توسعه شبکه عصبی‌تصمیم مبتنی بر الگوریتم ژنتیک برای ارزیابی ارجحیات‌ در مسائل تصمیم‌گیری چندهدفه

بکارگیری شبکه‌های عصبی در تخمین و توصیف ساختار ارجحیت‌های تصمیم‌گیرنده، در حل مسائل تصمیم‌گیری چندهدفه در سال‌های اخیر بسیار مورد توجه قرار گرفته ‌است. شبکه عصبی تصمیم رویکردی نوین برای تخمین تابع مطوبیت تصمیم‌گیرنده در مسایل چندهدفه است. توسعه و بهبود روش‌های آموزش این نوع از شبکه‌ها، یافتن راه حل مرجح در مسایل چندهدفه، به خصوص مسایل با ابعاد بزرگ را تسهیل می‌نماید. در این مقاله، به منظور غلبه بر مشکلات روش‌های آموزشی مبتنی بر گرادیان و با هدف افزایش کارآیی شبکه عصبی تصمیم روش آموزشی آن توسعه داده شده ‌است و از الگوریتم ژنتیک برای آموزش این شبکه عصبی استفاده می‌شود. برای تنظیم پارامترهای شبکه عصبی تابع هزینه بهبود یافته‌ای پیشنهادی می‌شود و بر اساس این تابع هزینه پارامترهای شبکه عصبی بهینه‌سازی می‌شوند. رویکرد پیشنهادی در حل چندین مثال کاربردی بکارگرفته شده‌است که نتایج نشان می‌دهند که رویکرد پیشنهادی روشی کارآ به منظور تخمین تابع مطلوبیت –به‌خصوص غیرخطی- در حل مسائل تصمیم‌گیری چندهدفه می‌باشد. همچنین رویکرد پیشنهادی در تخمین توابع مطلوبیت مسائل چندهدفه گسسته نیز قابلیت بکارگیری دارد.