حل مسائل تخصیص افزونگی قابلیت اطمینان در حالت آماده به کار با استفاده از یک الگوریتم جدید هوش جمعی

یک الگوریتم هیبریدی قدرتمند مبتنی بر بهینه ‌سازی گرم ساده شده (‏SSO)‏، انتخاب خاص و جستجوی مرزی (‏BS)‏، به نام SEB، برای حل مساله تخصیص افزونگی قابلیت اطمینان استاندارد سرد (‏RRAP) ‏پیشنهاد شده‌ است. RRAP یک مساله معروف برنامه‌ریزی غیرخطی عدد صحیح مختلط در طراحی سیستم است که نیاز به تنظیم هدف قابلیت اطمینان برای برآورده کردن محدودیت مصرف منابع دارد. به منظور تعادل بخشیدن به توانایی‌های اکتشاف و بهره‌برداری، SEB پیشنهادی یک SSO جدید را برای به روز رسانی راه‌حل‌ها اجرا می‌کند، یک انتخاب خاص برای تکرارهای بعدی انجام می‌شود، و BS جدید بهترین راه‌حل را بهبود می‌بخشد. عملکرد SEB پیشنهادی با مقایسه نتایج به ‌دست‌ آمده با استفاده از الگوریتم های موجود و سه مساله معیار RRAP برگرفته از مقالات ارزیابی می‌شود.

Highlights•The cold-standby RRAP is a mixed-integer programming problem in system design.•A new swarm-intelligent algorithm (SEB) is proposed.•SEB is based on the Simplified Swarm Optimization to update solutions.•SEB uses Boundary Search and elite selection to improve and select solutions.•The proposed SEB outperforms existing methods for the cold-standby RRAP.AbstractA powerful new hybrid algorithm based on Simplified Swarm Optimization (SSO), Elite Selection and Boundary Search (BS), called the SEB, is proposed for solving the cold-standby reliability redundancy allocation problem (RRAP). The RRAP is a famous mixed-integer nonlinear programming problem in system design that requires that the reliability objective be set to satisfy the resource consumption constraint. In order to balance the exploration and exploitation abilities, the proposed SEB implements a new SSO to update the solutions, an elite selection is performed to select the solutions for subsequent iterations, and the n