مقدمه
-تعریف داده های ورودی و متغیرهای به کار رفته در برنامه
-داده هایی که فقط در روش Bell به کار رفته اند و تعریف آنها
-روش و ترتیب وارد کردن داده های مورد نیاز در هر روش
-روش اجرای برنامه
-خروجیهای برنامه
-توضیح خروجیها به ترتیب (روس Kem)
-خروجیهای روش Bell به ترتیب برنامه
-خروجیهای روش Rapid design
فرایند تبادل گرما بین دو سیال، دماهای مختلف که بوسیلۀ دیواری جامد از هم جدا شده اند. در بسیاری از کاربردهای مهندسی دیده می شود. وسیله ای که این تبادل حرارتی را در بسیاری از فرایندها صورت می دهد، مبدلهای حرارتی (Heat Exchangers) می باشند که کاربردهای خاص آنها را می توان از سیستمهای گرمایش ساختمانها و تهویه مطبوع گرفته تا نیروگاهها، پالایشگاهها و فرآیندهای شیمیایی به وضوح مشاهده کرد.
طراحی با پیش بینی عملکرد این دستگاهها مبتنی بر اصول انتقال گرما می باشد. در این پروژه سعی شده تا اختصاصات در مورد مبدل های پوسته لوله ای (Shell-ans-Tube) به علت سادگی، کاربرد وسیع و وجود استانداردها و اطلاعات فراوان تر کتابخانه ای آنها بحث و بررسی شود. در این بررسی ضمن معرفی کلی این مبدل ها، کاربرد آنها، نحوۀ طراحی و عملکرد آنها به سه روش کرن (Kerm’s Method) و بل (Bell’sMethod) و روش الگوریتم سریع (Rapid Design) و جهت بررسی عملکرد (Performance) یک مبدل پوسته- لوله ای مطرح شده است. در پایان، سعی بر ارائه یک فلوچارت جامع در مورد مبدلهای پوسته لوله ای به کمک سه روش فوق گردیده است. امید است که مطالعۀ حاضر در طراحی این وسایل مفید قرار گیرد.
مقدمه
فرایند تبادل گرما بین دو سیال، دماهای مختلف که بوسیله دیواری جامد از هم جدا شده اند. در بسیاری از کاربردهای مهندسی دیده می شود. وسیله ای که این تبادل حرارتی را در بسیاری از فرایندها صورت می دهد، مبدلهای حرارتی (Heat Exchangers) می باشند که کاربردهای خاص آنها را می توان از سیستمهای گرمایش ساختمانها و تهویه مطبوع گرفته تا نیروگاهها، پالایشگاهها و فرآیندهای شیمی ایی به وضوح مشاهده کرد.
طراحی با پیش بینی عملکرد این دستگاهها مبتنی بر اصول انتقال گرما می باشد. در این پروژه سعی شده تا اختصاصات در مورد مبدل های پوسته لوله ای (Shell-ans-Tube) به علت سادگی، کاربرد وسیع و وجود استانداردها و اطلاعات فراوان تر کتابخانه ای آنها بحث و بررسی شود. در این بررسی ضمن معرفی کلی این مبدل ها، کاربرد آنها، نحوه طراحی و عملکرد آنها به سه روش کرن (Kerm’s Method) و بل (Bell’sMethod) و روش الگوریتم سریع (Rapid Design) و جهت بررسی عملکرد (Performance) یک مبدل پوسته- لوله ای مطرح شده است. در پایان، سعی بر ارائه یک فلوچارت جامع در مورد مبدلهای پوسته لوله ای به کمک سه روش فوق گردیده است. امید است که مطالعه حاضر در طراحی این وسایل مفید قرار گیرد.
چکیده
این مقاله یک روش بهبود یافته بهینه سازی تجمع زنبور عسل را جهت حل مساله توزیع اقتصادی پویای واحدهای حرارتی پیشنهاد می دهد به نحوی که در آن اثرات نقطه دریچه ای (valve-point effect) ، محدودیت های نرخ شیب و تلفات انتقال توان در نظر گرفته می شوند. الگوریتم بهینه سازی تجمع زنبور عسل برخلاف اغلب الگوریتم های جمعیت محور، الگوهای حرکت متفاوتی را جهت جستجوی فضای محتمل پاسخ به کار می گیرد. این ویژگی توازن موثری را بین جستجو و بهره برداری به وجود می آورد. نسخه های تغییر داده شده متفاوتی برای الگوهای حرکتی در روش بهینه سازی تجمع زنبورهای عسل پیشنهاد شده اند که هدف آنها جستجوی موثرتر فضای محتمل بوده است. کارایی روش با استفاده از سه سیستم تست با 30، 10 و 60 واحد که به ترتیب دربردارنده 720، 240 و 1440 متغیر طراحی بوده اند ارزیابی شده است. مورد آخر را می توان به عنوان یک سیستم توان با مقیاس بزرگ در نظر گرفت. نتایج با دیگر کارهای انجام شده در این حوزه مقایسه شده اند و برتری روش پیشنهادی نتیجه گیری شده است.
واژگان کلیدی: توزیع اقتصادی پویا (DED) ، بهینه سازی بهبود یافته تجمع زنبورهای عسل (EBSO) ، محدودیت های نرخ شیب، اثرات نقطه دریچه ای
مقدمه
توزیع اقتصادی پویا (DED) یکی از موارد مهم بهینه سازی در عملکرد سیستم های قدرت است و هدف آن این است که بار درخواستی پیش بینی شده را در یک دوره زمانی ویژه به گونه ای به مولدهای موجود اختصاص دهد که در عین حالی که بهترین شرایط اقتصادی محقق گردد، همزمان محدودیت های عملکردی و فیزیکی نیز اقناع گردند. DED با در نظر گرفتن محدودیت های متفاوت برای مدلسازی دقیق تر، ویژگی های غیر محدبی را از خود نشان می دهد [2 [, [1]. روش های متفاوتی در متون جهت پاسخ دادن مساله DED پیشنهاد شده اند. روش های مرسوم [4], [3] قادر به دادن پاسخ های بهینه نمی باشند که این مساله به دلیل ویژگی های غیر محدب و غیرخطی مساله DED می باشد. به علاوه این روشها از لحاظ محاسباتی پیچیده می باشند و ممکن است که در مینیمم های محلی گیر بیفتند. در طی چندین سال گذشته تحقیقات بر استفاده از روشهای اکتشافی (ابتکاری) جهت حل مساله DED متمرکز بوده است [5].
خلاصه
مدل های اتورگرسیون برداری مارکف سوئیچینگ VAR (DDMS-VAR) به عنوان مدل های سری زمانی با فرایند تولید داده، شامل ادغام دو فرایند VAR (انورگرسیون برداری) می باشد. تغییر بین این دو فرایند VAR، توسط دو حالت زنجیره مارکف با احتمالات انتقال کنترل می گردد که بستگی به این دارد که چه مدتی زنجیره در یک حالت قرار می گیرد. در این مقاله، به تجزیه و تحلیل خصوصیات مرتبه دوم چنین مدل هایی پرداخته و الگوریتم مونت کارلو زنجیره مارکف را برای انجام استنباط فازی بر روی موارد مجهول مدل، مطرح می کنیم. علاوه بر این، نرم افزار منبع باز که توسط محقق برای تحلیل سری زمانی به وسیله مدل های DDMS-VAR نوشته شده است، توضیح داده می شود. ای روش و نرم افزار برای تجزیه و تحلیل چرخه کسب و کار ایالات متخده امریکا کاربرد دارد.
کلمات کلیدی: مارکف سوئیچینگ، چرخه کسب و کار، نمونه گیری گیبز، وابسته به زمان، اتورگرسیون برداری
مقدمه
از زمان بررسی های مقدماتی هامیلتون (1989) ، بسیاری از کاربردهای مدل اتورگرسیون برداری مارکف سوئیچینگ (MS-AR) برای تحلیل چرخه کسب و کار به اثبات پتانسیل های خود، به ویژه در آشنایی این سیکل به صورت هدفمند، پرداخته است. با این وجود، مدل اصلی MS-AR محدودیت هایی دارد: 1) به صورت یک متغیره می باشد، 2) احتمال تغییر از یک حالت به حالت دیگر (یه به موارد دیگر) با گذشت زمان ثابت می باشد،
3) قادر به ایجاد طیف هایی با نقطه ماکزیمم در فراوانی چرخه کسب و کار نمی باشد. از ان جایی که چرخه های کسب و کار بر مبنای نوسانات فعالیت های اقتصادی انبوه می باشد، مد نظر قرار دادن همزمان بسیاری از متغیرهای اقتصادی کلان 1) به صورت نقطه ضعف قابل اقماض نمی باشد. تعمیم چندمتغیره مدل MS توسط کرولزینگ (1997) در رساله ممتاز او در مورد مدل MS انجام شده است.
همان طور که در مورد 2 بیان شد، منطقی است تا بر این باور باشیم که احتمال خارج شدن از رکود مشابه ابتدای این فرایند بعد از چندین ماه نمی باشد. بعضی از محققان همانند دیبولد و رودباش (1990) ، دیبولد و همکارانش (1993) و واتسون (1994) شواهدی را در مورد وابستگی در طول مدت در چرخه کسب و کار ایالات متحده یافته اند و بنابراین دیبولد و همکارانش (1993) اشاره می کنند که، نتایج مدل MS استاندارد، در این چارچوب نامشخص می باشد. برای روبرو شدن با این محدودیت، دورلند، مک کاردی (1994) به معرفی اتورگرسیون مارکف سوئیچینگ یک متغیری وابسته به مدت زمان پرداخته اند، و فیلترهای دیگری را برای متغیر حالت غیرقابل مشاهده طراحی کرده اند. در مقاله کنونی، مدل سوئیچینگ وابسته به مدت زمان به صورت چندمتغیره تعمیم داده شده است، و نشان داده شده است که چگونه ابزارهای استاندارد مربوط به مدل MS-AR همانند فیلتر هامیلتون و صافی کیم، برای مدل سازی وابستگی به مدت زمان مورد استفاده قرار می گیرند. در واقع فیلتر مطرح شده توسط دورلاند و مک کاردی (1994) مشابه فیلتر هامیلتون می باشد که برای زنجیره مارکف کلی تر نشان داده شده است. درحالیکه دورلاند و مک کاردی (1994) استنباط شان را در مورد مدل با بکارگیری براورد احتمالی حداکثر انجام داده اند، تکیه ما بر روی استنباط بیزی با استفاده از تکنیک مونت کارلو زنیره مارکف (MCMC) می باشد.
مقدمه
در یک محیط صنعتی توزیع شده، کارخانه های مختلف و دارای ماشین ها و ابزارهای گوناگون در مکان های جغرافیایی مختلف غالبا به منظور رسیدن به بالاترین کارایی تولید ترکیب می شوند. در زمان تولید قطعات و محصولات مختلف، طرح های فرایند مورد قبول توسط کارخانه های موجود تولید می شود. این طرحها شامل نوع ماشین، تجهیز و ابزار برای هر فرآیند عملیاتی لازم برای تولید قطعه است. طرح های فرایند ممکن است به دلیل تفاوت محدودیت های منابع متفاوت باشند. بنابراین به دست آوردن طرح فرایند بهینه یا نزدیک به بهینه مهم به نظر می رسد. به عبارت دیگر تعیین اینکه هر محصول درکدام کارخانه و با کدام ماشین آلات و ابزار تولید گردد امری لازم و ضروری می باشد. به همین منظور می بایست از بین طرحهای مختلف طرحی را انتخاب کرد که در عین ممکن بودن هزینه تولید محصولات را نیز کمینه سازد. در این تحقیق یک الگوریتم ژنتیک معرفی می شود که بر طبق ضوابط از پیش تعیین شده مانند مینیمم سازی زمان فرایند می تواند به سرعت طرح فرایند بهینه را برای یک سیستم تولیدی واحد و همچنین یک سیستم تولیدی توزیع شده جستجو می کند. با استفاده از الگوریتم ژنتیک، برنامه ریزی فرآیند به کمک کامپیوتر می تواند براساس معیار در نظر گرفته شده طرح های فرایند بهینه یا نزدیک به بهینه ایجاد کند، بررسی های موردی به طور آشکار امکان عملی شدن و استحکام روش را نشان می دهند. این کار با استفاده از الگوریتم ژنتیک در CAPP هم در سیستمهای تولیدی توزیع شده و هم واحد صورت می گیرد. بررسی های موردی نشان می دهد که این روش شبیه یا بهتر از برنامه ریزی فرآیند به کمک کامپیوتر مرسوم تک کارخانه ای است.
مقدمه
افزودن به ضریب عملکرد هکرها
سطح امنیت پیرامون
استاندارد شبکه های محلی بی سیم
شبکه های بی سیم و انواع آن
مقدار بر شبکه خصوصی مجازی
دسته بندی VPN بر اساس رمزنگاری
دسته بندی VPN بر اساس لایه پیاده سازی
مقایسه تشخیص نفوذ و پیشگیری از نفوذ
تفاوت شکلی تشخیص با پیشگیری
تشخیص نفوذ نتیجۀ نهایی
مقدمه ای بر تشخیص نفوذ
انواع حملات شبکه ای با توجه به طریقه حمله
انواع حملات شبکه ای با توجه به حمله کننده
پردازه تشخیص نفوذ
مقدمه ای بر IPSEC
انواع IPSEC VPN
کاربرد پراکسی در امنیت شبکه
برخی از انواع پراکسی
SMTP proxy
امنیت و پرتال
امنیت و پرتال CMS PARS
راهکارهای شبکه های سیم
نسب، طراحی و راه اندازی شبکه و ایرلس Multipoint Point
نسب طراحی و راه اندازی شبکه های Hot spot
مشاوره و تامین تجهیزات برای راه اندازی شبکه های وایرلس
شبکه های بیسیم
انواع شبکه های بی سیم
شبکه های (MANET) Mobile ad hoc
کاربردهای شبکهMobile ad hoc
پروتوکل های مسیریابی Routing proto cols
پروتوکل TCP/IP
مقدمه
معنی پروتوکل TCP/IP
لایه های پروتکل TCP/IP
لایه Application
لایه Transport
لایه اینترنت
لایه Network Interface
مشخص نمودن برنامه ها
آدرس IP
یورت TCP/IP
سوکت (Socket)
TCP/IP
پروتکلTCP لایه Transport
ارسال اطلاعات با استفاده از TCP
پروتوکل UUP لایه Internet
پروتوکل IP لایه Internet
مسیر یابی
معنای حمل
توزیع توپولوژی
الگوریتم برداری راه دور
الگوریتم حالت اینک
دسته: فنی و مهندسی
حجم فایل: 202 کیلوبایت
تعداد صفحه: 27
الگوریتم ژنتیک یک روش بهینه سازی عددی است که براساس اصول داروین و با الهام از انتخاب طبیعی و ژنتیک طبیعی کار می کند. رقابت میان موجودات زنده برای تصاحب منابع مشترک محدود، باعث می شود که کارآمدترین افراد در این رقابت پیروز شده و در انتقال ژن ها به نسل بعدی، نقش مؤثرتری داشته باشند. نتیجه این امر، برازندگی بیشتر افراد هر نسل و نیز سازگاری بیشتر افراد در نسل های بعدی با شرایط حاکم بر محیط اطراف خواهد بود. الگوریتم ژنتیک یکی از مجموعه روش های تکاملی است. این روش مناسبترین رشته ها را از میان بقیه رشته ها که بصورت تصادفی ایجاد ایجاد شده اند انتخاب می کند. در واقع منظور از بهترین رشته، رشته هایی هستند که بهینه ترین مقدار تابع ارزش را دارا هستند.
هدف از این پروژه طراحی المانهای یک تقویت کننده برای رسیدن به یک بهره مشخص با استفاده از الگوریتم ژنتیک می باشد. در واقع با استفاده از این پروژه کافی است که مشخص کنید به چه بهره ای نیاز دارید، در این صورت برنامه به یافتن المانهای مدار می پردازد. محیط پروژه، نرم افزار Matlab می باشد.
این مجموع شامل موارد زیر است:
1- فایل پروژه که قابلیت اجرا با نرم افزار MATLAB را دارد. (500 خط برنامه نوشته شده)
2- گزارش کامل پروژه به همراه توضیح تمامی خطوط برنامه نوشته شده
3- یک مقاله آماده برای ارائه در کنفرانس و یا ژورنال. لازم به ذکر است که این مقاله در هیچ کنفرانس و یا ژورنالی ارائه نشده است.
قیمت: 120,000 تومان
خلاصه
تشخیص نفوذ یکی از مشکلات مهم برای حفاظت از امنیت سیستم های اطلاعاتی است. تکنیک آن به دو دسته تقسیم می شود: تشخیص ناهنجاری و تشخیص سوء استفاده؛ که این دو مورد یکدیگر را تکمیل می کنند. این تحقیق روی تکنیک های تشخیص ناهنجاری برای تشخیص نفوذ تمرکز دارد. در حال حاضر، روش های متعددی بر اساس استخراج قوانین وابستگی کلاسیک برای تشخیص نفوذ ارائه شده است. به دلیل دو مشکلی که در مسئلۀ استخراج قوانین وابستگی، یعنی اینکه با همۀ آیتم ست بطور مساوی رفتار می شود و یک ساپورت مینیمم و اطمینان مینیمم به عنوان استاندارد سنجش در نظر گرفته می شود، بسیاری از قوانین و قوانین جالب تولید می شوند که باعث کاهش کارایی سیستم تشخیص نفوذ می شود. بر اساس مدل جدید استخراج قوانین وابستگی که li در سال 2002 پیشنهاد داد و قادر به حل این دو مشکل به طور همزمان بود، سیستم تشخیص نفوذ دیگری ارائه شد. از آنجایی که میزان سود و علاقۀ یک آیتم به عنوان معیار در نظر گرفته می شود و الگوریتم استخراج بر اساس FP-tree است، تجربیات ما نشان داده است که سیستم پیشنهادی مقاوم تر و مؤثرتر از الگوریتم APRIORI است.
مقدمه
با پیشرفت تکنولوژی شبکه های کامپیوتری، تشخیص نفوذ که برای ثبت فعالیت های بدذات در سیستم های شبکۀ کامپیوتری استفاده می شود، مهم و مهم تر می شوند. تکنیک های تشخیص نفوذ به دو دستۀ کلی تقسیم می شوند: تشخیص ناهنجاری و تشخیص امضا که یکدیگر را تکمیل می کنند. این مقاله روی تکنیک های تشخیص برای تشخیص نفوذ تمرکز دارد. امروزه سیستم های تشخیص نفوذ تجاری زیادی برای جمع آوری اطلاعات فعالیت سیستم و شبکه موجود است که اطلاعات را تحلیل می کنند تا ببینند آیا حمله ای صورت گرفته است یا خیر. این پیاده سازی های تجاری در نظارت و تحلیل محدود هستند و تحقیقات بیشتری برای بهبود کارکردها ارائه شده است.
چکیده:
موضوع کلی این گزارش , بررسی نامتعادلی با رواثر آن در تلفات شبکه توزیع می باشد که شامل دو فصل می باشد بدین ترتیب که در فصل اول اثر عدم تعادل بار در افزایش تلفات شبکه توزیع بوده و به طور کلی مربوط به مطالعات اولیه می باشد تا دید کلی از هدف گزارش بدست آید. فصل دوم به بررسی روشهای کاهش تلفات نامتعادلی بار اختصاص دارد. فصل اول شامل دو بخش است که بخش نخست اثر عدم تعادل بار در افزایش تلفات در شبکه فشار ضعیف می باشد که به طور کلی به بررسی عدم تعادل بار در شبکه فشار ضعیف می پردازد و مقدار تلفات ناشی از آن محاسبه نمودخ و درصد آنرا نسبت به تلفات شبکه سراسری بیان می دارد. بدین وسیله به ارزش بررسی و تحقیق در این مورد پی برده می شود.
فهرست:
خلاصه
در این مقاله به منظور افزایش ثبات سیستم که عمل کنترل توسط پارامتر های تثبیت کننده های قدرت (PSS) ارائه شده است عمل می شود و به عنوان یکی از خدمات جانبی سیستم در نظر گرفته میشود. برای این اثر در ازای خدماتی که ارائه می دهد، نیاز به تدوین و روش های مکانیسم های مناسب برای ثبات های مالی که رد ژنراتور وجود دارد بکار می رود و، در عین حال، نیز برای شناسایی PSS اصلی برای ثبات سیستم و همچنین کسانی که می تواند حتی موجب آسیب رسیدن به ثبات کلی سیستم شوند بررسی می شوند. تعاونی نظریه الگوریتم با استفاده از رویکرد مبتنی بر معیار ارزش شپلی در این مقاله بکار رفته و برای شناسایی نقش حاشیه ای هر یک از PSS استفاده می شود. با تلاش های زیاد کنترل کامل بدست می آید. بر این اساس، به تشریح روش تخصیص مناسب از پرداخت به مقادیر در هر ژنراتور برای ارائه PSS می باشیم.
کلمات کلیدی: خدمات جانبی کنترل کننده، تئئوری بازی تعاونی، تثبیت کننده های سیستم توان، خدمات کنترل pss، ارزش شارپلی
مقدمه
سیستم تثبیت کننده برق (PSS) که به طور گسترده ای به عنوان دستگاه کنترل پذیرفته شده است و برای اطمینان از ثبات سیستم ضروری می باشد، به رسمیت شناخته شده است، به ویژه ثبات سیگنال پدیده کوچک می باشد. الگوریتم ها را نصب کرده و در برنامه های عملی سیستم قدرت بزرگ بکار می برند که بسیار تاثیر گذار است [1]. مقدار زیادی از کارمقاله که در اصل موضوع مربوط به گزارش تنظیم پارامترهای بهینه PSS با استفاده از روش های مختلف آنالیز مودال کلاسیک و خطی کنترل مطلوب می باشد [2]، و ساختار متغیر تطبیقی به روش اخیر که شامل تکنیک های هوش مصنوعی می باشد می پردازد [3، 4]