Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/30727Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Μπεκρής, Γεώργιος | el |
| dc.date.accessioned | 2021-04-01T08:45:10Z | - |
| dc.date.available | 2021-04-01T08:45:10Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/30727 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.10567 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Ενέργεια | el |
| dc.subject | Γενετική | el |
| dc.subject | Αλγόριθμοι | el |
| dc.title | Πολυκριτηριακή βελτιστοποίηση για προβλήματα συγκομιδής ενέργειας με χρήση γενετικών αλγορίθμων | el |
| dc.title | Multi - Odjective ortimization for evergy harvesting problemw using evolutionary algorithms | en |
| heal.type | masterThesis | - |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.classification | Αλγόριθμοι | - |
| heal.classification | Γενετικοί αλγόριθμοι | - |
| heal.identifier.secondary | Μεταπτυχιακή εργασία | - |
| heal.dateAvailable | 2021-04-01T08:46:10Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
| heal.publicationDate | 2021 | - |
| heal.bibliographicCitation | Μπεκρής, Γ., 2021. Πολυκριτηριακή βελτιστοποίηση για προβλήματα συγκομιδής ενέργειας με χρήση γενετικών αλγορίθμων. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
| heal.abstract | Στην παρούσα διπλωματική εργασία εξετάζεται η εφαρμογή γενετικών αλγορίθμων πολυκριτηριακής βελτιστοποίησης για ένα πρόβλημα της συγκομιδής ενέργειας. Η ενεργειακή τροφοδότηση μικρών συσκευών ή και αισθητήρων που πρέπει να λειτουργούν αυτόνομα για μεγάλο χρονικό διάστημα, είναι ένα πρόβλημα που στις μέρες μας έχει απασχολήσει πολύ. Υπάρχει με λίγα λόγια η ανάγκη να αποθηκεύεται και να παρέχεται επαρκής ενέργεια σε συστήματα και η ενέργεια αυτή να καταναλώνεται με τις λιγότερες απώλειες και με το μικρότερο δυνατό κόστος. Η συγκομιδή ενέργειας (Energy Harvesting) από το περιβάλλον είναι μια διαδικασία που εκμεταλλεύεται διάφορες πηγές ενέργειας προκειμένου να καλύψει τη συγκεκριμένη ανάγκη. Στην παρούσα εργασία, αρχικά γίνεται μια εισαγωγή στην έννοια της βελτιστοποίησης και διατυπώνονται τρόποι επίλυσης πολυκριτηριακής βελτιστοποίησης με τη χρήση του συνόλου βέλτιστων σημείων Pareto για προβλήματα της συγκομιδής ενέργειας. Η διαδικασία βελτιστοποίησης βασίζεται στη χρήση γενετικών αλγορίθμων λόγω των δυνατοτήτων τους να εξετάζουν πλήθος δυνατών λύσεων και να καταλήγουν στη βέλτιστη σε σύντομο χρονικό διάστημα. Οι δυνατότητες της προτεινόμενης μεθόδου εξετάστηκαν σε δύο προβλήματα βελτιστοποίησης στην περίπτωση του άξονα πτέρυγας ενός μη επανδρωμένου αεροσκάφους (UAV) με ενσωματωμένα πιεζοηλεκτρικά κεραμικά. Στόχος ήταν να βρεθεί η βέλτιστη γεωμετρική διαμόρφωση (μήκος και πάχος) των ενσωματωμένων πιεζοηλεκτρικών κεραμικών στρωμάτων που θα δώσουν τη μέγιστη ηλεκτρική ισχύ εξόδου και ταυτόχρονα θα ελαχιστοποιούν τη μάζα των πιεζοηλεκτρικών στρωμάτων. Συνεπώς, εξετάζεται η εφαρμογή ενός σύγχρονου γενετικού αλγορίθμου πολυκριτηριακής βελτιστοποίησης (Non Dominated Sorting Genetic Algorithm - II ή NSGA-II) όπου αναλύονται και σχολιάζονται οι πηγές έμπνευσής του καθώς και οι διαδικασίες που πραγματοποιούνται για τη προγραμματιστική του κωδικοποίηση. Επίσης, γίνεται φανερή η σημασία της χρήσης ελιτισμού για τη βελτίωση της μορφής του Pareto βέλτιστου μετώπου. Τέλος, γίνεται μελέτη κάποιων σημαντικών μετρικών ποιότητας (Hypervolume, Generational Distance Metric, Spacing, Spread κ.α.) που χρησιμοποιούνται για ανάλυση και σύγκριση μετώπων των μη-κυριαρχούμενων λύσεων. Ελέγχθηκαν διαφορετικά σενάρια με την εισαγωγή παραμέτρων στις αντικειμενικές συναρτήσεις, στους τύπους περιορισμών και στους παράγοντες βαρύτητας. Η αξιολόγηση των αποτελεσμάτων καθιστά το μοντέλο ικανό να παράγει σχεδόν βέλτιστες λύσεις για το συγκεκριμένο πρόβλημα. Η ανάπτυξη του αλγορίθμου πραγματοποιήθηκε στο προγραμματιστικό περιβάλλον του Matlab. Τέλος, παρατίθενται πίνακες και γραφήματα που δείχνουν τα αποτελέσματα διάφορων μετρήσεων που έγιναν με την εφαρμογή του γενετικού αλγορίθμου για το εν λόγω πρόβλημα της συγκομιδής ενέργειας. | el |
| heal.abstract | The present dissertation discusses the multi-objective optimization for energy harvesting problems using genetic algorithms. Energy harvesting in small appliances or/ and sensors that have to operate autonomously for a long time is an issue of great concern nowadays. In short, there is great need to store and apply sufficient energy in systems and that energy has to be consumed with the least possible loss and least possible cost. Energy harvesting from the environment is a process that can take advantage of various sources of energy in order to cover for a specific need. First, the concept of optimization is introduced as well as possible ways of resolving multi-objective optimization using the set of optimal solutions (Pareto front) for the energy harvesting problems. The optimization process is based on the use of genetic algorithms, due to their potential to analyze a multitude of possible solutions and reach the optimal one, in a short time. The potential of the suggested method was examined for two optimization problems in the case of wing spar of an Unmanned Aerial Vehicle (UAV) with embedded piezoelectric ceramics. The aim was to find the optimal geometrical layout (length and thickness) of embedded piezoelectric ceramic layers which can give the max pick of electric power and the minimum mass of piezoelectric. Therefore, the application of a modern multi-objective optimization genetic algorithm is examined (Non Dominated Sorting Genetic Algorithm - II ή NSGA-II), its sources of inspiration are analyzed and commented on, as well as the processes that take place for its programming encoding. Moreover, the importance of elitism for optimization of the Pareto front becomes apparent. Finally, some important quality indicators are studied as means of analyzing and comparing fronts of non-dominating solutions. (Hypervolume, Generational Distance Metric, Spacing, Spread, etc.) Various scenarios are examined by introducing parameters in objective functions, in constraint types and gravity factors. Outcome assessment qualifies the model as capable of producing almost optimal solutions to the specific problem. The algorithm development took place in the Matlab computing environment. Finally, tables and graphemes presented of outcome of various measurements regarding the application of the genetic algorithm on energy harvesting. | en |
| heal.advisorName | Φουτσιτζή, Γεώργια | el |
| heal.committeeMemberName | Γκόγκος, Χρήστος | el |
| heal.committeeMemberName | Αντωνιάδης, Νικόλαος | el |
| heal.academicPublisher | Σχολή Πληροφορικής & Τηλεπικοινωνιών . Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | - |
| heal.numberOfPages | 149 | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΠΤΠ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Μ.Ε ΜΠΕΚΡΗΣ ΓΕΩΡΓΙΟΣ -2021.pdf | 4.76 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
