presenteda novel multi-objective ge

presented
a novel multi-objective genetic algorithm model using
NSGA-II to optimize the energy efficiency and thermal comfort in
buildings. Magnier and Haghighat [19] used TRNSYS simulations,
the multi-objective genetic algorithm, and the artificial neural network
to optimize the building design. In another work, Wright
et al. [20] investigated the application of a multi-objective genetic
algorithm search method in the identification of the optimum payoff
characteristic between the energy cost of a building and the
occupant thermal discomfort. In addition, Lu et al. [21] presented
a comparison study on two design optimization methods for
renewable energy systems in buildings, including a single objective
genetic algorithm and a multi-objectives non-dominated sorting
genetic algorithm (NSGA-II). Recently, Hamdy et al. [22] proposed
a modified multi-objective optimization approach based on
the genetic algorithm coupled with IDA ICE building performance
simulation program to minimize the carbon dioxide equivalent
emissions and the investment cost of a two-story house and its
HVAC system. Karaguzel et al. [23] integrated the whole building
energy simulation program, EnergyPlus, with GenOpt tool to minimize
the life cycle cost of a reference commercial office building
model.

ผลลัพธ์ (ไทย) 1:

การนำเสนอจำลองขั้นตอนวิธีพันธุกรรมแบบนวนิยายโดยใช้NSGA II เพื่อเพิ่มประสิทธิภาพพลังงานอย่างมีประสิทธิภาพและความสะดวกสบายในอาคาร ใช้แบบจำลอง TRNSYS, Magnier และ Haghighat [19]ขั้นตอนวิธีแบบพันธุกรรม และเครือข่ายประสาทเทียมการเพิ่มประสิทธิภาพการออกแบบอาคาร ในการทำงานอื่น ไรท์et al. [20] ตรวจสอบโปรแกรมประยุกต์มีวัตถุประสงค์หลายทางพันธุกรรมวิธีค้นหาอัลกอริทึมในการระบุผลตอบแทนที่เหมาะสมลักษณะระหว่างค่าพลังงานของอาคารและผู้ครอบครองความร้อนสบาย นอกจากนี้ การนำเสนอของ Lu et al. [21]ศึกษาเปรียบเทียบสองวิธีการเพิ่มประสิทธิภาพการออกแบบสำหรับระบบพลังงานหมุนเวียนในอาคาร รวมทั้งมีวัตถุประสงค์เดียวขั้นตอนวิธีพันธุกรรมและการเรียงลำดับไม่ครอบงำหลายวัตถุประสงค์พันธุกรรมขั้นตอนวิธี (NSGA II) เมื่อเร็ว ๆ นี้ การนำเสนอของ Hamdy et al. [22]วิธีการเพิ่มประสิทธิภาพหลายวัตถุประสงค์ที่ปรับเปลี่ยนตามขั้นตอนวิธีพันธุกรรมควบคู่น้ำแข็งไออาคารประสิทธิภาพการทำงานโปรแกรมจำลองการลดก๊าซคาร์บอนไดออกไซด์เทียบเท่าต้นทุนการลงทุนของบ้านสองชั้นและปล่อยของระบบ HVAC Karaguzel et al. [23] รวมทั้งอาคารพลังงานการจำลองโปรแกรม EnergyPlus ด้วยเครื่องมือ GenOpt เพื่อลดต้นทุนวงจรชีวิตของอาคารสำนักงานพาณิชย์อ้างอิงรุ่น

ผลลัพธ์ (ไทย) 3:

นำเสนอนวนิยายหลายรูปแบบโดยใช้ขั้นตอนวิธีเชิงพันธุกรรมnsga-ii เพื่อเพิ่มประสิทธิภาพพลังงานและสภาวะน่าสบายในอาคาร และ น แม็กเนียร์ haghighat [ 19 ] ใช้ trnsys จำลอง ,ขั้นตอนวิธีทางพันธุกรรมหลายและโครงข่ายประสาทเทียมเพื่อเพิ่มประสิทธิภาพการออกแบบอาคาร ในงานอื่น ไรท์et al . [ 20 ] ศึกษาการประยุกต์ใช้หลายทางพันธุกรรมขั้นตอนวิธีการค้นหาวิธีในการจ่ายเงินสูงสุดลักษณะของต้นทุนพลังงานของอาคารและหรือความร้อนไม่ นอกจากนี้ , Lu et al . [ 21 ] เสนอการเปรียบเทียบสองวิธีการเพิ่มประสิทธิภาพการออกแบบสำหรับระบบประหยัดพลังงานในอาคาร รวมทั้งมีวัตถุประสงค์เดียวขั้นตอนวิธีทางพันธุกรรมและไม่ใช่วัตถุประสงค์หลายครอบงํา การเรียงลำดับขั้นตอนวิธีเชิงพันธุกรรม ( nsga-ii ) เมื่อเร็วๆ นี้ hamdy et al . [ 22 ] เสนอการเพิ่มประสิทธิภาพหลายวิธีขึ้นอยู่กับGenetic Algorithm คู่กับไอด้าน้ำแข็งสร้างประสิทธิภาพโปรแกรมจำลองการลดคาร์บอนไดออกไซด์เทียบเท่าการปล่อยและค่าใช้จ่ายการลงทุนของบ้านสองชั้นและระบบ HVAC . karaguzel et al . อาคารบูรณาการ [ 23 ]โปรแกรมจำลองแผงรับพลังงาน , ด้วยเครื่องมือ genopt เพื่อลดวงจรชีวิตของต้นทุนของการอ้างอิงอาคารสำนักงานเชิงพาณิชย์นางแบบ