بهبود عملکرد الگوریتم علف های هرز(invasive weed optimization) در حل مسائل بهینه سازی تولید با بکارگیری روش طراحی آزمایشات
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی
- نویسنده حسین بهرامی
- استاد راهنما فرهاد کلاهان
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
الگوریتم فراابتکاری علف های هرز یکی از الگوریتم های بهینه سازی جدید و توانمند است که بر اساس تقلید از قابلیت تطابق پذیری و تصادفی بودن کولونی علف های هرز، بهینه عمومی یک تابع ریاضی را پیدا می کند. تاکنون بررسی مدونی در خصوص تاثیر پارامترهای این الگوریتم بر عملکرد آن (کیفیت جواب و زمان محاسباتی) انجام نشده است. بعلاوه عملکرد الگوریتم علف های هرز در حل مسائل برنامه ریزی تولید تا به حال بررسی نگردیده است. هدف اصلی این تحقیق تعیین سطوح بهینه پارامترهای تنظیمی الگوریتم iwo در حل مسائل چندمعیاره برنامه ریزی تولید است. برای این منظور از رویکرد طراحی آزمایشات، روش تاگوچی و مدلسازی رگرسیونی استفاده شده است. در مرحله اول، نتایج محاسباتی با استفاده از پارامترهای تصادفی برای مسائلی با ابعاد 10 تا 100 کار نشان می دهد که iwo دارای برتری محسوسی نسبت به الگوریتم های ژنتیک و تبرید تدریجی است. در مرحله بعد تحقیق، با بکارگیری روش تاگوچی و سپس طراحی کامل آزمایشات به همراه مدلسازی رگرسیونی، سطوح بهینه پارامترهای الگوریتم علف های هرز تعیین گردید. با بکارگیری این سطوح بهینه کیفیت جواب و زمان محاسباتی لازم به مقدار قابل ملاحظه ای کاهش یافت. روش ارائه شده در این تحقیق قابلیت پیاده سازی برای سایر روش های بهینه سازی و یا مسائل مهندسی را دارد.
منابع مشابه
حل مسئله تخصیص نمایی با استفاده از الگوریتم بهینه سازی علف های هرز
در این مقاله یک الگوریتم جدید قدرتمند با الهام از تکثیر و رشد علف های هرز جهت حل مسئله معروف تخصیص نمایی که از کاربرد بسیار زیادی در حوزه های مختلف نظیر چیدمان کارخانه، چیدمان ماشین آلات و ... برخوردار است، به کار گرفته شده است. مجموعه ای از مسائل عددی مرجع از منبع مربوط به این مسئله مشهور انتخاب و کارایی الگوریتم از طریق آن در مقایسه با الگوریتم های قبلی مشابه مورد ارزیابی قرار گرفته است. نتای...
متن کاملالگوریتم بهینه یابی جفت گیری زنبورهای عسل ( HBMO ) در حل مسائل بهینه سازی
Over the last decade, evolutionary and meta-heuristic algorithms have been extensively used as search and optimization tools in various problem domains, including science, commerce, and engineering. Ease of use and broad applicability may be considered as the primary reasons for their success. The honey-bee mating process has been considered as a typical swarm-based approach to optimization, i...
متن کاملبکارگیری الگوریتم NSGA-II برای حل مسائل مکان‌یابی چندهدفه
مکان‌یابی کاربری‌ها یکی از مهمترین مسائل شهرسازی است که دارای مقیاس‌های متفاوتی می‌باشد. هنگامی‌که با یک مسئله‌ی مکان‌یابی کوچک مقیاس با شرایط و محدودیت‌های اندک روبه‌رو باشیم می توان با استفاده از روش‌های سنتی به جواب رسید ولی زمانی که با یک مسئله‌ی بزرگ مقیاس مکان‌یابی با شرایط و محدودیت‌های زیاد روبه‌رو باشیم، مشکل بتوان بدون استفاده از هوش مصنوعی و الگوریتم‌های تکاملی، مکان بهینه یا حتی نزد...
متن کاملالگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، به‌طوری‌که مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوبگونه مبتنی بر خوشهبندی و حافظه برای حل مسائل پویا ارائ...
متن کاملبهینه سازی اندازه و شکل سازه های خرپا با روش بهینه سازی الگوریتم مثلث بهینه گر
در این مقاله روش بهینه سازی فراابتکاری جدید تحت عنوان الگوریتم مثلث بهینه گر برای پایین آوردن وزن سازه های خرپا ارائه شده است. این روش از مثلث الهام گرفته است. در این روش بردار اولیه متغیرهای طراحی بعنوان قاعده مثلث (سطر اول) در نظر گرفته می شوند. سپس توابع هدف محاسبه و بهترین و بدترین پاسخ مشخص می شوند. بدترین پاسخ از جمعیت حذف می گردد و بقیه جمعیت با بازیابی سطر دوم را تشکیل می دهند. این عمل ...
متن کاملبکارگیری الگوریتم ترکیبی بهینه سازی دسته ذرات برای حل مساله سنتی زمانبندی کار کارگاهی
The classical Job Shop Scheduling Problem (JSSP) is NP-hard problem in the strong sense. For this reason, different metaheuristic algorithms have been developed for solving the JSSP in recent years. The Particle Swarm Optimization (PSO), as a new metaheuristic algorithm, has applied to a few special classes of the problem. In this paper, a new PSO algorithm is developed for JSSP. First, a pr...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023