So far, numerous scientific works h

So far, numerous scientific works have been developed by
researchers dealt with the optimal operation scheduling under
different loading conditions and objectives. At first, conventional
economic scheduling has been proposed as a solution for the
optimization problem through finding an optimal set of generators
to satisfy load demand and operational constraints in an economical manner [6e8]. Due to the environmental concerns and
pollutants emission from traditional fossil fuel units, singleobjective optimization could no longer be satisfactory in the
mentioned problem. To involve emission as a separate goal, multiobjective optimization techniques have been developed in articles
in order to choose a definite number of units for supplying the load
under a certain condition taking into account minimum levels of
cost and emission for grid operation [9e13]. Recently, evolutionary
algorithms such as GA (Genetic Algorithm), PSO (Particle Swarm
Optimization) and so on have been increasingly proposed for
solving the optimization problem because of their inherent
nonlinear mapping, simplicity and powerful search capabilities
[13e18]. Hybrid approaches such as Fuzzy-based evolutionary

ผลลัพธ์ (ไทย) 1:

เพื่อห่างไกล ทำงานทางวิทยาศาสตร์มากมายได้รับการพัฒนาโดยนักวิจัยรับการจัดการการจัดกำหนดการทำงานภายใต้โหลดแตกต่างกันเงื่อนไขและวัตถุประสงค์ ครั้งแรก ทั่วไปการวางแผนเศรษฐกิจได้รับการเสนอเป็นโซลูชันสำหรับการปัญหาการเพิ่มประสิทธิภาพ โดยการหาชุดเหมาะสมของเครื่องกำเนิดไฟฟ้าเพื่อตอบสนองความต้องการของโหลดและข้อจำกัดในการดำเนินงานในลักษณะประหยัด [6e8] เนื่องจากสิ่งแวดล้อม และการปล่อยสารมลพิษจากเชื้อเพลิงฟอสซิลดั้งเดิมหน่วย singleobjective เพิ่มประสิทธิภาพอาจไม่เป็นที่พอใจในการกล่าวถึงปัญหา ที่เกี่ยวข้องกับมลพิษเป็นเป้าหมายแยก เทคนิคการเพิ่มประสิทธิภาพ multiobjective ได้รับการพัฒนาในบทเพื่อเลือกจำนวนหน่วยแน่นอนสำหรับการจัดหาโหลดภายใต้เงื่อนไขการบางลงในระดับต่ำสุดของบัญชีของต้นทุนและลดมลพิษสำหรับการดำเนินการตาราง [9e13] เมื่อเร็ว ๆ นี้ วิวัฒนาการอัลกอริทึมเช่น GA (อัลกอริทึมทางพันธุกรรม), ละเอียด (อนุภาครุมประสิทธิภาพสูงสุด) และอื่น ๆ ได้รับการเสนอขึ้นสำหรับการแก้ปัญหาเพิ่มประสิทธิภาพเนื่องจากโดยธรรมชาติของพวกเขาการแมปที่ไม่เชิงเส้น ความเรียบง่าย และสามารถค้นหาที่มีประสิทธิภาพ[13e18] . วิธีไฮบริดเช่น Fuzzy ตามวิวัฒนาการ

ผลลัพธ์ (ไทย) 2:

เพื่อให้ห่างไกลผลงานทางวิทยาศาสตร์จำนวนมากได้รับการพัฒนาโดย
นักวิจัยเกี่ยวข้องกับการจัดตารางเวลาการดำเนินงานที่ดีที่สุดภายใต้
เงื่อนไขที่แตกต่างกันในการโหลดและวัตถุประสงค์ ตอนแรกเดิม
การจัดตารางการทางเศรษฐกิจที่ได้รับการเสนอให้เป็นโซลูชั่นสำหรับการที่
ปัญหาการเพิ่มประสิทธิภาพผ่านการหาชุดที่ดีที่สุดของเครื่องกำเนิดไฟฟ้า
เพื่อตอบสนองความต้องการในการโหลดและข้อ จำกัด ในการดำเนินงานในลักษณะที่ประหยัด [6e8] เนื่องจากความกังวลด้านสิ่งแวดล้อมและ
มลพิษสารมลพิษจากหน่วยเชื้อเพลิงฟอสซิลแบบดั้งเดิมเพิ่มประสิทธิภาพ singleobjective ไม่อาจจะเป็นที่น่าพอใจใน
ปัญหาดังกล่าว จะเกี่ยวข้องกับการปล่อยก๊าซเรือนกระจกเป็นเป้าหมายที่แยกต่างหาก, เทคนิคการเพิ่มประสิทธิภาพ multiobjective ได้รับการพัฒนาในบทความ
เพื่อเลือกตัวเลขที่ชัดเจนของหน่วยสำหรับการจัดหาโหลด
ภายใต้เงื่อนไขบางอย่างโดยคำนึงถึงระดับต่ำสุดบัญชีของ
ค่าใช้จ่ายและการปล่อยก๊าซสำหรับการดำเนินงานตาราง [9e13] เมื่อเร็ว ๆ นี้วิวัฒนาการ
ขั้นตอนวิธีการเช่นจอร์เจีย (Genetic Algorithm) PSO (Particle Swarm
Optimization) และอื่น ๆ ได้รับการเสนอมากขึ้นสำหรับ
การแก้ปัญหาการเพิ่มประสิทธิภาพเพราะธรรมชาติของพวกเขา
ทำแผนที่เชิงความเรียบง่ายและความสามารถในการค้นหาที่มีประสิทธิภาพ
[13e18] วิธีไฮบริดเช่นฟัซซี่ตามวิวัฒนาการ

ผลลัพธ์ (ไทย) 3:

ดังนั้นไกล ผลงานทางวิทยาศาสตร์มากมายที่ได้รับการพัฒนาโดยนักวิจัยได้รับการจัดตารางที่เหมาะสมภายใต้สภาวะโหลดที่แตกต่างกันและวัตถุประสงค์ ตอนแรกปกติตารางเศรษฐกิจได้รับการเสนอเป็นโซลูชั่นสำหรับปัญหาการเพิ่มประสิทธิภาพผ่านการค้นหาการตั้งค่าที่เหมาะสมของเครื่องกำเนิดไฟฟ้าเพื่อตอบสนองความต้องการ และข้อจำกัดการดำเนินงานในลักษณะ 6e8 [ ประหยัด ] เนื่องจากความกังวลด้านสิ่งแวดล้อมและการปล่อยมลพิษจากเชื้อเพลิงฟอสซิลดั้งเดิม singleobjective หน่วย , เพิ่มประสิทธิภาพอาจไม่เป็นที่พอใจในกล่าวถึงปัญหา ที่เกี่ยวข้องกับการแยกเป็นเป้าหมาย เทคนิคการเพิ่มประสิทธิภาพ multiobjective ได้รับการพัฒนาในบทความเพื่อเลือกตัวเลขที่แน่นอนของหน่วยขาย โหลดภายใต้เงื่อนไขบาง จดลงในบัญชีระดับต่ำสุดของต้นทุนและการปล่อยสำหรับการ 9e13 [ ตาราง ] เมื่อเร็ว ๆนี้ , วิวัฒนาการขั้นตอนวิธีการเช่น GA ( Genetic Algorithm ) PSO ( ฝูงอนุภาคการเพิ่มประสิทธิภาพ ) และอื่น ๆได้รับมากขึ้นสำหรับการนำเสนอการแก้ไขปัญหาที่เหมาะสมเนื่องจากตนที่แท้จริงแผนที่เชิงเส้นของความเรียบง่ายและความสามารถในการค้นหาที่มีประสิทธิภาพ[ 13e18 ] วิธีผสม เช่น ฝอยตามวิวัฒนาการ