بهینه سازی بر پایه جغرافیای زیستی، الگوریتم تکاملی جدیدی بر اساس جمعیت است که ریاضیات جغرافیای زیستی، بر آن حاکم است و الگوریتم تکامل تفاضلی، الگوریتمی قدرتمند برای حل بسیاری از مسائل بهینه سازی است. الگوریتم تکامل تفاضلی در اکتشاف فضای جستجو و تعیین مکان مینیمم سراسری خوب، ولی در استخراج راه حل مساله کند است. در این مقاله قابلیت اکتشاف الگوریتم تکامل تفاضلی با قابلیت استخراج الگوریتم بهینه سازی بر پایه جغرافیای زیستی، ادغام شده و با معرفی یک عملگر مهاجرت ترکیبی، الگوریتم جدیدی برای حل مسائل بهینه سازی چندهدفه ارائه شده است. در الگوریتم پیشنهادی از فرایند مرتب سازی غیرمغلوب برای بهبود همگرایی و از مفهوم فاصله جمعیتی محلی برای حفظ پراکندگی اعضای موجود در مجموعه پرتو استفاده شده است. در این مقاله کارایی الگوریتم پیشنهادی با استفاده از چند تابع آزمون رایج آزمایش شده و معیارهای مطرح در مسائل بهینه سازی چندهدفه تکاملی، ارزیابی و با الگوریتم های مطرح در این زمینه مقایسه شده است. نتایج حاصل بیانگر کارایی مطلوب الگوریتم پیشنهادی در رقابت با سایر الگوریتم های مطرح است.

مقدمه: در حال حاضر، سرطان پستان از شایع ترین بیماری های زنان است. دسته بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا می کند. متخصصین به دنبال روش های بهینه جهت بهبود تشخیص این تومور می باشند.روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده سازی و بروز رسانی همزمان وزن ها موفق به دسته بندی داده ها به عنوان خوش خیم یا بدخیم می گردد. جهت ارزیابی الگوریتم ارایه شده از داده های بانک اطلاعاتی ویسکانسین استفاده شده است.یافته ها: دقت تفکیک در حالت عادی یعنی حالتی که از آنالیز اجزای اصلی و الگوریتم بهینه سازی استفاده نشده و تنها شبکه عصبی با نسبت 70-30 داده های آموزش به تست مورد استفاده قرار گیرد، %97.2 است. با بکارگیری آنالیز اجزای اصلی و کاهش 9 ویژگی به 8 ویژگی دقت به 98.5 می رسد. نهایتا با استفاده از الگوریتم بهینه سازی جغرافیای زیستی همراه با اعتبار سنجی ضربدری 10 گانه دقت به 100% رسیده که به میزان قابل توجهی از نتایج بدست آمده از مطالعات دیگر موفق تر است.نتیجه گیری: استفاده از این الگوریتم می تواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط ازPCA  و شبکه عصبی استفاده شده است، عملکرد بهینه این روش را نشان داد. نتایج حاکی از آن است که مدل ارایه شده در این مقاله دقت بسیار بالایی در تفکیک داده های سرطان پستان دارا می باشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود.

محاسبه وزن مواد بار کوره های ذوب، اغلب از راه موازنه جرم ساده عناصر آلیاژی در مواد ورودی و مذاب خروجی انجام می شود. اما در فرایندهای ذوب، پیچیدگی ها و پدیده های گوناگونی هست که اغلب در محاسبات موازنه جرم نادیده گرفته می شود و سبب عدم اطمینان در محاسبه بار کوره می گردد. خطای محاسبه، باعث اصلاح چندباره ذوب، تأخیر در تخلیه، افزایش هزینه و کاهش کیفیت مذاب می شود. در پژوهش حاضر تلاش بر این بوده که پیچیدگی ها و جنبه های مهم مساله ذوب، که اغلب نادیده گرفته شده، در کوره شناسایی و در یک مدل ریاضی مناسب درنظر گرفته شود. هدف پژوهش حاضر توسعه مدلی است، که نه تنها وزن مواد اولیه برای ترکیب شیمیایی ذوب هدف را بهینه سازی کند، بلکه هدررفت ناهمگن عناصر آلیاژی، ناخالصی های غیرفلزی مواد بار، و اصلاح ذوب اولیه در کوره را نیز درنظر بگیرد. این مقاله، یک مدل بهینه سازی استاندارد و یک الگوریتم حلقه ی تکرار برای موازنه جرم غیرخطی مساله ذوب ارایه می کند. یک مساله ذوب آلیاژ برنج با 7 عنصر آلیاژی و 8 نوع مواد بار در مقیاس صنعتی طرح و بررسی گردید، تا کارکرد مدل را مورد آزمایش قرار دهد. نتایج عددی مدل کسر وزنی مواد اولیه، و وزن و ترکیب شیمیایی ذوب اصلاح شده را با کمترین هزینه مواد نشان می دهد. تحلیل بهینه بودن جواب، تایید کرد که کمترین مقدار هزینه به دست آمده است. مدل استاندارد غیرخطی، ابزاری قابل اعتماد و سریع برای بهینه سازی هزینه و محاسبه بار کوره است که پتانسیل های قابل توجهی برای کاهش هزینه و تسهیل اتوماسیون صنعتی فرایند ذوب ایجاد می کند.

توسعه سریع کاربردهای رایانش ابری منجر به انتشار سرویس های ابری زیادی در محیط ابر شده است. سرویس های ساده موجود در محیط ابر قادر به پاسخ گویی به درخواست های پیچیده و مختلف موجود در دنیای واقعی نخواهند بود. لذا برای ایجاد سرویس مرکب مورد نیاز می بایست سرویس های مختلف انتخاب و ترکیب شوند. ترکیب سرویس های ابری آگاه از کیفیت سرویس یکی از چالش های مهم در محاسبات سرویس گرا است. از آنجایی که تعداد سرویس های ساده ارائه شده خیلی زیاد است، بنابراین مسأله انتخاب و ترکیب سرویس ها یک مسأله Np-Hard است. در این تحقیق برای حل این مشکل الگوریتم بهینه سازی جغرافیای زیستی مورد استفاده قرار گرفته است. برای ارزیابی روش پیشنهادی آزمایش های متعددی در 5 سناریوی مختلف با تعداد وظایف و تعداد سرویس های مختلف در محیط Matlab انجام شده است. سرعت همگرایی روش پیشنهادی در ایجاد سرویس مرکب مورد نیاز بیشتر از سرعت همگرایی الگوریتم های ژنتیک و ازدحام ذرات است. همچنین کیفیت سرویس های مرکب ایجادشده به عنوان معیار ارزیابی دیگر مورد توجه می باشد. میزان گذردهی و نرخ موفقیت روش پیشنهادی به ترتیب برابر 999/0 و 998/0 می باشد. همچنین متوسط انحراف معیار در 30 اجرای روش پیشنهادی کمتر از 021/0 است. تمامی این مقادیر نشان دهنده برتری روش پیشنهادی نسبت به روش های مبتنی بر ژنتیک و ذرات می باشد.

امروزه با افزایش نیازهای آبی، تعادلی بین عرضه و تقاضای آب در اکثر مناطق کشور وجود ندارد. از این رو، مدیریت صحیح آب و استفاده بهینه از منابع آب موجود، امری اجتناب ناپذیر است. از این رو، استفاده از روش های بهینه سازی در این زمینه می تواند مفید واقع شود. روش های بهینه سازی تکاملی از جمله روش های مورد نظر در این زمینه می باشند که عملکرد مناسب آنها بسیار گزارش شده است. الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی (BBO) الگوریتم تکاملی جدیدی است، که عملکرد و کارایی آن در چندین مساله بهینه سازی به اثبات رسیده است. هدف از این پژوهش بررسی کارایی BBO برای اولین بار در مدیریت منابع آب است. ابتدا BBO در یافتن نقاط بهینه برای سه تابع معیار در بهینه سازی، شامل تابع کره، روزنبراک و بوکین6 مورد استفاده قرار گرفت، سپس از BBO در بهره برداری بهینه از مخزن کارون4 با هدف برقابی بهره برداری گردید. به منظور ارزیابی کارایی BBO، از الگوریتم ژنتیک (GA) و برنامه ریزی غیرخطی (NLP) نیز در این مسائل استفاده شد. نتایج مربوط به توابع معیار نشان دادند که BBO در یافتن نقاط بهینه هر سه تابع بهتر از GA عمل نموده، و با دقت بالایی به جواب بهینه نزدیک شده است. در بهره ورری از مخزن کارون4 نیز نتایج حاکی از کارایی BBO در استخراج سیاست های بهینه بهره برداری بود، به نحوی که مقدار تابع هدف حاصل از BBO در بهترین عملکرد برابر با 1.223، و برای GA برابر با 1.535 به دست آمده است. همچنین، جواب بهینه مطلق حاصل از NLP برای این مساله 1.213 بوده است.

برنامه ریزی کاربری اراضی شهری جهت استفاده بهینه از امکانات موجود و فضاهای شهری، یکی از هسته های اصلی برنامه ریزی شهری می باشد که معمولا به صورت یک مسئله چند هدفه تعریف می شود. در راستای نبود نظام طبقه بندی مشخص برای کاربری زمین در ایران، به کارگیری رویکردهای به روز جهانی به منظور بهینه سازی نظام برنامه ریزی کاربری اراضی شهرهای همانند استفاده از الگوریتم های فراابتکاری و هوش مصنوعی الزامی می باشد. یکی از الگوریتم هایی که در سالهای جدید معرفی شده است، الگوریتم بهینه سازی مبتنی بر جغرافیای زیستیBBO1 میباشد. این الگوریتم، نشات گرفته شده ازطبیعت است. پژوهش جاری از گروه تحقیقات کاربردی و از نوع تحقیقات توصیفی-تحلیلی میباشد که با به کارگیری الگوریتم جغرافیای زیستی به بررسی و تحلیل کاربری اراضی شهری می پردازد. دراین الگوریتم هر منطقه شهر به عنوان یک عضو منفرد شناخته میشود و دارای"شاخص میزان مطلوبیت " مخصوص به خود است. روش تجزیه و تحلیل داده ها بااستفاده از الگوریتم جغرافیای زیستی خواهد بود که در نرم افزار متلب(Matlab ) نوشته و اجراخواهد شد. هدف پس از شناسایی اثرگذارترین متغیر، بهبود وضعیت جاری شاخص های نظام توزیع کاربریها و همجواری آنها در سطح شهر خواهد بود. برای این امر توزیع نامناسب شاخص های کاربری اراضی شهری باید از حالت تمرکز یافته در نواحی خاص به نواحی دارای ضعف منتقل شود که این امر بر اثر این بهینه سازی کاهش مقادیر متغیرها حاصل می شود. برای مقایسه نتایج تحقیق جاری به لحاظ کاربری های مورد نیاز منطقه مورد نظر با طرح توسعه شهر سمنان، باید برای هریک از ابعاد تحقیق لایهGIS2آن تهیه شود، سپس باتوجه به اوزان هریک از این ابعاد که بدست آمده اند و نشانگر بهینه شدن توزیع متناسب ابعاد جغرافیای زیستی در سطح شهر هستند، همپوشانی لایه ها صورت میگیرد، نتایج حاصل از این همپوشانی با طرح توسعه مقایسه خواهد شد.

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.

این مقاله کاربرد بهینه سازی مبتنی بر جغرافیای زیستی (BBO) برای پیدا کردن محل مناسب و تنظیم پارامترهای کنترلی عنصر کنترل کننده یکپارچه توان(UPFC)  به منظور حداقل نمودن هزینه های تولید و تلفات توان حقیقی در یک سیستم قدرت را نشان می دهد. UPFC یکی از کامل ترین و جامع ترین ادوات FACTS می باشد که محققان زیادی برای کنترل پخش بار و کاهش تلفات سیستم از آن استفاده کرده اند. BBO یک الگوریتم تکاملی جدید است که بر اساس ریاضیات جغرافیای زیستی می باشد. جغرافیای زیستی توضیح می دهد چگونه گونه ها از یک جزیره به دیگری مهاجرت می کنند، گونه های جدید چگونه بوجود می آیند و چگونه منقرض می شوند. الگوریتم پیشنهادی با استفاده از نرم افزار MATLAB بر روی شبکه 14 شینه IEEE برای جایابی بهینه و تنظیم پارامترهای UPFC انجام گردیده است. نتایج بدست آمده کارایی و توانایی الگوریتم BBO را در مکان یابی UPFC نشان می دهند.

مسئله مسیریابی همواره به عنوان یکی از مراحل بنیادین توسعه سامانه های مدیریت مخاطرات موردتوجه پژوهشگران و مدیران شهری بوده است. در این پژوهش، یک مسئله مسیریابی با ارائه یک روش فرا اکتشافی بهبودیافته بر مبنای جغرافیای زیستی مورد بررسی و تحلیل قرار می گیرد. در این مسئله، برنامه ریزی تامین در کنار مدیریت موجودی و برنامه ریزی توزیع کالاهای امدادی لحاظ گردیده و هدف کمینه سازی مجموع هزینه های راه اندازی سامانه، توزیع و نگه داری کالاهای امدادی است. سپس، به منظور جلوگیری از همگرایی زودرس به پاسخ های بهینه محلی و ارتقاء کارایی و سرعت همگرایی الگوریتم در مسائل مقید و با ابعاد بزرگ، یک الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی جدید با عملگر دینامیک مهاجرت پیشنهاد می گردد. با در نظر گرفتن مسائل نمونه مسیریابی، عملکرد الگوریتم پیشنهادی نسبت به دیگر الگوریتم ها از دیدگاه زمان اجرا، سرعت همگرایی، استحکام، بهترین و میانگین و برتری آماری نتایج مقایسه شده است. ارزیابی آماری نتایج مبین بهبود کارایی و کسب نتایج برتر با استفاده از رهیافت پیشنهادی در مسیریابی زمان مند وسایل نقلیه امدادی است.