بهینه سازی مسائل آماری چندپاسخه با استفاده از الگوریتم ژنتیک

تطبیق عوامل کنترل (متغیرهای مستقل) برای رسیدن به سطوح بهینه ی خروجی (متغیر پاسخ) معمولا در بیشتر مسائل بهینه سازی جهان واقعی مورد نیاز است. روش های متداول بهینه سازی، اغلب با برآورد رابطه ی بین این متغیرها جهت تولید متغیرهای مورد نیاز مسئلهآغاز می شود. در بین این روش ها، در سال های اخیر روش سطح پاسخ (rsm)، به علت سادگی اش بسیار جالب توجه بوده است. هرچند از یک طرف، در برخی از موارد رابطه ی بین متغیر پاسخ و مستقل برای برآورد با استفاده از مدل های رگرسیون چندجمله ای بسیار پیچیده است. از طرف دیگر حل این مدل بهینه سازی بدست آمده، با روش های دقیق آسان نیست. به این منظور، از روش های مدل سازی رگرسیون چندجمله ای، شبکه عصبی مصنوعی و الگوریتم فراابتکاری ژنتیک استفاده شده است. از روش های رگرسیون چندجمله ای و شبکه های عصبی برای تولید داده های ورودی مورد نیاز و از تکنیک های تصمیم گیری چندهدفه ی مختلف برای مدل سازی مسئله آماری چندهدفه استفاده نمودیم. سرانجام الگوریتم ژنتیک تک هدفه و الگوریتم ژنتیک رتبه بندی نامغلوب (nsga) برای بهینه سازی مدل پیشنهادی و پیدا کردن سطوح عوامل کنترل به کار رفته است. در پایان کاربرد و عملکرد روش پیشنهادی با استفاده از مثال های عددی مختلف نشان داده شده است.