خرید بک لینک از فروشگاه ساز 8 لوگو دیزاین خرید چراغ قوه چراغ قوه RL 330 T6 چراغ قوه
حذف در پنل کاربری [X]
Drilling_Research بهینه سازی عملیات حفاری با استفاده از الگوریتم بهینه سازی باران (Rain optimization algorithm)

مشخصات اصلی


قیمت: 0 تومان

معرفی اجمالی محصول

نقد و بررسی
مشخصات فنی
فیلم محصول
پرسش و پاسخ

نقد و بررسی


با توسعه رایانه های قدرتمند ، برخی از روش های جدید برای حل مسائل پیچیده معرفی می شود. برخی از این روش ها که به آنها الگوریتم های فرا ابتکاری گفته می شود، مانند الگوریتم خفاش یا الگوریتم مورچه ها، از طبیعت الهام گرفته شده و یک پدیده طبیعی را برای یافتن بهترین راه حل شبیه سازی می کنند. امروزه این الگوریتم ها با یک رویکرد قوی می توانند مورد استفاده قرار گیرند تا خیلی سریع راه حل یک مشکل پیچیده را پیدا کنند، گرچه ممکن است در مینیمم های محلی گیر بیفتند. الگوریتم بهینه سازی باران (ROA) یک الگوریتم فرا ابتکاری جدید است که از قطرات باران الهام گرفته شده است، چونکه قطرات پس از رسیدن به زمین به سمت نقاط می نیمم حرکت می کنند. اگر پارامترهای آن به درستی تنظیم شده باشد، این الگوریتم می تواند علاوه بر مینیمم مطلق، مینیمم های نسبی را هم پیدا کند. پس از پیاده سازی این الگوریتم، آن را با برخی از الگوریتم های بهینه سازی موجود دیگر مانند الگوریتم بهینه سازی ازدحام ذرات و الگوریتم خفاش با حل 26 تابع معیار و سه تابع معیار در ابعاد مختلف و همچنین یک مسئله بهینه سازی حفاری مقایسه می کنیم. شبیه سازی ها نشان می دهد که ROA در یافتن مینیمم مطلق بسیار قدرتمند و سریع است. علاوه بر این ، ROA می تواند می نیمم های نسبی را همزمان پیدا کند و می توان با اطمینان در مشکلات بهینه سازی از آن استفاده کرد.

عملیات حفاری پاسخی به تقاضای انرژی نفت و گاز در جهان است. بسیاری از مشکلات بهینه سازی حفاری درعملیات حفاری مانند طراحی جداری، بهینه سازی سرعت حفاری، به حداقل رساندن هزینه حفاری، انتخاب اندازه مته، انتخاب نوع مته، طراحی حفاری جهت دار، طراحی وزن گل، پایداری دیواره چاه و غیره وجود دارد. بسیاری از این مشکلات بهینه سازی بسیار غیرخطی و دارای چندین حداقل نسبی هستند که حل این مسائل را با روش های سنتی دشوار می کند، اما الگوریتم های بهینه سازی فرا ابتکاری می توانند بسیاری از این مسائل را حل نمایند.

در این بخش، یک الگوریتم فراابتکاری جدید، یعنی الگوریتم بهینه سازی باران (ROA)، با الهام از رفتار طبیعی قطرات باران و پدیده باران برای یافتن مینیمم مکان در سطح زمین معرفی می شود. بنابراین، ابتدا الگوریتم باران بر اساس رفتار طبیعی قطرات باران پیاده سازی می شود. سپس اعلام خواهد شد که چگونه این الگوریتم کار می کند. در پایان، روش پیشنهادی با الگوریتم های موجود مانند الگوریتم ژنتیک مقایسه خواهد شد.

مبانی الگوریتم باران

وقتی بارندگی آغاز می گردد، قطرات باران بر روی زمین سقوط می کنند. پس از آن قطرات باران شروع به حرکت می کنند و هنگام حرکت به چند قطره باران دیگر در مجاورت خود متصل می گردند و قطره باران بزرگتری را تشکیل می دهند که این قطرات تحت وزن خود به سمت نقاط پائین تر حرکت می کنند. در حین حرکت، یک قطره باران ممکن است با قطرات دیگر برخورد کند و حجم آن بزرگتر شود و یا ممکن است قسمتی از آن بخار شود یا جذب خاک شود و حجم آن کوچکتر شود. همچنین مقداری از خاک در آب حل می شود. در این فرایند ممکن است قطره ای که روی سطح مسطح ریخته می شود کاملاً به خاک جذب شود و از بین برود در حالی که قطراتی که روی ناحیه شیب دار به سمت پایین حرکت می کنند به قطرات دیگر متصل شوند. با کمی خوش شانسی، ممکن است برخی از نهرها به یکدیگر وصل شوند و رودخانه تشکیل دهند. اگر در مسیر نهرها یا رودخانه ها مانعی وجود داشته باشد ، برخی دریاچه ها ایجاد می شوند که حجم آب از اهمیت آن دلالت دارد. خیلی زود پس از پایان باران، نهرها و رودخانه ها به دریاچه های محلی تخلیه می شوند و پس از مدتی ممکن است دریاچه های کوچک به دلیل تبخیر آب در دریاچه یا جذب خاک از بین بروند. بنابراین بسته به توپولوژی سطح زمین و خصوصیات خاک فقط چند دریاچه عمده در زمین باقی می ماند. این دریاچه ها مینیمم های محلی سطح زمین را نشان می دهد و دریاچه های عمیق تر مینیمم مطلق را نشان می دهد.

با تغییر نوع باران، سناریوی قبلاً ذکر شده ممکن است کمی تغییر کند. به عنوان مثال، اگر باران شدید همراه با قطرات بزرگ باشد، تمام قطرات خیلی سریع به یکدیگر متصل می شوند و بدون جذب و تبخیر سیل ایجاد می شود. در این حالت ، فقط مینیمم مطلق را می توان شناسایی کرد زیرا تمام مینیمم های نسبی به دلیل باران سنگین به یکدیگر وصل می شوند. از طرف دیگر وقتی باران آرام و با قطرات کوچک وجود دارد، همه قطرات ممکن است به خاک جذب شوند که منجر به ایجاد جریان نمی شود. بنابراین می توان دریافت که تنظیم پارامترهای الگوریتم در هنگام استفاده از ROA از اهمیت قابل توجهی برخوردار هستند.

حرکت ذره در روش پیشنهادی شبیه به روش های بهینه سازی مبتنی بر شیب و الگوریتم های سنتی تک نقطه ای مانند صخره نوردی (HC) و الگوریتم بهینه سازی نزول باران (RFO) است [127]. این روشها در هر تکرار فقط یک پارامتر را تنظیم می کنند تا دریابند که تغییر این پارامتر عملکرد هزینه را بهبود می بخشد یا خیر. اما ROA از مجموعه ای از پاسخ ها استفاده می کند که همه آنها همزمان به سمت مطلوب حرکت می کنند. در این حرکت برخی از خصوصیات آنها در هر تکرار تغییر می کند. به عنوان مثال ، اندازه آنها ممکن است تغییر کند یا ممکن است از بین بروند. همچنین ، ROA قادر است به جای حداقل یا حداکثر ، تمام نقاط اکستروم را پیدا کند.



برچسب ها: بهینه سازی حفاری , الگوریتمهای فراابتکاری , الگوریتم بهینه سازی باران , ROA , Rain Optimization Algorithm ,

مشخصات فنی


فیلم محصول



پرسش و پاسخ


ارسال پرسش جدید

نام :
ایمیل :
متن :
کد امنیتی : ریست تصویر
محصولات مرتبط