دیدگاهی نو برای حل مسائل بهینه سازی مقید ناهموار
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده علوم ریاضی
- نویسنده فرهاد سارانی
- استاد راهنما مرتضی گچ پزان علی وحیدیان کامیاد
- سال انتشار 1392
چکیده
بسیاری از مسائل مهم با حل مسائل بهینه سازی ناهموار مرتبط می شوند. بهینه سازی ناهموار یکی از زمینه های تحقیقاتی در ریاضیات کاربردی و بهینه سازی طرح های مهندسی است و همچنین به طور گسترده ای در بسیاری از مسائل مهم و کاربردی استفاده می شود. روش های شناخته شده برای بهینه سازی ناهموار شامل روش زیرگرادیان، روش صفحه های برشی، روش کلاف و روش ناحیه قابل قبول می باشد. یکی از انواع مسائل مشکل برای حل، یک مسئله ناهموار است. بهینه سازی ناهموار اغلب راجع به مسئله کمینه سازی توابعی می باشد که اکثر آن ها در نقطه کمینه خود، مشتق پذیر نیستند. در این پایان نامه با استفاده از مشتق تعمیم یافته ای جدید که توسط کامیاد و همکاران ارائه شده است، رهیافتی ارائه می شود که برای بهینه سازی انواع مسائل ناهموار سودمند و عملی است. این نوع مشتق تعمیم یافته، توسیع مفهوم مشتق معمولی توابع هموار است و به عنوان جواب بهینه مسئله بهینه سازی خاصی، تعریف شده است. این مسئله بهینه سازی با یک مسئله برنامه ریزی خطی تقریب زده می شود که با حل آن، می توان مشتق تعمیم یافته را به دست آورد. در پایان، برای کارایی رهیافت ارائه شده، چند مثال عددی حل شده است.
منابع مشابه
حل مسائل بهینه سازی در شرایط ناهموار
امروزه تعداد زیادی از مسائل بهینه سازی و تصمیم گیری با شرایط عدم قطعیت ساخته می شوند. در اینگونه مسائل کمیت های مورد استفاده داده های دقیقی نبوده، بلکه به شرایط محیط بستگی دارند. بیشتر مفاهیمی که در زبان طبیعی استفاده می شوند، مبهم هستند. به عبارت دیگر معمولأ برخی از مفاهیم و اطلاعات توسط عبارت های زبانی بیان می شوند، مانند حدودأ 100 کیلومتر"، تقریبأ 80 کیلوگرم"، "سرد"، "سریع"، "قوی"، "...
15 صفحه اولرهیافتی نو برای حل عددی مسائل کنترل بهینه سیستم های پارامتر توزیعی
روش های کلاسیک برای حل مسائل کنترل غیر خطی و مخصوصاً مسائل کنترل بهینه سیستم های پارامتر توزیعی غیر خطی در حالت کلی معمولاً کارآمد نیستند. در این مقاله رهیافتی جدید برای حل تقریبی این دسته از مسائل با استفاده از برنامه ریزی غیر خطی معرفی می کنیم. در ابتدا، مسئله اصلی را به یک مسئله معادل درحساب تغییرات تبدیل می کنیم و سپس مسئله جدید را گسسته سازی کرده و با استفاده از برنامه ریزی غیر خطی آن را حل...
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 کاملتحقیق در عملیات و هوش مصنوعی : ابزارهای مناسبی برای حل مسائل بهینه سازی ترکیبی
این مقاله مسأله بهینه سازی ترکیبی و نیز چگونگی ترکیب تحقیق در عملیات و هوش مصنوعی برای حل این نوع مسأله را، مورد بررسی قرار می دهد. در این تحقیق یکی از مسائل بهینه سازی ترکیبی – مسئله توزیع و مسیر یابی وسیله نقلیه – که به طور خاص در دهه اخیر مورد مطالعه قرار گرفته، بررسی شده است.
متن کاملرهیافتی نو برای حل عددی مسائل کنترل بهینه سیستم های پارامتر توزیعی
روش های کلاسیک برای حل مسائل کنترل غیر خطی و مخصوصاً مسائل کنترل بهینه سیستم های پارامتر توزیعی غیر خطی در حالت کلی معمولاً کارآمد نیستند. در این مقاله رهیافتی جدید برای حل تقریبی این دسته از مسائل با استفاده از برنامه ریزی غیر خطی معرفی می کنیم. در ابتدا، مسئله اصلی را به یک مسئله معادل درحساب تغییرات تبدیل می کنیم و سپس مسئله جدید را گسسته سازی کرده و با استفاده از برنامه ریزی غیر خطی آن را حل ...
متن کاملیک کاربرد از سیستمهای دینامیکی برای حل رده ای از مسائل بهینه سازی ناهموار
در این پایان نامه یک مدل شبکه عصبی بر اساس یک سیستم دینامیکی برای حل رده ای از مسائل بهینه سازی ناهموار با تابع هدف مین ماکس ارائه می شود. ایده اصلی، حل توابع ناهموار با تابع هدف مین ماکس به وسیله هموار کردن آن با استفاده از تابع آنتروپی است.
منابع 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 علوم ریاضی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023