حل مسائل بهینه سازی چندین هدفه به کمک زیرگروه های فشرده
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 584
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTCK02_113
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
الگوریتم های ژنتیک فشرده (CGA) به جای کار با جمعیتی از پاسخها، بر روی یک شرح آماری از جمعیت کارمی کنند. در نتیجه این الگوریتم ها در مراحل اولیه جستجو به دلیل ماهیت تصادفی خود رفتار اکتشافی بالایی دارند.به همین دلیل برای حل مسائل بهینه سازی در ابعاد بالا، به خصوص در مسائل با جبهه متمایل (وجود تراکم متمایل برروی جبهه پارتو)، توانایی خوبی در فرار از بهینه های محلی از خود نشان می دهند. در مقابل عملگرهای تکاملی والد-مرکز مانند SBX در ابعاد بالا توانایی خوبی در استخراج محیط نزدیک به والدین دارند. در این مقاله، با ترکیب این دو روش تعادل خوبی بین رفتار اکتشافی و استخراجی الگوریتم بهینه سازی ایجاد شده است. همچنین، راهکارهایی برایافزایش فشار انتخاب و حفظ تنوع جمعیت پیشنهاد شدهاند. الگوریتم پیشنهادی با شش تا از جدیدترین الگوریتم هایحل مسائل بهینهسازی چندین هدفه بر روی مسئله چندین هدفه DTLZ4 با جبهه متمایل با تعداد اهداف تا پانزده هدف مقایسه شده است. نتایج نشان دهنده برتری روش پیشنهادی در پیدا کردن یک توزیع خوب از پاسخ ها بر روی جبهه پارتو در تابع تست انتخاب شده می باشد.
Keywords:
Authors
شرمین خسروی
گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
محمدرضا اکبرزاده توتونچی
قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، دانشگاه فردوسی مشهد، ایران
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 :