The 2D-BPSO algorithm presented in

The 2D-BPSO algorithm presented in Algorithm 2, is an ex-tension of the original 2D-BPSO algorithm defined in [9], [10]. For completeness, we explain the key aspects of the algorithm. The algorithm starts with a population of possible solutions all randomly generated. During each generation, the algorithm computes the fitness of each solution in the population. Then as presented in line 7, the velocity of each particle is updated properly, according to an inertia weight a, the individual knowl-edge of each particle, and the global knowledge (i.e., best solu-tion known by all particles). The value of a can help to con-verge; the algorithm starts with a maximum value and linearly decreases the value to a minimum on each generation. Such de-crease causes the search for solution to explore more at the be-ginning, and refine the search to exploit the local discoveries, at later stages of the evolution. The algoritlun contains N populations of solutions, one for each green energy source (e.g., solar panels, wind energy, nat-ural gas, etc.). With these populations, it becomes possible to achieve mutual exclusion of loads, that is, no load should be connected to mom than one energy source at any particular time. Such mutual exclusion, can be performed using simple logical operations, like AND and XOR in lines 17-22. The performance (fitness) of solutions are evaluated on each energy source, and then added together such that the total benefit of the solution can be compared among the possible solutions. The smart home system can then switch the energy source use per appliance given the 2D-BPSO solution.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึม 2D BPSO ในอัลกอริทึม 2 จะเป็นแฟนเก่าความตึงเครียดของขั้นตอนวิธี 2D BPSO เดิมที่กำหนดไว้ใน [9], [10] สำหรับความสมบูรณ์ เราอธิบายลักษณะสำคัญของอัลกอริทึมการ อัลกอริทึมเริ่มต้น ด้วยประชากรของปัญหาทั้งหมดสร้างขึ้นแบบสุ่ม ในแต่ละรุ่น อัลกอริทึมจะออกกำลังกายของประชากรในแต่ละ แล้วดังแสดงในบรรทัดที่ 7 ความเร็วของแต่ละอนุภาคมีการปรับปรุงอย่างถูกต้อง ตามแรงเฉื่อยน้ำหนักตัว แต่ละ knowl ขอบของแต่ละอนุภาค และความรู้สากล (เช่น สุด solu-สเตรชัน ด้วยอนุภาคทั้งหมดที่รู้จักกัน) ค่าของสามารถช่วยคอนเจียน อัลกอริทึมเริ่มต้น มีค่าสูงสุด และลดค่าให้ต่ำเชิงเส้นในแต่ละรุ่น De-crease ดังกล่าวทำให้การค้นหาโซลูชันการสำรวจมากขึ้นจะ-ginning และปรับแต่งการค้นหาค้นพบท้องถิ่น การกดขี่ขูดรีดในขั้นตอนต่อไปของวิวัฒนาการ Algoritlun ประกอบด้วยประชากร N โซลูชั่น หนึ่งสำหรับแต่ละแหล่งพลังงานสีเขียว (เช่น แผงเซลล์แสงอาทิตย์ พลังงานลม แก๊ส nat ural ฯลฯ) กับประชากรเหล่านี้ จะไปให้ได้โหลดกันซึ่งกันและกัน คือ โหลดไม่ควรเชื่อมต่อกับแม่กว่าแหล่งพลังงานหนึ่งตลอดเวลาโดยเฉพาะ แยกดังกล่าวร่วมกัน สามารถดำเนินการได้โดยใช้การดำเนินการทางตรรกะอย่าง และเช่นและ XOR ในบรรทัดที่ 17-22 ประสิทธิภาพ (ฟิตเนส) โซลูชั่นจะประเมินในแต่ละแหล่งพลังงาน และจากนั้น เข้าด้วยกันให้สามารถเปรียบเทียบสวัสดิการรวมของการแก้ปัญหาในการแก้ไขปัญหา ระบบสมาร์ทโฮมแล้วสามารถสลับการใช้แหล่งพลังงานต่ออุปกรณ์ให้โซลูชั่น 2D BPSO

ผลลัพธ์ (ไทย) 2:

อัลกอริทึม 2D-BP​​SO นำเสนอในขั้นตอนวิธีที่ 2 เป็นอดีตความตึงเครียดจากเดิมขั้นตอนวิธี 2D-BP​​SO ที่กำหนดไว้ใน [9] [10] เพื่อความสมบูรณ์เราจะอธิบายในแง่มุมที่สำคัญของอัลกอริทึม ขั้นตอนวิธีการเริ่มต้นด้วยประชากรของการแก้ปัญหาที่เป็นไปได้ทั้งหมดที่สร้างแบบสุ่ม ในช่วงยุคแต่ละขั้นตอนวิธีการคำนวณการออกกำลังกายของแต่ละวิธีการแก้ปัญหาในประชากร จากนั้นตามที่แสดงอยู่ในบรรทัดที่ 7, ความเร็วของอนุภาคแต่ละที่มีการปรับปรุงอย่างถูกต้องตามน้ำหนักความเฉื่อย, บุคคล Knowl ขอบของแต่ละอนุภาคและความรู้ระดับโลก (เช่นที่ดีที่สุด Solu-การรู้จักกันโดยอนุภาคทั้งหมด) ค่าของสามารถช่วยในการ con-หมิ่น; ขั้นตอนวิธีการเริ่มต้นด้วยค่าสูงสุดและเป็นเส้นตรงลดค่าที่ต่ำสุดในแต่ละรุ่น de-รอยพับดังกล่าวทำให้เกิดการค้นหาสำหรับการแก้ปัญหาในการสำรวจเพิ่มเติมได้ที่จะ-Ginning และปรับแต่งการค้นหาจะใช้ประโยชน์จากการค้นพบในท้องถิ่นที่ขั้นตอนต่อมาของวิวัฒนาการ algoritlun มีประชากรที่ยังไม่มีการแก้ปัญหาหนึ่งสำหรับแต่ละแหล่งพลังงานสีเขียว (เช่นแผงเซลล์แสงอาทิตย์พลังงานลมก๊าซ nat-อูราลและอื่น ๆ ) ด้วยประชากรเหล่านี้ก็จะกลายเป็นไปได้ที่จะบรรลุการยกเว้นร่วมกันของโหลดที่โหลดไม่ควรจะเชื่อมต่อกับแม่มากกว่าหนึ่งแหล่งพลังงานในเวลาใดเวลาใด ๆ ยกเว้นร่วมกันดังกล่าวสามารถทำได้โดยใช้การดำเนินการตรรกะง่ายเช่น AND และแฮคเกอร์ในสาย 17-22 ผลการดำเนินงาน (ออกกำลังกาย) ของการแก้ปัญหาได้รับการประเมินในแต่ละแหล่งพลังงานและจากนั้นเข้าด้วยกันเช่นที่ได้รับประโยชน์ทั้งหมดของการแก้ปัญหาสามารถนำมาเปรียบเทียบในหมู่โซลูชั่นที่เป็นไปได้ ระบบสมาร์ทแล้วสามารถสลับการใช้แหล่งพลังงานต่อเครื่องใช้ไฟฟ้าที่ได้รับการแก้ปัญหา 2D-BP​​SO

ผลลัพธ์ (ไทย) 3:

The 2D-BPSO algorithm presented in Algorithm 2, is an ex-tension of the original 2D-BPSO algorithm defined in [9], [10]. For completeness, we explain the key aspects of the algorithm. The algorithm starts with a population of possible solutions all randomly generated. During each generation, the algorithm computes the fitness of each solution in the population. Then as presented in line 7, the velocity of each particle is updated properly, according to an inertia weight a, the individual knowl-edge of each particle, and the global knowledge (i.e., best solu-tion known by all particles). The value of a can help to con-verge; the algorithm starts with a maximum value and linearly decreases the value to a minimum on each generation. Such de-crease causes the search for solution to explore more at the be-ginning, and refine the search to exploit the local discoveries, at later stages of the evolution. The algoritlun contains N populations of solutions, one for each green energy source (e.g., solar panels, wind energy, nat-ural gas, etc.). With these populations, it becomes possible to achieve mutual exclusion of loads, that is, no load should be connected to mom than one energy source at any particular time. Such mutual exclusion, can be performed using simple logical operations, like AND and XOR in lines 17-22. The performance (fitness) of solutions are evaluated on each energy source, and then added together such that the total benefit of the solution can be compared among the possible solutions.ระบบบ้านอัจฉริยะสามารถเปลี่ยนแหล่งพลังงานที่ใช้ต่ออุปกรณ์ที่ได้รับ 2d-bpso โซลูชั่น