بهینه‌سازی تابع هدف خطی با استفاده از جستجوی آشوب فازی و الگوریتم ژنتیک

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,499

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICIORS02_081

تاریخ نمایه سازی: 11 اسفند 1387

Abstract:

بهینه‌سازی سعی دارد تا با تغییر دادن یک ایده ابتدایی به سوی جواب بهینه حرکت کند. مسائله بهینه‌سازی در عمل بسیار پیچیده‌اند و الگوریتم‌های کلاسیک قادر به حل آنها بطور رضایت‌بخش نیستند. آنها دارای دو محدودیت افتادن در تلۀ مینیمم محلی و صرف وقت زیاد جهت جستجو می‌باشند. از طرفی جستجوی آشوب، بعلت ویژگی‌های دینامیکی و تصادفی متغیرهای آشوب، قابلیت فرار از بهینۀ محلی را داراست. از اینرو جستجوی آشوب فازی می‌تواند به صورت کاربردی جهت بهینه‌سازی محاسبات مورد استفاده قرار گیرد. از آنجا که دقت و سرعت رسیدن به پاسخ در روش جستجوی آشوب فازی به نرخ رشد تابع آشوبگونه بستگی دارد. لذا جهت انتخاب مقادیر مناسب برای نرخ رشد، یک الگوریتم ژنتیک که تابع ارزیابی آن، روش جستجوی آشوب فازی است را پیشنهاد نموده‌ایم. کارایی روش فوق را با حل نمودن یک مسألۀ بهینه‌سازی فازی ساده نشان داده‌ایم. مقایسه نتایج بدست آمده از روش پیشنهادی ما با سایر روشهای بهینه‌سازی فازی نشان می‌دهد که، روش پیشنهادی ما پاسخ دقیقتری تولید می‌نماید. در انتها با استفاده از روش پیشنهادی، به بهینه‌سازی تابع هدف یک مسألۀ برنامه‌ریزی خطی فازی می‌پردازیم.

Authors

محسن فرهادی

دانشجوی کارشناسی ارشد دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایر

محمدرضا جاهد مطلق

دانشیار دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

ناصر مزینی

استادیار دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

حامد رحیم اف

عضو هیئت علمی دانشکده مهندسی کامپیوتر دانشگاه صنعتی شاهرود.

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 :