات وارون غیرخطی است. الگوریتم های مورد استفاده در این مطالعه، الگوریتم ژنتیک مرتب سازی نامغلوب NSGA-II و الگوریتم ژنتیک GA است که جهت محاسبات برآورد عمق مورد استفاده قرار گرفته است. الگوریتم ژنتیک مرتب سازی نامغلوب برای حل مسائلی با توابع هدف متعدد و عموماً متعارض که از قابلیت توسعه و توانایی بالایی در حل مسائل چندهدفه نامقید برخوردار است. الگوریتم ژنتیک تک هدفه نیز قابلیت مدل سازی را دارد. در این مطالعه، جهت راستی آزمایی و صحت سنجی هر دو الگوریتم، از داده های تولیدشده توسط یک مدل مصنوعی پیچیده استفاده شد و برای بررسی دقیق تر عملکرد این الگوریتم ها از این داده ها در دو شرایط بدون نوفه و همراه با نوفه سفید گوسی تا 10 درصد مورد مطالعه و بررسی قرار گرفت و نتایج حاصل از مدل سازی توسط این الگوریتم ها تطابق قابل قبولی را با مدل اولیه ارائه داد به طوری که در الگوریتم NSGA-II پارامتر ریشه میانگین مربع خطا  (RMS)برای داده به دست آمده از داده اولیه مدل مصنوعی از 05/0 تا 35/0 میلی گال و در الگوریتم GA از 07/0 تا 52/0 میلی گال است. این پارامتر در الگوریتم NSGA-II برای مدل به دست آمده از مدل اولیه 4/72 متر و برای الگوریتم  GAاز 8/93 متر بالا نرفت. با بررسی مدل سازی گرانی سنجی محدوده آناتولی در کشور ترکیه، نتایج به دست آمده برای هر دو الگوریتم با ایجاد شرایط مشابه از نظر تنظیم پارامتری و تعداد دفعات اجرای الگوریتم، نشان دهنده عملکرد مناسب الگوریتم NSGA-II نسبت به الگوریتمGA  است.

برنامه ریزی توسعۀ شبکه یکی از مسائل مهم در سیستم قدرت برای برآوردن رشد تقاضای برق در سال های آینده با توجه به افزایش جمعیت، توسعۀ شهری و افزایش رفاه اجتماعی است. بـه دلیـل عمـر طولانی و گسترۀ جغرافیایی شبکه های انرژی الکتریکی، احـداث و بهره برداری از بخش های مختلف آن نیازمند هزینه های بسیار گزاف است. مشکلات زیست محیطی و گرمایش کره زمین یکی از بزرگ ترین دغدغه های جوامع است. استفاده از فناوری های تولید انرژی تجدید پذیر به عنوان یکی از اساسی ترین راهکارها، با توجـه بـه متغیر بـودن تـوان خروجـی آن ها در شبانه روز و همچنین وابستگی آن ها به شرایط آب وهوایی، یکی از دغدغه های اصلی برنامه ریزان و بهره برداران شبکه های قدرت است. عدم قطعیت ناشی از این تولیدات می تواند در هزینه های تحمیلـی بـه شبکه و بهره برداری از شبکه های برق، تأثیرات زیادی مانند افزایش قطعی برق و انرژی تأمین نشده داشته باشد. برای رفع این مشکل، یک مدل جامع چندهدفه و احتمالاتی به منظور تعیین محل نصب، نوع و ظرفیت بهینه تولیدات پراکنده در سطح صنعت برق مدرن پیشنهاد شده است. هدف گذاری نهایی این مدل، کمینه سازی تلفات انرژی، هزینه های سرمایه گذاری و بهره برداری، انرژی تأمین نشده و آلاینده های زیست محیطی است. روش های پیشنهادی توسط نرم افزار MATLAB بر روی شبکۀ برق Garver و شبکۀ توزیع 33 ناحیه ای IEEE پیاده سازی و توسط الگوریتم چندهدفۀ ژنتیک با مرتب سازی نامغلوب (NSGA-II) حل شده اند. مدل نهایی را می توان به طور مؤثر برای برنامه ریزی زنجیرۀ تأمین شبکۀ برق مدرن با نفوذ تولیدات مبتنی بر انرژی های تجدیدپذیر در ابعاد مختلف اقتصادی، زیست محیطی و اجتماعی به کار گرفت.

برنامه ریزی کاربری اراضی شهری جهت استفاده بهینه از فضای شهری و امکانات موجود، یکی از هسته های اصلی برنامه ریزی شهری می باشد که معمولا به صورت یک مساله چندهدفه تعریف می شود. مابین تعداد بیشمار نقشه چیدمان های ممکن کاربری، برنامه ریزان شهری علاقه مند به انتخاب نقشه ای هستند که نزدیک به چیدمان بهینه کاربری از دیدگاه موردنظر باشد. الگوریتم های بهینه سازی چندهدفه نقطه مرجع این امکان را فراهم می سازند که مقادیر مطلوب برای اهداف مختلف به عنوان یک نقطه مرجع به الگوریتم معرفی گردد و مجموعه راه حل های بهینه نزدیک به نقاط مرجع، بدست آید.در این تحقیق نحوه به کارگیری الگوریتم ژنتیک مرتب سازی نامغلوب نقطه مرجع به منظور برنامه ریزی کاربری اراضی شهری و میزان کارآیی آن در این زمینه، مورد بررسی قرار گرفته و روشی برای کدگذاری کروموزوم ها در این راستا ارائه شده است. بیشینه سازی سازگاری کاربری های مجاور، تناسب فیزیکی زمین، دسترسی به راه ها و مراکز عمده اقتصادی و اجتماعی و کمینه سازی مقاومت در برابر تغییر کاربری به عنوان اهداف اصلی تعریف شدند. سپس مقادیر مطلوب توابع به عنوان نقطه مرجع وارد الگوریتم می شوند. برنامه ریزان قادر خواهند بود با توجه به اولویت های موردنظر، یکی از نقشه های پیشنهادی برای کاربری اراضی را انتخاب نماید. نتایج مدلسازی تخصیص کاربری اراضی برای شهر شیراز در سال 1390، نشان می دهد که در مدل ارائه شده، تصمیم گیرنده قادر خواهد بود تصمیم بهتر و قابل اطمینان تری، نسبت به زمانی که با یک راه حل مواجه است، اتخاذ نماید. این موضوع نشان دهنده توانایی مدل برای شبیه سازی سناریوهای مختلف برنامه ریزی کاربری است.

دسته موتورهای لاستیکی عملکرد مناسبی در محدوده ی بسامد کاری ندارند؛ از این رو، دسته موتورهای هیدرولیکی برای حل این مشکل پیشنهاد شدند. در این مقاله دسته موتور هیدرولیکی در بسامدهای پایین بررسی شده و نشان داده شده است که افزایش سفتی دینامیکی و ضریب میرایی با کاهش انتقال پذیری دسته موتور، سه هدف متضادند؛ بنابراین از الگوریتم ژنتیک با اهداف کاهش انتقال پذیری و افزایش سفتی دینامیکی و ضریب میرایی استفاده شده و نمودار جبهه ی پارتو رسم شده است. همچنین به منظور انتقال بیشینه ی نمودار انتقال پذیری به خارج بازه ی کاری موتور از تابع جریمه استفاده شده است. با توجه به تضاد اهداف، بهینه سازی پاسخ یکتا ندارد و شامل مجموعه یی از پاسخ هاست. در نهایت به ازای سه دسته پارامتر بهینه، نمودار انتقال پذیری، سفتی دینامیکی و ضریب میرایی رسم و اثر بهینه سازی مشخص شده است. نتایج نشان دهنده ی کاهش انتقال پذیری در بازه ی بسامد کاری موتور و همچنین انتقال بیشینه ی مقدار آن به خارج بازه ی کاری موتور است.

مدیریت موثر عملیات توزیع و پخش کالاهای تولیدی نقش بسیار مهمی را در موفقیت و افزایش سطح رقابت یک سازمان تولیدی ایفا می کند. مساله ی مکان یابی- مسیریابی، مساله ای است که در آن دو موضوع تعیین مراکز توزیع محصول و تشکیل مسیرهای وسایل نقلیه به صورت همزمان در نظر گرفته شده است. در این مقاله یک مدل برنامه ریزی احتمالی دومرحله ای و یک روش حل فرا ابتکاری برای مساله ی حمل و نقل– مکان یابی– مسیریابی ارائه شده است. مشتری ها امکان سفارش محصولات متفاوت را دارند. محصولات مختلف می بایست از مراکز توزیع اصلی با ظرفیت محدود به مراکز توزیع فرعی باز شده منتقل شوند و از آنجا بین مشتری ها توزیع شوند. مساله ی مذکور با دو هدف کمینه سازی هزینه های سیستم و بیشینه سازی تقاضای برآورده شده ی مشتری ها یا به عبارت دیگر ماکزیمم نمودن میزان کل تقاضای ارسالی به مشتریان توسعه داده شده است. به دلیل پیچیدگی بالای این مساله از نسخه ی دوم الگوریتم ژنتیک با مرتب سازی نامغلوب برای حل آن استفاده می شود. پارامترهای اولیه این الگوریتم با روش تاگوچی تنظیم می شوند. نتایج محاسباتی نشان دهنده ی کارایی روش حل پیشنهادی برای حل مسائل در ابعاد مختلف است.

ظهور تکنولوژی اینترنت اشیا مفهوم شهر هوشمند را ایجاد کرده که در این پارادایم، دستگاه های هوشمند به عنوان یک ضرورت شناخته می شوند. برنامه های کاربردی نصب شده بر روی این دستگاه ها باعث تولید حجم زیادی داده می شوند که اغلب نیازمند پردازش بلادرنگ می باشند. بااین حال، این دستگاه ها دارای قابلیت های محدودی هستند و قادر به پردازش حجم زیاد داده ها نمی باشند. انتقال همه ی این داده ها به مراکز داده ی ابری منجر به استفاده از پهنای باند، تاخیر، هزینه و مصرف انرژی بیشتر می شود. ازاین رو، ارائه خدمات به برنامه های کاربردی شهر هوشمند حساس به تاخیر در ابر یک موضوع چالش برانگیز است و پاسخگویی به نیازمندی های این برنامه ها، مستلزم استفاده از پارادایم ترکیبی ابر و مه می باشد. رایانش مه به عنوان مکملی برای ابر امکان می دهد تا داده ها در نزدیکی دستگاه های هوشمند پردازش شوند. بااین حال، منابع موجود در لایه ی مه ناهمگن و دارای قابلیت های متفاوتی می باشند، بنابراین زمان بندی مناسب این منابع از اهمیت زیادی برخوردار است. در این مقاله، به مسأله ی زمان بندی وظایف برای برنامه های کاربردی شهر هوشمند در محیط ابر-مه پرداخته شده است. به این منظور، مسأله ی زمان بندی وظیفه به صورت یک مسأله ی بهینه سازی چند هدفه مدل شده است که اهداف آن، کاهش تاخیر ارائه ی خدمات و مصرف انرژی سیستم با در نظر گرفتن قید مهلت زمانی می باشد. سپس به منظور حل این مسأله و دستیابی به استراتژی زمان بندی مناسب، الگوریتم ژنتیک چند هدفه با مرتب سازی نامغلوب با اپراتورهای سفارشی به کار گرفته شده است. علاوه براین، به منظور بهبود تنوع جمعیت و سرعت همگرایی الگوریتم پیشنهادی، برای تولید جمعیت اولیه از ترکیب روش های نگاشت بی نظمی و یادگیری مبتنی بر تضاد استفاده شده است. همچنین رویکرد مبتنی بر تابع جریمه برای راه حل هایی که قید مهلت زمانی را برآورده نمی کنند، به کار گرفته شده است. نتایج شبیه سازی ها نشان می دهد که الگوریتم زمان بندی پیشنهادی، در مقایسه با بهترین رقیب خود، تاخیر ارائه ی خدمات، زمان انتظار، تاخیر اجرای وظیفه و مصرف انرژی سیستم را به ترتیب 1/49، 1/70، 2/7 و 1/86 درصد بهبود می دهد. علاوه براین، با تخصیص مناسب وظایف به گره های محاسباتی در مقایسه با بهترین رقیب، درصد وظایفی که مهلت زمانیشان را از دست می دهند به میزان 1/89 درصد کاهش می دهد.

هدف اصلی این مقاله اتخاذ طرح بهینه بال هواپیما در رده هوانوردی عمومی، به منظور دست یابی به برد و وزن بهینه می باشد. بدین منظور از الگوریتم ژنتیک با مرتب سازی نامغلوب به عنوان ابراز بهینه سازی به جهت کاهش سه مولفه مهم طراحی هواپیما شامل: تصمیمات نیازمند مصالحه، زمان و هزینه استفاده شده است. تابع هزینه مسئله بهینه سازی، افزایش برد هواپیما و کاهش وزن بال می باشد، که توسط پنج تابع جریمه و محدود کردن بازه متغیر های تصمیم مقید شده است. تابع جریمه اول ضریب برآ را که باید با ضریب برآ مورد نیاز جهت تحمل وزن هواپیما در فاز کروز پرواز برابر باشد، مقید میکند. تابع جریمه دوم و سوم نسبت باریک شوندگی بال، نسبت بیشینه ضخامت نوک به ریشه بال، که باید بین صفر و یک باشد را مقید می کند. تابع جریمه چهارم، جمع قدر مطلق زاویه پیچش با زاویه نصب بال که باید بیشتر یا برابر با قدر مطلق زاویه حمله برآ صفر بال باشد را مقید می سازد. تابع جریمه پنجم اجازه تخطی نسبت برآ به پسا از حد بیشینه آن را نمی دهد. متغیر های تصمیم نیز شامل طول بال، وتر ریشه بال، وتر نوک بال، زاویه پیجش، زاویه نصب، زاویه حمله در برآ صفر ایرفویل، بیشیه ضخامت ریشه و نوک بال بوده است. در انتها طرح بهینه شکل بال ارائه شده و صحت سنجی آن صورت گرفته است. نتایج حاکی از آن است که نسبت به کارا ترین هواپیما هدف میزان 6/84 درصد بهبود در برد اما 2/87 درصد وزن بیشتر حاصل شده است.

مسائل بهینه سازی بهره برداری از مخازن سدها از جمله مسائل مهم در علوم آب می باشد که تا کنون با انواع روش های بهینه سازی مورد بررسی قرار گرفته است. در سال های اخیر تعداد زیادی از الگوریتم های تکاملی چندهدفه معرفی شده است. از جمله این الگوریتم ها می توان به نسخه دوم الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب اشاره نمود که در سال 2002 توسط دب و همکاران معرفی شد. در این تحقیق نوآوری و هدف استفاده از الگوریتم ازدحام ذرات با رویکرد مرتب سازی نامغلوب و بررسی کارایی این الگوریتم در بحث بهینه سازی بهره برداری از مخزن سد است. در نهایت نتایج حاصل از آن با الگوریتم NSGA-II مقایسه گردد تا در نهایت به یک سیاست مدیریتی پایدار در سیستم های منابع آب و به ویژه بهره برداری از مخزن سد رسید. مواد و روش ها در این تحقیق نسخه چندهدفه الگوریتم ژنتیک و ازدحام ذرات با به کارگیری مفاهیمی همچون غلبه و فاصله ازدحامی مورد بررسی قرار گرفتند و برای حل مسئله بهینه سازی بهره برداری از مخزن سد ملاصدرا واقع در استان فارس به کار برده شدند. مسئله بهینه سازی با دو هدف تعریف گردید. یکی از آن ها کمینه سازی اختلاف نیاز کشاورزی از رهاسازی بوده است و تابع هدف دوم بیشینه سازی حجم ذخیره سیلاب تعریف گردید. دو الگوریتم با توجه معیارهایی مانند زمان اجرا، تعداد راه حل هایی که در جبهه پارتو قرار می گیرند، معیار فاصله و معیار عملکرد مقایسه شدند. یافته ها نتایج تحقیق نشان داد که هر دو الگوریتم توانایی حل این مسئله بهینه سازی را دارا می باشند. همچنین نتایج نشان داد که هر یک از الگوریتم ها در برخی از معیارها، عملکرد مناسب تری نسبت به دیگر داشته است. نتایج بررسی زمان اجرای هر یک از الگوریتم ها نشان داد که سرعت اجرای الگوریتم چندهدفه ازدحام ذرات (NSPSO-II) به مراتب بیشتر از الگوریتم چندهدفه ژنتیک (NSGA-II) می باشد به طوری که میانگین زمان اجرای الگوریتم NSGA-II در تعداد جمعیت 50 با مقدار 3897/21 ثانیه تقریبا سه برابر میانگین زمان اجرا در الگوریتم NSPSO-II با مقدار 3169/6 ثانیه است. با توجه به معیار عملکرد نیز الگوریتم NSPSO-II عملکرد مناسب تری نسبت به الگوریم NSGA-II داشته است. اما از سوی دیگر با توجه به معیار تعداد راه حل های واقع در جبهه پارتو الگوریتم NSGA-II تعداد راه حل های بسیار بیشتری را در جبهه پارتو یافته است و به همین دلیل فاصله در الگوریتم NSGA-II کمتر از NSPSO-II بوده است. نتیجه گیری الگوریتم NSGA-II تعداد راه حل های بسیار بیشتری را در جبهه بهینه پارتو یافته است و راه حل های واقع در جبهه بهینه پارتو به طور مناسبی جبهه پارتو را بر خلاف الگوریتم NSPSO پوشش دادند. همچنین مقایسه راه حل های واقع در جبهه بهینه پارتو نشان داد که الگوریتم NSPSO-II در راستای بیشینه سازی تابع هدف دوم گام برداشته در حالی که الگوریتم NSGA-II در راستای کمینه سازی تابع هدف اول حرکت کرده است.

به کارگیری واحدهای تولید پراکنده در شبکه های توزیع به علت مزایای بسیار آن، توجه مدیران شبکه قدرت را به خود جلب کرده است. در این تحقیق، جایابی و تعیین ظرفیت منابع تولید پراکنده با اهداف مختلف به صورت همزمان بررسی شده است. اهداف برنامه ریزی در این تحقیق کاهش تلفات، بهبود پروفیل ولتاژ، بهبود پایداری ولتاژ و کاهش سطح اتصال کوتاه شبکه است. برای محاسبه مقادیر توابع هدف از پخش بار جاروب رفت و برگشت و محاسبات اتصال کوتاه استفاده شده است. برای حل مسیله از یک الگوریتم بهینه سازی چندهدفه موسوم به الگوریتم بهینه سازی ژنتیک چندهدفه نامغلوب بهبودیافته استفاده شده است. این الگوریتم منجر به ایجاد جواب های متنوعی می شود که کاربر می تواند برحسب نیاز، هرکدام از آن ها را انتخاب کند. برای انتخاب بهترین پاسخ از جواب های بهینه از روش فازی استفاده شده است. روش پیشنهادی بر روی شبکه استاندارد 33 شینه IEEE بررسی شده است. برای این منظور سناریوهای مختلفی لحاظ شده و جواب بهینه در هریک از این حالات تعیین گردیده است. نتایج حاصل از روش پیشنهادی، کارایی آن را نشان خواهند داد.