هدف از این تحقیق، تولید کامپوزیت زمینه آلیاژهای مس تقویت شده با ذرات الماس میکرونی و بررسی خواص مکانیکی این کامپوزیت است. از مهم ترین مسائل ساخت این نوع کامپوزیت ، بهینه سازی استحکام ذرات الماس در زمینه فلزی و خواص سایشی مد نظر این نوع کامپوزیت است. پودرهای کامپوزیتی با استفاده از آسیابکاری پرانرژی (سایشی) و به روش سینتر پرس داغ تولید شدند. به منظور بررسی استحکام خمشی، سختی و خواص سایشی، نمونه ها با اضافه کردن فلزات مختلف به زمینه، شرایط مختلف آسیابکاری و پارامترهای مختلف فشار داغ، ساخته شدند. هدف از این تحقیق، تولید کامپوزیت زمینه آلیاژهای مس تقویت شده با ذرات الماس میکرونی و بررسی خواص مکانیکی این کامپوزیت است. از مهم ترین مسائل ساخت این نوع کامپوزیت ، بهینه سازی استحکام ذرات الماس در زمینه فلزی و خواص سایشی مد نظر این نوع کامپوزیت است. پودرهای کامپوزیتی با استفاده از آسیابکاری پرانرژی (سایشی) و به روش سینتر پرس داغ تولید شدند. به منظور بررسی استحکام خمشی، سختی و خواص سایشی، نمونه ها با اضافه کردن فلزات مختلف به زمینه، شرایط مختلف آسیابکاری و پارامترهای مختلف فشار داغ، ساخته شدند.

با توجه به اهمیت فرایند خنک کردن و گرم کردن یک جسم جامد، تولید انتروپی در جریان محدود در اطراف یک مانع مورد بررسی قرار گرفته است. در این مطالعه، شبیه سازی عددی جریان لایه ای آرام و انتقال حرارت نانو سیال ها با نانو ذرات Al2O3 یا نانو لوله های کربن (CNTs)با شکل های مختلف در نظر گرفته شده است. معادله های ناویر-استوکس و انرژی به صورت عددی در یک سیستم مختصات متناسب با هندسه جسم، با استفاده از روش حجم کنترل حل شده اند. الگوهای جریان و میدان های دما برای مقادیر مختلف غلظت ذرات به طور دقیق بررسی شده اند. علاوه بر این، اثرات شکل و غلظت نانو ذرات بر انتقال حرارت مورد بررسی قرار گرفته است. همچنین، تاثیر نانو سیال ها بر افت فشار و توان پمپ مطالعه شد. از سوی دیگر، کمینه کردن تولید انتروپی به عنوان معیار بهینه سازی در نظر گرفته شده است. نتایج نشان می دهد که در بیشتر موارد، نانو سیال ها انتقال حرارت و همچنین افت فشار را افزایش می دهند. همچنین، شکل نانو ذرات مکانیزم انتقال حرارت در نانو سیال ها مهم است. نانو سیال ها با نانو ذرات استوانه ای CNT نسبت به نانو سیال های که دارای نانو ذرات Al2O3 با شکل کروی هستند، انتقال حرارت را بیشتر افزایش می دهند. برای نانو سیال حاوی CNT با غلظت %5/0 انتقال حرارت خیلی بیشتر از توان پمپاژ افزایش یافته است که این نانو سیال را یک انتخاب اقتصادی می سازد.

در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیده ای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار می باشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک تک اجزاء اینگونه سیکل ها انجام شده ولی بهینه سازی کامل سیکل ترکیبیبخاطر پیچیدگی های موجود، کمتر مورد توجه قرار گرفته است. صحت مدلسازی انجام شده در این مقاله توسط مقایسه نتایج بدست آمدهاز مدل، با نتایج آزمایشی سیکل واقعی به اثبات رسیده اند. از جمله نتایج قابل توجه در اعمال محدودیت های در نظر گرفته شده در حل مساله حذف برخی محدودیتهای بهینه سازی پینچ میباشد که پس از بررسی نتایج مشاهده شده است که حذف این محدودیت ها در نتایج بهینه سازی اثرات مطلوبی داشته است و همچنین تحلیل هایی در خصوص مقایسه نتایج الگوریتم ها و کاهش تلفات و نابودی اگزرژی انجام پذیرفته که منجر به طراحی بهینه نقاط بحرانی سیکل شده است.

پیش بینی درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع محدود سازمانی در جهت وصول مالیات، دولت را در انجام برنامه ریزی های دقیق مالی کمک می نماید. این مقاله با استفاده از الگوریتم تکاملی ازدحام ذرات و نسخه بهبودیافته آن به پیش بینی درآمدهای مالیاتی کشور به تفکیک منابع وصولی (مالیاتهای کل، کالا وخدمات، اشخاص حقوقی، درآمد و ثروت) برای سالهای 95-1392 می پردازد. به این منظور از داده های درآمدهای مالیاتی سالهای 86-1350 برای آموزش شبکه استفاده شده و سپس با استفاده از الگوریتم تکاملی ازدحام ذرات و ازدحام ذرات بهبود یافته پارامترهای این مدل بهینه شده است. از داده های سالهای 91-1387 برای آزمون مدل استفاده شده که نتایج تاییدی بر عملکرد مدل مورد استفاده بوده و در نهایت پیش بینی برون نمونه ای درآمدهای مالیاتی به تفکیک منابع وصولی برای سالهای 95-1392 با استفاده از نرم افزار MATHLAB انجام شده است.

تخمین پارامترهای معادله نفوذ و ضریب زبری مانینگ از فرایندهای ضروری طراحی بهینه و ارزیابی سامانه های آبیاری سطحی به شمار می رود. تحقیق حاضر به منظور واسنجی این ضرایب برای یک سامانه آبیاری نواری انتهابسته با چهار سری اطلاعات میدانی انجام گرفت. در این راستا هیدرولیک جریان آب توسط نرم افزار WinSRFR و به روش حل اینرسی صفر، شبیه سازی و با الگوریتم بهینه-سازی مجموعه ذرات برای اجرای محاسبات تکراری ترکیب شد. تابع هدف بخش بهینه سازی به صورت کمینه سازی اختلاف بین زمان های پیشروی و پسروی محاسباتی و اندازه گیری شده و متغیرهای تصمیم مسأله شامل چهار ضریب معادله نفوذ کوستیاکف اصلاح شده و ضریب زبری مانینگ در نظر گرفته شد. آنالیز حساسیت مدل توسعه یافته نشان داد در فاز پسروی ضریب b از معادله نفوذ و در فاز پیشروی ضریب زبری مانینگ می تواند بیشترین خطا را در پیش بینی نتایج داشته باشد. نتایج نشان داد که بر اساس پارامترهای بهینه شده در مدل، مجذور میانگین مربعات خطا برای پیش بینی زمان های پیشروی و پسروی در چهار آبیاری بین 77/3 تا 86/12 دقیقه و ضریب جرم مانده بین 099/0-تا 003/0 به دست آمد. مطابق نتایج، با بهینه سازی مدل WinSRFR، امکان دست یابی به بازده کاربرد و یکنواختی به ترتیب 86 و 84 درصد (با حفظ کفایت آبیاری 100 درصد) براساس متغیرهای جریان (دبی ورودی و زمان قطع جریان) وجود دارد.

در این مطالعه به منظور پیش بینی وضعیت آتی تقاضای انرژی (کل مصرف نهایی انرژی) ایران، با استفاده از خط سیر شاخص های کلان اقتصادی، دو فرم از معادلات تقاضای انرژی غیر خطی شبیه سازی شده است، به عبارت دیگر، کارآیی برآورد تقاضای انرژی ایران، بر اساس الگوریتم بهینه سازی انبوه ذرات ((PSO)) بهبود یافته است. مدل شبیه سازی تقاضای انرژی با استفاده از الگوریتم بهینه سازی انبوه ذرات ((PSO)EDS)، با استفاده از متغیرهای جمعیت، تولید ناخالص داخلی (GDP) و واردات کالاها و خدمات بسط داده شده است. یکی از معادلات پیشنهادی نمایی و دومی درجه دوم است. در تابع تقاضای انرژی، فرم درجه دوم نتایج بهتری را در مشاهده داده ها فراهم می کند و با یک ضریب همبستگی بالاتر، برای پروژه های بخش انرژی ایران به کار برده می شود.

در این کار از مزایای استفاده همزمان از رویکرد بیوریفاینری و بهینه سازی برای دست یابی به کارایی فرآیند کل مطلوب استفاده شد. ابتدا از فرآیند تغییر pH قلیایی کمک شده با التراسونیک و بهینه سازی آن به منظور کمک به بیشینه کردن درصد بازدهی استخراج و شاخص سفیدی پروتئین های عضله فانوس ماهی گونه B. pterotum استفاده شد. استراتژی بهینه انتخاب شده با مشخصات بدین شرح؛ نسبت حلال به جامد ml g-1 6، pH انحلال 5/11، توان التراسونیک W 310 ؛ و pH ترسیب 8/5 و با مطلوبیت 84/0؛ بازدهی 53 درصد و شاخص سفیدی 81/76 را ارائه کرد. از این پروتئین در ترکیب با کلاژن هیدرولیز شده در تهیه ژل های حرارتی استفاده شد. نتایج نشان داد ژل حاصل از پروتئین ایزوله نیروی شکست و تغییر شکل را به ترتیب در حدود 123 g و 12/10 میلی متر ارائه کرد. افزودن کلاژن هیدرولیز شده سبب بهبود نیروی شکست (تا سطح 2% وزنی/وزنی) و مقدار تغییر شکل (تا سطح 10% وزنی/وزنی) شد. کلاژن هیدرولیز شده همچنین تا حدودی بر ویژگی های رنگ و شاخص سفیدی و همچنین بر ظرفیت نگهداری آب در ژل ها اثر مثبت داشت. بنابراین می توان عنوان کرد با اتخاذ یک تکنیک جدید استخراج مثل التراسونیک در کنار فرآیند تغییر pH و متعاقبا بهینه سازی آن و همچنین استفاده از رویکرد بیوریفانری به منظور استفاده همزمان از پروتئین های عضله و بافت پیوندی موجود در زیست توده ماهی؛ می توان گامی مهم در جهت حرکت به سمت scale-up (صنعتی کردن مقیاس تولید)کردن فرآیند برداشت.

نوشتار حاضر به مدل سازی ترمودینامیکی یک نیروگاه توربین گازی با توان تولیدی 30 MW و 14 (kg/s) بخار اشباع در فشار 20 bar پرداخته است. این سیستم معروف به مساله CGAM است. در مساله ی CGAM تابع هدف شامل مجموع هزینه ی سرمایه گذاری و همچنین هزینه ی سوخت مصرفی است. در این نوشتار بهینه سازی با کمینه سازی تابع هدف و نیز به کارگیری الگوریتم ژنتیک و الگوریتم اجتماع ذرات به کمک نرم افزار متلب انجام می شود و در نهایت عملکرد این دو الگوریتم با یکدیگر مقایسه می شود. نتایج حاصل از مقایسه ی تعداد توابع ارزیابی شده (NFE) این دو الگوریتم نشان می دهد که سرعت همگرایی الگوریتم اجتماع ذرات در یافتن کمترین تابع هزینه نسبت به الگوریتم ژنتیک بالاتر است. همچنین در حل مساله ی CGAM الگوریتم بهینه سازی اجتماع ذرات به لحاظ پیاده سازی، انعطاف پذیری، و سهولت برنامه نویسی به مراتب از الگوریتم ژنتیک تواناتر است.

در این مقاله یک الگوریتم هیبریدی جدید بر اساس ترکیب روش شبکه عصبی مصنوعی پیشخور و روش بهینه سازی ازدحام ذرات (ANN-(PSO)) برای تخمین مقادیر مصالح مورد استفاده در طرح اختلاط بتن خودتراکم که یک مقدار مشخص از مقاومت فشاری 28 روزه را دارا باشد، ارائه داده می­شود. مصالح مورد استفاده در بتن خودتراکم شامل آب، سیمان، شن، ماسه، پودر سنگ، فوق روان کننده و میکروسیلیس است. شبکه عصبی مورد استفاده در این الگوریتم، شبکه عصبی پیشخور دو لایه است. در این الگوریتم، روش بهینه ساز ازدحام ذرات وظیفه تعریف جمعیت های اولیه (طرح های اختلاط اولیه) و تعیین بهترین جمعیت و بهینه کردن آن با تکرار بعهده دارد و وظیفه شبکه عصبی مصنوعی پیش بینی مقدار مقاومت فشاری بتن با توجه به جمعیت بهینه شده در هرتکرار با روش بهینه ساز ازدحام ذرات می­باشد. در این تحقیق از 56 طرح اختلاط بتن خودتراکم استفاده شده است. بعد از آموزش الگوریتم با طرح های اختلاط بتن خودتراکم و نیز مقادیر مقاومت فشاری 28 روزه متناظر با آنها، مقدار مقاومت فشاری 28 روزه یکی از طرح های اختلاط را بعنوان ورودی به الگوریتم معرفی شد. الگوریتم با دقت قابل قبولی مقادیر مصالح بتن خودتراکم متناظر با این مقاومت فشاری را پیش بینی نمود، بطوریکه خطای بین مقاومت فشاری پیش بینی شده برای مصالح تخمین زده شده و مقاومت فشاری اولیه 02/0 مگاپاسکال است. با توجه به نتایج بدست آمده می­توان گفت که الگوریتم پیشنهادی ANN-(PSO) ابزاری قدرتمند برای تخمین مقادیر طرح اختلاط بتن خودتراکم برای یک مقدار مشخص از مقاومت فشاری 28 روزه است.