۴۱

۲۷

۳۳

۵۷

۱۰

۱۳

۶۹

۴۹

۲۳

عدد تصادفی

۶

۳

۴

۷

۲

۳

۹

۷

۳

کروموزوم انتخابی

مرحله ٢:
در این مرحله عملگر تقاطعی با احتمال P_c بر روی کروموزوم های والد عمل کرده و با ترکیب آن ها، کروموزوم های جدیدی (فرزندان) را تولید می کند. در عمل تقاطع، اطلاعات جدید معمولاً فقط براساس اطلاعات موجود در کروموزوم های فعلی(کروموزوم های حاضر در جمعیت والدین) استخراج میگردد. چنانچه اطلاعات خاصی به دلایلی مثل:
محدودیت در ذخیره سازی اطلاعات (محدودیت در تعداد اعضای جمعیت)
ازدست رفتن اطلاعات در مرحله انتخاب به دلیل آنکه این اطلاعات در کروموزوم هایی با برازندگی کم قرار دارد.
از بین برود، آنگاه عملگر تقاطعی قادر نخواهد بود تا ساختارهای جدیدی را که حاوی اطلاعات از دست رفته باشند، به وجود آورد.
مرحله ٣:
در این مرحله عمل جهش با احتمال P_m بر روی کروموزوم های حاصل از عمل جابجایی انجام شده و با P_m تغییر بیت های این کروموزوم ها، راهی را برای ورود اطلاعات جدید بوجود می آورد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

مرحله ۴:
دراین مرحله به منظور ارزیابی فرزندان، مقدار برازندگی کرومزوم های جدید محاسبه می گردد.
مرحله ۵:
در این مرحله، جمعیت جدید برای ورود به مرحله بعد الگوریتم، انتخاب می گردد. این کار با مقایسه مقدار برازندگی کروموزوم ها انجام می شود. روش های مختلفی برای انتخاب جمعیت جدید وجود دارد که بطور مثال می توان از دو روش زیر نام برد:
تمام اعضای جمعیت جدید از میان کروموزوم های فرزندان انتخاب می شوند.
تعدادی از افراد جمعیت مرحله بعد، همان افراد جمعیت مرحله قبل هستند و بقیه از میان فرزندان جدید انتخاب می گردد، البته در هر مورد شایسته ترین کروموزوم ها انتخاب می شوند.
تحقیقات نشان داده است که حذف همه کروموزوم های جمعیت مرحله قبل و انتخاب جمعیت جدید از میان فرزندان، ممکن است بسیاری از جواب های مناسب را که در میان جمعیت مرحله قبل وجود دارد، حذف نماید. بنابراین پیشنهاد می شود که چنانچه از روش اول برای انتخاب جمعیت جدید استفاده می شود، در هر مرحله، بهترین جواب ها ذخیره گردند و چنانچه در مراحل بعدی، جواب های بهتری بدست آمده، آنها را جایگزین جواب های ذخیره شده کنند. این کار، مانع از دست رفتن اطلاعات در مرحله انتخاب می شود.
مرحله ۶:
در این مرحله همه افراد جمعیت جدید الورود مورد ارزیابی قرار می گیرند. چنانچه شرایط خاتمه الگوریتم فراهم باشد، الگوریتم پایان می پذیرد و در غیر اینصورت جمعیت موجود به عنوان جمعیت اولیه برای مرحله بعد مورد استفاده قرار می گیرد. شرایط خاتمه الگوریتم ژنتیک می تواند توسط مساله مشخص شود و یا شرایطی مانند زمان اجرای الگوریتم، تعداد محدودی تولید در انجام الگوریتم و یا تغییر نکردن بهترین جواب برای تعداد مشخصی از مراحل تولید باشد.
فصل چهارم
الگوریتم پیشنهادی به منظور تعیین استراتژی قیمت دهی برق

طرح پیشنهادی به منظور تعیین استراتژی قیمت دهی
با یادآوری مطالب عنوان شده در فصول قبل مجدداً شکلی مشابه شکل ۱-۱ دراین جا آورده شده است. در واقع مبنای اولیه تمام استراتژی های قیمت دهی درک عمیق شکل زیر می باشد.
شکل ۴- ۱: شماتیک پله های قیمت در بازار، میزان تقاضا، نقطه تسویه بازار در یک ساعت مشخص
محور افقی شکل ۴-۱ ، مقدار تقاضای کل کشور بر حسب مگاوات در یک ساعت مشخص از یک روز معین را نشان می دهد، محور عمودی نیز معرف قیمت برق بر حسب ریال به ازای هر مگاوات ساعت می باشد. با توجه به شکل ۴-۱ مثلاً فرض می کنیم در ساعت ۱۲ ظهر یک روز مشخص(از میان روزهای آتی) میزان تقاضای پیش بینی شده در بازار کل کشور ۳۴۹۸۵ مگاوات ساعت می باشد(خط عمودی رسم شده در شکل ۴-۱). منطق نرم افزاری که مدیریت بازار در اختیار دارد پیشنهادهای قیمت فروشندگان برق را بر حسب صعودی مرتب می کند و هر میزان از برق که تامین می شود طبعاً نمودار به صورت پله ای پیش می رود. تفسیر این پله ها نیز بدین ترتیب می باشد که معادل فاصله افقی هر پله بر روی محور افقی( که از جنس مگاوات می باشد)، میزان انرژی ای است که با قیمت آن پله توسط فروشندگان عرضه گردیده است(پله های رسم شده در شکل ۴-۱ معرف نحوه قیمت دهی فروشندگان می باشد).