امروزه الگوریتم های تکاملی نظیر الگوریتم ژنتیک و الگوریتم بهینه سازی گروهی ذرات در حل بسیاری از مسائل پیچیده که روش های عددی قادر به حل آن نیستند و یا در حل آن دچار مشکلاتی می شوند، کاربرد دارند. مسئله خوشه بندی نیز یکی از این چنین مسائل است و با توجه به کاربرد و اهمیت بالای این موضوع، محققین همواره در پی یافتن روشی کامل و دقیق برای حل این مسئله بوده اند. اما با توجه به ماهیت این موضوع، روش های عددی موجود قابلیت حل این مسئله را ندارند و معضل پاسخ های محلی همواره در این روش ها مشکل ساز بوده است. در خوشه-بندی فازی با توجه به شکل داده این مشکل افزایش یافته و علاوه بر آن مشکل نیاز به پیش پردازش داده ها نیز به آن افزوده شده است، لذا از الگوریتم های تکاملی برای حل این مسئله استفاده شده است. اما دقت نسبتا پایین الگوریتم ژنتیک و به دام افتادن الگوریتم بهینه سازی گروهی ذرات در پاسخ های محلی از معایب بزرگ این دو روش بوده و کارایی آنها را نیز پایین می آورد. در این پایان نامه سعی شده با ترکیب این الگوریتم ها و با استفاده از نقاط قوت آنها، یعنی سرعت همگرایی بالای الگوریتم بهینه سازی گروهی ذرات و قدرت اکتشاف الگوریتم ژنتیک، الگوریتمی بدون معایب قبلی ایجاد شود. بدین منظور سه الگوریتم ترکیبی با ایده های متفاوت پیشنهاد گردیده و بعد از بررسی و بهبود با یکدیگر به رقابت گذاشته شده اند و کارایی الگوریتم برگزیده با کارایی الگوریتم های پایه مقایسه شده است. برای ارزیابی کارایی الگوریتم ها از مجموعه داده های استاندارد برای داده های توده ای و اشکال معمول و متعارف برای خوشه بندی پوسته ای استفاده شده است. معیارهای ارزیابی از بین معیارهای استاندارد خوشه بندی و فاکتورهای اعتبارسنجی خوشه بندی انتخاب شده است. در تمامی ارزیابی های انجام شده الگوریتم پیشنهادی کارایی بهتری از الگوریتم های پایه نشان داده است.

امروزه به دلیل افزایش اهمیت انرژی الکتریکی در زندگی بشر و نقشی که صنعت برق در اقتصاد و امنیت ملی عهده دار است، مطالعات قابلیت اطمینان و امنیت سیستم نسبت به گذشته مورد توجه بیشتری قرار گرفته اند. در بسیاری از کشورهای جهان در چند دهه اخیر، فرآیند تجدید ساختار، صنعت برق را دچار تحولات اساسی نموده است. بدیهی است کلیه مبادلات اقتصادی در فضای بازار برق تنها بر پایه یک زیر ساخت ایمن از رفتار شبکه قابل انجام می باشد. همچنین، وجود خاموشی های گسترده در چند سال اخیر و بهره برداری از شبکه های انتقال در نزدیکی ظرفیت حداکثر خطوط در برخی از سیستم ها، مسئله امنیت سیستم از جنبه های گوناگون مانند ارزیابی سریع و پایش مستمر امنیت از اهمیت مضاعفی برخوردار گشته است. ارزیابی امنیت سیستم های قدرت در زمان واقعی بدلیل حجم محاسباتی بسیار بالا همواره چالش برانگیز بوده است. این پایان نامه به کمک شبکه عصبی تابع پایه شعاعی و شبکه موجک عصبی با هدف بهبود سرعت و دقت بالا به ارزیابی امنیت استاتیکی سیستم قدرت می پردازد. چارچوب بکارگرفته شده توسط شبکه عصبی پیشنهادی شامل سه مرحله: تعلیم شبکه به صورت زمان غیرواقعی، بهنگام کردن دوره ای داده ها و بکارگیری آن در زمان واقعی می باشد. هدف از این تحقیق، تحلیل تمامی حوادث n-1 ممکن بر روی امنیت سیستم قدرت می باشد. بدین منظور، برای محاسبه شدت تاثیر هر حادثه از دو شاخص عملکرد ولتاژ و توان انتقالی استفاده شده است. در ارزیابی امنیت استاتیکی یک سیستم، اندازه گیری یا تخمین متغیرهای متناظر با تحلیل حالت دائمی سیستم مانند اندازه و فاز ولتاژ باس ها، توان انتقالی اکتیو و راکتیو و سایر متغیرهای سیستم قدرت ضروری می باشد. این متغیرها، که می توان از آن ها بعنوان ویژگی برای ورودی شبکه هوشمند یاد کرد، می توانند با افزایش ابعاد شبکه قدرت و تحلیل واقعی آن عملا موجب ناکارآمدی در ارزیابی سریع و هوشمند سیستم قدرت گردد. بدین منظور، بر مبنای تحلیل مولفه های اصلی کرنل به متغیرهایی از سیستم قدرت که دارای تاثیر بیشتری در تعیین نمودن ایمنی و یا ناایمنی شبکه قدرت می باشند، ضرایب وزنی بیشتری داده می شود. طرح پیشنهادی این امکان را برای اپراتور سیستم قدرت فراهم می آورد تا با گرفتن تصمیمات زمان واقعی بتواند اقدام کنترلی مناسب را به ازای وقوع هر حادثه بکارگیرد. عملکرد روش پیشنهادی از نظر بار محاسباتی، دقت و استحکام آن نسبت به تغییرات وضعیت بهره برداری متفاوت مورد ارزیابی قرار می گیرد. بدین منظور، با استفاده ازشبکه های قدرت 14، 30 و 118 باس ieee، عملکرد شبکه هوشمند پیشنهادی در مقایسه با شبکه های عصبی مرسوم دیگر مورد مقایسه قرار می گیرد.

استدلال مبتنی برمورد روشی برای حل مسأله است که از تجربیات گذشته در حل مسائل استفاده می کند. وقتی سیستم های استدلال مبتنی برمورد به مسائل دنیای حقیقی اعمال می شوند، پاسخ های بازیابی شده از سیستم بندرت می توانند به عنوان یک پاسخ مناسب برای مسأله جدید به طور مستقیم به کار روند. پاسخ های بازیابی شده معمولاً نیازمند مجموعه ای از تطبیق ها می باشند تا بتوانند به مسأله جدید اعمال شوند. بنابراین فاز تطبیق مرحله ای مهم در چرخه سیستم استدلال مبتنی برمورد می باشد. به دلیل مشکلات موجود در روش های تطبیق سنتی، در این پژوهش سعی شده است روش تطبیقی براساس یادگیری ماشین ارائه شود. در روش پیشنهادی پس از خوشه بندی پایگاه موردها، با استفاده از اعضای هر خوشه و اطلاعاتی که از همسایه های آن ها در اختیار داریم یک ماشین بردار پشتیبان رگرسیون می سازیم. با ورود مسأله ای جدید، ابتدا شبیه ترین خوشه به مسأله ورودی انتخاب می شود. سپس بردار های اختلاف مسأله جدید با همسایه های آن در خوشه بازیابی شده محاسبه می شود و از ترکیب این بردارهای اختلاف با بردار ویژگی های مسأله جدید، تعدادی الگو شکل می گیرد. این الگوها به ماشین بردار پشتیبان رگرسیون ارسال شده و برای هر کدام یک خروجی تولید می شود. درنهایت با ترکیب وزن دار این خروجی ها جواب مطلوب به دست می آید. پس از بررسی میزان خطای جواب سیستم، مورد جدید درصورت لزوم به پایگاه مورد افزوده می شود و پایگاه مورد به روز می شود. روش پیشنهادی از نظر میزان خطای جواب ارائه شده با چند روش دیگر بر روی مجموعه داده های استاندارد uci آزمایش و مقایسه شده اند. نتایج حاصل، برتری روش پیشنهادی را در آزمایش ها نشان می دهد.

شبکه های پیشخور نقش بسیار مهمی در یادگیری ماشین ایفا می کنند. در این بین، شبکه ی پیشخور با یک لایه مخفی به دلیل قابلیت تقریب کلی از اهمیت بسزایی برخوردار است. این شبکه به طور گسترده در مسائل طبقه بندی و رگرسیون مورد استفاده قرار گرفته است. از نظر معماری، این شبکه به سه دسته ی معماری ثابت، معماری افزایشی و معماری کاهشی تقسیم می شود. عدم وجود مشکل حداقل محلی از مزایای شبکه با معماری افزایشی می باشد. از جمله چالش های این شبکه تنظیم بهینه پارامترهای ورودی نود مخفی افزوده شده است که راهکارهای متفاوتی برای این منظور ارائه شده است. در این پایان نامه پارامترهای ورودی نود مخفی افزوده شده با حل یک مسئله ی بهینه سازی درجه دو بدست می آیند. این کار سبب می شود قدر مطلق سینوس زاویه ی بین نود افزوده شده و مانده خطا حداقل گردد و نود افزوده شده حداکثر کارایی ممکن را داشته باشد. با توجه به اینکه تعداد نودهای شبکه کمترین مقدار ممکن خواهد بود، این شبکه، ماشین یادگیر افزایشی با معماری فشرده نامیده می شود. به منظور تنظیم بهینه ی زاویه ی بین نود افزوده شده و خطا در روش پیشنهادی، از نودهای با درجه آزادی بالا استفاده می گردد. علی رغم مزیت های فراوان ماشین یادگیر افزایشی با معماری فشرده، این روش مانند همه ی روش های مبتنی بر حداقل سازی مربعات خطا، در برابر نویز غیرگوسی و داده های پرت،کارایی مناسبی نخواهد داشت. بنابراین ماشین یادگیر افزایشی با معماری فشرده مبتنی بر آنتروپی و کورآنتروپی ارائه می شود.از جمله کاربردهای شبکه های پیشخور، تقریب جواب معادله ی دیفرانسیل معمولی و معادله دیفرانسیل با مشتقات جزیی است. در این پایان نامه از نگاه شبکه با معماری افزایشی، روشی برای تقریب جواب این معادله ها ارائه شده که کارایی بهتری نسبت به روش های موجود با معماری ثابت خواهد داشت. آزمایشات روی مجموعه داده ها و مثال های مختلف کارایی روش های پیشنهادی در این پایان نامه را نشان می دهند.

یکی از اساسی¬ترین مسائل در شبکه¬های انتقال و توزیع انرژی الکتریکی، انرژی تلف ¬شده در مسیر رساندن انرژی به مشترکین است. این میزان انرژی حدود 10% تا 15% انرژی تولید شده در نیروگاه را شامل می¬شود که علاوه بر هزینه بالای تولید آن معضلات دیگر از قبیل آلودگی¬های زیست محیطی و مصرف منابع انرژی را به همراه دارد. از اینرو روش¬های مختلفی برای کاهش و حداقل کردن این تلفات در شبکه¬های مختلف بکار گرفته شده است. بطور کل می¬توان روش¬های موجود برای کاهش تلفات را به سه دسته کلی تقسیم¬بندی نمود. دسته اول روش¬هایی هستند که بر اساس تغییر در مسیر عبور توان اکتیو باعث کاهش تلفات می¬شوند. دسته دوم روش هایی هستند که با کاهش میزان توان راکتیو عبوری از خطوط دامنه جریان را کاهش داده و باعث کاهش در تلفات می¬شوند. دسته سوم روش¬هایی هستند که همزمان از هر دو روش عنوان شده برای کاهش تلفات استفاده می¬کنند. از ابزار مورد نیاز برای این تغییرات و کاهش تلفات می¬تواند به تغییر آرایش شبکه توزیع در سطوح مختلف بار، استفاده از بانک¬های خازنی، عناصر facts، منابع تولید پراکنده (dg) و ... اشاره کرد. منابع تولید پراکنده یکی از مهمترین ابزارها برای کاهش تلفات (علاوه بر منافع دیگری که برای شبکه¬های قدرت بهمراه دارد) در سطح شبکه توزیع است که عمدتاً با تاثیر در مسیر عبور توان اکتیو باعث کاهش قابل ملاحظه تلفات در شبکه توزیع گردد. در بعضی از انواع این نوع منابع مانند میکروتوربین¬ها که قابلیت تولید توان راکتیو نیز دارند می¬توانند علاوه بر تاثیر در مسیر توان اکتیو، توان راکتیو کشیده شده از شبکه بالادست را نیز کاهش داده و تلفات را بصورت مثبت تحت تاثیر قرار می¬دهند. با این حال قرارگرفتن هر نوع dg در محل نامناسب و اندازه تولید نامناسب می¬تواند نتیجه¬ای عکس دربر داشته باشد. از اینرو تعیین اندازه و محل مناسب قرار گیری dg یکی از مهمترین مسائل مربوط به حضور منابع تولید پراکنده در شبکه¬های توزیع است. از طرفی انتخاب درست محل و اندازه توان تولیدی dg رابطه مستقیم با میزان بار دارد. از اینرو اطلاع دقیق از میزان بار در هر لحظه، می¬تواند عملکرد منابع تولید پراکنده را به نحوی تعیین نماید که در هرلحظه، شبکه¬ای با کمترین میزان تلفات در دسترس باشد. با توجه به اینکه محل dg بر اساس اطلاعات کلی بار تعیین می¬شود تعیین اندازه بهینه میزان تولید تاثیر چشمگیری در بهره¬برداری بهینه از شبکه توزیع خواهد داشت. لذا داشتن اطلاعات دقیق از میزان مصرف در هر لحظه می¬تواند نقطه کار شبکه را به محل بهتری رهنمون سازد. البته باید درنظر داشت که تغییر در میزان تولید dg در هر لحظه نیاز به دینامیک سریع منبع تولید پراکنده دارد که در این زمینه نقطه کار منابعی مانند میکروتوربین¬ها را می¬توان با تغییرات بار در بهترین شرایط و در سریعترین زمان تغییر داد. برای اطلاع دقیق از میزان بار نیاز است که وضعیت شبکه در هر لحظه پایش شده و اطلاعات آن به بهره-برداران شبکه ارسال شود. شبکه هوشمند که از آن به عنوان شبکه¬ای برای آینده یاد می¬شود با استفاده از زیرساخت¬های مخابراتی قوی این امکان را در اختیار بهره¬برداران شبکه قرار می¬دهد تا در هر لحظه با تبادل دوطرفه اطلاعات بین مشترکین و تولیدکنندگان از وضعیت شبکه مطلع بوده و با توجه به این اطلاعات، بهترین بهره¬برداری را از منابع موجود انجام دهند و نقطه کار شبکه را در بهینه¬ترین حالت آن قرار دهند. نظر به حرکت شبکه¬های فعلی به سمت این نوع شبکه¬ها نیاز است که مطالعات دقیقی در این زمینه انجام گیرد و عملکرد شبکه در حضور تجهیزات شبکه هوشمند مورد ارزیابی قرار گیرد. در این پایان¬نامه چگونگی تاثیر منابع تولید پراکنده در کاهش حداکثری تلفات و تاثیر وجود شبکه¬های هوشمند بر روند کاهش تلفات با استفاده از منابع تولید پراکنده با جزئیات بالا بررسی می¬شود. در این پایان¬نامه مقایسه بین کاهش تلفات در شبکه فعلی و شبکه هوشمند بطور منصفانه و با درنظرگیری بیشترین حالات ممکن مورد ارزیابی قرار می¬گیرد. با توجه به اینکه هدف پایان¬نامه ارزیابی تاثیر شبکه¬های هوشمند بر روند کاهش تلفات است لذا انتخاب بهینه محل dg جزء این پایان¬نامه نبوده و تمرکز بر تعیین اندازه بهینه dg و به عبارت دیگر برنامه¬ریزی بهینه منابع تولید پراکنده است. برای تعیین اندازه بهینه تولید توان dg از روش بهینه سازی tlbo که یک روش تکاملی قوی است استفاده شده است و نتایج آن با روش pso مقایسه می¬شود. سیستم نمونه انتخابی یک سیستم 69 باسه شعاعی است که در بسیاری از مطالعات شبکه توزیع در مقالات معتبر مورد استفاده قرار گرفته است. نتایج تاثیر چشمگیر شبکه¬های هوشمند را بر کاهش تلفات نشان می¬دهد.

جذام یک بیماری سیستمیک مزمن و مخصوص انسان است عامل آن mycobactrium lepie می باشد، قریب به 5ˆ5 میلیون نفر در سراسر جهان از این بیماری رنج می برند. این بیماری به دلیل برجای گذاشتن معلولیت از حساسیت خاصی برخورداراست . بیماری جذام معمولا" کشنده نبوده و حدود 95-98 درصد مردم بطور طبیعی در برابر این بیماری مصون هستند این بیماری به عنوان یک بیماری بومی در اکثر نقاط دنیا وجود دارد و به قلمرو خاصی و یا طبقه خاصی تعلق ندارد. مناطق شدیدا" آلوده به جذام در ایران شامل شمال و شمال شرق، شمال غرب وغرب کشور می باشد. جذام در مقاطع مختلف تقسیم بندی های مختلفی دارد. مثلا" ازنظر علائم بالینی و درجه واگیری به دو نوع : -1 جذام پوستی -2 جذام عصبی تقسیم بندی می شود. ازنظر تیپ های مختلف و تظاهرات بالینی به : -1 تیپ لپروماتوز ll -2 تیپ توبرکلوئید tt-3 تیپ بینابینی bb -4 تیپ نامشخص i . تقسیم بندی می شود. و درموقع درمان بیماران را به دو گروه کم باسیل و پرباسیل طبقه بندی می کنند. در بیماری جذام معمولا" بیشتر ارگانهای بدن گرفتار می شوند از جمله اعصاب محیطی چشم، استخوان، کبد، کلیه، دستگاه تنفس ، گوش و ... که در هرکدام از این اندامها عوارض خاص خود را ایجاد می کند. جهت مبارزه با جذام و کنترل آن از داروهای مختلفی استفاده شده که به تفصیل در پایان نامه ذکر شده است . تا سال 1982 استفاده از داپسون به تنهایی به عنوان درمان تک داروئی بهترین روش درمان بوده، ولی از این سال به بعد طبق پیشنهاد سازمان بهداشت جهانی who درمان چند داروئی ارائه گردید که طبق این روش درمان از سه داروی داپسون، ریفامپین و کلوفازیمین استفاده می شود. نسخه یک بیمار جذامی معمولا" از 2 یا 3 داروی اصلی ضد جذام(داپسون، ریفامپین یا داپسون، ریفامپین، کلوفازیمین) به همراهی چند داروی دیگر جهت مبارزه با عوارض و راکسیونهای جذام عوارض جانبی احتمالی داروهای ضد جذام تشکیل شده است . ازنظر تیپهای مختلف جذام بیشترین درصد مربوط به تیپ لپروماتوز ll و کمترین درصد مربوط به تیپ نامشخص i می باشد. بررسی سن در این بیماران بیانگر این مطلب می باشد که اکثر بیماران مراجعه کننده در فاصله سنی 26-45 سال قرار دارند و همچنین در بررسی شغل اکثریت با کارگران، در بررسی سواد اکثریت با بیسوادان، در بررسی مذهب اکثریت با مذهب شیعه، در بررسی وضعیت تاهل اکثریت با متاهلین و در بررسی جنسیت اکثریت با جنس مرد بوده است . در بررسی که بر روی بیماران جذامی افغانی مراجعه کننده به مرکز بهداشتی درمانی آزادگان انجام شد به این نتیجه رسیدیم که درصد این بیماران از سالهای1359 و 1360 به بعد به شدت رو به افزایش بوده است و از سال 1366 به بعد در یک رنج ثابت که بالای 30 درصد می باشد باقی مانده است . همچنین لازم به ذکر است که به احتمال قوی بیماران جذامی افغانی در انتقال این بیماری به ایرانیان و انتشار آن نقش مهمی ایفاکرده اند.