بهینه سازی عوامل موثر در پرورش جوجه گوشتی با استفاده از تلفیق سامانه ماهالانوبیس – تاگوچی و الگوریتم شبیه سازی تبرید

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 90

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJBSE-52-2_001

تاریخ نمایه سازی: 31 اردیبهشت 1402

Abstract:

پیچیدگی­ها در سامانه­های تولید به دلیل افزایش تعداد عوامل تاثیرگذار و اثرات متقابل بین این عوامل افزایش یافته است. بر اساس این نیاز، ابزارهای مناسبی برای تحلیل سامانه­های پیچیده از جمله سامانه ماهالانوبیس - تاگوچی ابداع گردیده که می توانند با استخراج روابط واقعی بین متغیرها، سامانه­ها را ساده تر و قابل درک نمایند. بنابراین در این مطالعه از سامانه ماهالانوبیس - تاگوچی توسعه یافته در کاهش تعداد متغیرهای موثر برای پرورش جوجه گوشتی که یکی از منابع پروتئینی مهم در ایران است، استفاده شد. در سامانه توسعه یافته نیز الگوریتم فراابتکاری شبیه­سازی تبرید مبتنی بر جمعیت به کار گرفته شد. نتایج نشان داد که الگوریتم شبیه­سازی تبرید توانایی بهینه­سازی این مسئله را دارا می­باشد و می­تواند تعداد متغیرها را با توجه به وزن­های تابع هدف که توسط تصمیم گیرنده انتخاب می­شود، کاهش دهد. همچنین در این مطالعه وزن­های مختلفی برای تابع هدف در نظر گرفته شد و نتایج و تاثیر وزن­ها بر تابع هدف و تعداد متغیرهای خروجی از الگوریتم مورد بحث و بررسی قرار گرفت. با در نظر گرفتن وزن­های مختلف برای تابع هدف، تعداد متغیرها از ۳۵ به ۱۰ در حالت اول، ۱۱ در حالت دوم، ۱۰ در حالت سوم و ۲۱ متغیر در حالت چهارم کاهش پیدا کرد.

Authors

عرفان خسروانی مقدم

Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran

محمد شریفی

Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran

سلیمان حسین پور

Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran

هومن شریف نسب

Member of scientific board of Agricultural Engineering Research Institute (AERI), Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Abbasi, S.E., Aghaie, A. & Fazlali, M. (۲۰۱۱). Applying Mahalanobis–Tagouchi ...
  • Abu, M.Y., Nor, E.M. & Abd Rahman, M.S. (۲۰۱۸). April. ...
  • Aman, H., Mochiduki, N. & Yamada, H. (۲۰۰۶). A model ...
  • Anomymous. (۲۰۱۹). Census results from broiler farms. Statistical Center of ...
  • Chang, Z., Chen, W., Gu, Y. & Xu, H. (۲۰۲۰). ...
  • Chen, J., Cheng, L., Yu, H. & Hu, S. (۲۰۱۸). ...
  • Foley, D. (۱۹۷۲). Considerations of sample and feature size. IEEE Transactions ...
  • Jeong, J.E., Park, S.G., Yang, I.H., Lee, Y.Y. & Oh, ...
  • Kizilaslan, H. (۲۰۰۹). Input–output energy analysis of cherries production in ...
  • Kumano, S., Mikami, N. & Aoyama, K. (۲۰۱۱). January. Advanced ...
  • Kuo, F.H. (۲۰۱۹). Applying the Mahalanobis Model to Predicting School ...
  • Leese, M.N., & Main, P.L. (۱۹۹۴). The efficient computation of ...
  • Liparas, D., Angelis, L., & Feldt, R. (۲۰۱۲). Applying the ...
  • Mohan, D., Saygin, C., & Sarangapani, J. (۲۰۰۸). Real-time detection ...
  • Pal, A., & Maiti, J. (۲۰۱۰). Development of a hybrid ...
  • Rai, K.B., Chinnam, R.B. & Singh, N. (۲۰۰۸). Prediction of ...
  • Reséndiz, E., Moncayo-Martínez, L.A., & Solís, G. (۲۰۱۳). Binary ant ...
  • Rousseeuw, P.J. & Van Zomeren, B.C. (۱۹۹۰). Unmasking multivariate outliers ...
  • Soylemezoglu, A., Jagannathan, S. & Saygin, C. (۲۰۱۰). Mahalanobis Taguchi ...
  • Wang, H., Huo, N., Li, J., Wang, K., & Wang, ...
  • نمایش کامل مراجع