موتورهای احتراق داخلی به دلیل داشتن بازده و قدرت بالا نسبت به وزن و حجم شان کاربرد فراوانی در بخش خودروسازی و سایر صنایع دارند. به همین دلیل امروزه تحقیقات فراوانی بروی آن ها صورت می گیرد. در پژوهش حاضر نیز، از ترکیب روش شبکه عصبی مصنوعی با الگوریتم فراابتکاری بهینه سازی گروه ذرات (pso) برای مدلسازی و بهینه سازی در موتور اشتعال تراکمی پاشش مستقیم om355، با هدف کاهش مصرف سوخت ویژه ترمزی در حالت بیشینه ی بازده موتور استفاده شده است. برای این منظور، نخست از یک شبکه ی عصبی مصنوعی پرسپترونی چندلایه با الگوریتم آموزشی لومبرگ مارگوارت (trainlm) برای مدلسازی ارتباط بین پارامترهای عملکردیِ، دور موتور، دمای هوای ورودی، نسبت هوا به سوخت و جرم سوخت پاشیده شده با پارامترهای خروجیِ، مصرف سوخت ویژه ترمزی و بازده موتور استفاده شده است؛ که نتایج حاصل در مقایسه با 187 داده ی تجربی موجود، مطابقت بسیار خوبی را نشان می دهد. سپس با استفاده از الگوریتم pso به بهینه-سازی نتایج حاصل از مدلسازی پرداخته شده و نهایتاً مقادیر بهینه ی پارامترهای عملکردی بدست می آید. مقایسه این نتایج با منحنی عملکرد موتور حاضر و نتایج تجربی مطابقت خوبی را نشان می دهد. بنایراین می توان از روش ترکیب شبکه های عصبی مصنوعی با الگوریتم pso به عنوان روشی مناسب در سیستم های کنترلی موتورهای ci بهره گرفت.

تجدید ساختار در صنعت برق در سراسر جهان بازارهای جدیدی برای تجارت انرژی برق ایجاد می¬کند، از این¬رو بازارهای رقابتی برای تولید وتقاضای برق جایگزین حالت انحصاری شده¬اند. هزینه برق به عوامل مختلفی شامل تولید انرژی، هزینه انتقال و توزیع وابسته می باشد. در سیستم های قدرت تجدید ساختاریافته با وجود محدودیت¬های انتقال و تعداد محدود تولیدکنندگان، بازار رقابتی جایگزین بازار فروش چند قطبی شده است. در این بازار¬ها، هر تولیدکننده با بکارگرفتن استراتژی قیمت بهینه، سعی در حداکثر نمودن سود خود دارد. در این پایان نامه، مساله پیشنهاد قیمت¬دهی بهینه تولید کننده ها، در دو سناریو بدون و با محدودیت خطوط انتقال، ارائه شده است. مساله استراتژی قیمت¬دهی بهینه با یک مساله بهینه سازی دو سطحی مدل می¬شود که در سطح اول، هرتولید کننده سود خود را حداکثر می¬کند و در سطح دوم، بهره بردار مستقل سیستم قدرت با در نظر گرفتن محدودیت های خطوط انتقال و قیود امنیتی سیستم قدرت به تسویه بازار می¬پردازد. در این پژوهش فرض شده مقدار میانگین و واریانس قیمت پیشنهادی رقبا در دسترس می¬باشد و مدلسازی رفتار قیمت دهی رقبا توسط شبیه سازی مونت کارلو صورت گرفته است. مراحل شبیه سازی در دو حالت (بدون و با محدودیت خطوط انتقال) به یافتن بهترین استراتژی قیمت دهی تولیدکننده و بدست آوردن قیمت ناحیه¬ای در هر ناحیه منجر شده است. بمنظور پیدا کردن استراتژی قیمت¬دهی بهینه از الگوریتم رقابت استعماری که دارای سرعت همگرایی بالایی می¬باشد، استفاده شده است. در نهایت، سیستم مورد مطالعه30 باسه ieee، به عنوان سیستم قدرت نمونه، برای پیاده سازی روش پیشنهادی بکار برده می¬شود.