الگوریتم های تکاملی تلفیقی برای حل مسائل بهینه سازی چندهدفی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علوم پایه دامغان - دانشکده ریاضی و کامپیوتر
- نویسنده میلاد کردمصطفی پور
- استاد راهنما اکبر هاشمی برزآبادی سید هاشم طبسی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
الگوریتم های تصادفی استفاده وسیعی در انواع مسائل بهینه سازی دارند. الگوریتم های تکاملی دسته ای از روش های تصادفی بر مبنای جمعیت می باشند. مثالی از این الگوریتم ها، الگوریتم ژنتیک می باشد که از تئوری تکاملی داروین الهام گرفته است. با این وجود، الگوریتم های تصادفی دیگری نیز وجود دارند که از رفتار حیوانات الهام می گیرند مانند بهینه سازی انبوه ذرات ( pso )، که از همکاری دسته پرندگان پیروی می کنند، و بهینه سازی علف های هرز ( iwo )، که الگوریتم الهام گرفته از محیط می باشد و از فرآیند تجمع سازی و پخش علف های هرز پیروی می کنند. به علاوه، الگوریتم های تصادفی توانایی حل مسائل بهینه سازی چندهدفی توسط مفهوم چیره را دارا می باشند. از این رو، مجموعه ای از جواب های که بر یکدیگر چیره نمی شوند، در عوض بهترین جواب، بدست می آید. در این پایان نامه یک الگوریتم تلفیقی چندهدفی iwo/pso ارائه می دهیم که از iwo و pso ، دو الگوریتم تکاملی جدید و با ویژگی های ممتاز، بدست می آید. نتایج شبیه سازی نشان داده می شوند و با سایر الگوریتم ها مقایسه می گردد. نتایج نشان می دهند که الگوریتم iwo/pso قابلیت رقابت بالایی دارد و می تواند به عنوان یک طرح مناسب برای حل مسائل بهینه سازی چندهدفی لحاظ شود.
منابع مشابه
الگوریتم 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 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 کاملیک روش اسکالرسازی مخروطی برای حل مسائل بهینه سازی چندهدفی
روش های متعددی برای حل مسائل بهینه سازی چندهدفی وجود دارد. دسته ی خاصی از این روش ها روش های اسکالرسازی نام دارند که در آن ها با استفاده از تکنیک های خاصی مساله ی چندهدفی به یک مساله ی تک هدفی تبدیل می شود و این مساله ی تک هدفی به جای مساله ی اصلی حل می شود. در این پایان نامه روش اسکالرسازی مخروطی برای حل مسائل بهینه سازی چندهدفی بررسی می شود که مزایای زیادی دارد. همچنین الگوریتم زیرگرادیان اصل...
ارائه یک مدل تلفیقی از الگوریتم های شبیه سازی تبرید و الگوریتم ژنتیک برای بهینه سازی فرایند تولید خوراک دام
تحقیق حاضر به تعیین ترکیب بهینه عوامل موثر در تولید خوراک دام پرداخته است. خوراک دام ارتباط کاملا مستقیمی با سلامت دام دارد. با توجه به اینکه در این تحقیق از اطلاعات مسئله ای واقعی استفاده شده است نتایج آن می تواند قابل ملاحظه باشد. متدولوژی سطح پاسخ و فرایند طراحی آزمایشات به کمک هم می توانند بطور موثر در مدل سازی و بهبود سیستم تولید خوراک دام که بیش از یک عامل تاثیر گذار دارد به کار روند. بعد...
متن کاملالگوریتم های تکاملی تلفیقی برای حل مسائل برنامه ریزی دوسطحی خطی
در این پایان نامه ابتدا به بیان مفاهیم مقدماتی در خصوص برنامه ریزی دوسطحی پرداخته و سپس برخی روش های تکاملی برای حل این دسته از مسائل بهینه سازی معرفی می کنیم. در ادامه یک الگوریتم iwo برای حل مسائل برنامه ریزی دوسطحی خطی ارائه شده و سپس یک الگوریتم تکاملی تلفیقی iwo/pso که از تلفیق iwo و pso به دست می آید معرفی می شود. براساس نتایج عددی و شیوه آزمون مقایسه این الگوریتم ها با سایر الگوریتم های ...
15 صفحه اولالگوریتم 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، به طوری که 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 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 علوم پایه دامغان - دانشکده ریاضی و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023