شکل ۲-۲۲ روند انتخاب و تکامل نسل ها را طی پیشرفت الگوریتم به صورت شماتیک نشان میدهد.
شکل ۲-۲۲: روند انتخاب و تکامل نسل ها در NSGAII [17]
الگوریتم NSGAII نسبت به الگوریتم های دیگر جبهههای بسیار خوبی تولید می کند. این الگوریتم در مقایسه با الگوریتم SPEA2 کارایی مشابهی دارد اما نسبت به آن سادهتر بوده و سرعت همگرایی بیش تری نیز دارا می باشد.
در این بخش ۳ سناریو بهینه سازی را مورد بررسی قرار خواهیم داد. تمامی فرایند بهینه سازی ها در این پروژه با بهره گرفتن از نرم افزار متلب می باشد.
۴-۱- سناریو اوّل
در این پروژه، برای بهبود عملکرد سیستم تبرید با ۳ سطح دما به صورت ۲ هدفه بهینه سازی انجام شد که در آن یکی از توابع هدف نرخ ویژه تولید آنتروپی و دیگری ضریب عملکرد حرارتی-زیست محیطی می باشد، که به طور هم زمان در آن نرخ ویژه تولید آنتروپی مینیمم و ضریب عملکرد حرارتی-زیست محیطی ماکزیمم می شوند. جبهه بهینه به دست آمده از این بهینه سازی در شکل ۴-۱ نشان داده شده است که در آن جواب های بهینه انتخاب شده توسط ۲ روش تصمیم گیری LINMAP و TOPSIS مشخص شده اند. در روش تصمیم گیری LINMAP جواب مورد نظر جوابی است که از نقطه ایده آل کم ترین فاصله را داشته باشد. هم چنین در روش TOPSIS به غیر از کم ترین فاصله از نقطه ایده آل ، جواب مورد نظر باید از نقطه غیر ایده آل بیش ترین فاصله داشته باشد. برای این بهینه سازی برای متغیرهای تصمیم دارای محدودیت هایی می باشیم که به صورت زیر
می باشند:
(۴-۱) | |
(۴-۲) | |
(۴-۳) |
شکل ۴-۱. نمودار جبهه بهینه پرتو برای ضریب عملکرد حرارتی-زیست محیطی و نرخ ویژه تولید آنتروپی
در شکل های ۴-۲ تا ۴-۴ توزیع پراکندگی متغیرهای تصمیم برای جواب های بهینه بدست آمده نشان داده شده است. در شکل ۴-۲ توزیع پراکندگی برای متغیر نشان داده شده است که در آن تراکم نقاط بین ۴۰۱.۲ تا ۴۰۲ کلوین وجود دارد.
شکل ۴-۲. توزیع پراکندگی برای متغیر
در شکل ۴-۳ توزیع پراکندگی متغیر نشان داده شده است که تراکم نقاط در محدوده ۲۷۲ کلوین وجود دارد.
شکل ۴-۳. توزیع پراکندگی برای متغیر
در شکل ۴-۴ توزیع پراکندگی متغیر نشان داده شده است که در آن تراکم جواب ها در محدوده دمای ۳۰۴ کلوین می باشد.
شکل ۴-۴. توزیع پراکندگی برای متغیر
در جدول ۴-۱ نتایج بهینه انتخاب شده با LINMAP و TOPSIS برای این بهینه سازی مشخص شده است. در این جدول نقاط ایده آل و غیر ایده آل نیز مشخص شده است.
جدول ۴-۱. مقایسه نتایج بهینه انتخاب شده با LINMAP وFUZZY وTOPSIS
در جدول۴-۲ نیز نتایج ماکزیمم خطا و متوسط خطا ارائه شده است که براساس ان در مورد ECOP کمترین خطای ماکزیمم مربوط به LINMAP و در مورد S کم ترین خطای ماکزیمم مربوط به TOPSIS است. کم ترین میانگین خطا در مورد S و ECOP مربوط به LINMAP می باشد.
جدول ۴-۲. نتایج آنالیز خطا برای نتایج بهینه سازی پس از ۳۰ پردازش
Decision Making Method | TOPSIS | LINMAP | ||
Objectives | ||||
Max Error % | ۰۶۶/۰ | ۱۱۸/۰ | ۰۴۴/۰ |