ارئه یک الگوریتم فرا ابتکاری برای حل مسائل بهینه سازی ترکیبیاتی

پایان نامه
چکیده

مسائل بهینه سازی ترکیبیاتی به وفور در حوزه های مختلف علم کامپیوترظاهر می شوند. متاسفانه، با توجه به تلاش های بسیار زیادی که برای حل مسائل بهینه سازی ترکیبیاتی np-سخت صورت گرفته است، تابحال هیچ الگوریتم قطعی ای ارائه نشده است که بتواند راه حل بهینه این مسائل را در بدترین حالت در زمان چندجمله ای پیدا کند. الگوریتم های فرا ابتکاری، روش های جستجوی ابتکاری هستند که می توانند جواب های نزدیک به بهینه مسائل بهینه سازی ترکیبیاتی سخت را با کاهش دادن موثر فضای جستجوی این مسائل و بررسی کارآمد این فضا به دست آورند. در این پایان نامه، سعی بر این است که با بازتعریف عملگرهای اصلی الگوریتم جستجوی گرانشی که یک الگوریتم فرا ابتکاری برای حل مسائل بهینه سازی پیوسته است، یک الگوریتم فرا ابتکاری جدید برای حل مسائل بهینه سازی ترکیبیاتی سخت ارائه شود. کارایی الگوریتم پیشنهادی نیز با پیاده سازی آن بر روی تعدادی از نمونه های مسئله فروشنده دوره گرد که یکی از مشهورترین و سخت ترین مسائل بهینه سازی ترکیبیاتی است، بررسی خواهد شد. نتایج پیاده سازی الگوریتم پیشنهادی، کارایی تقریباً مناسب آن را نشان می دهد.

منابع مشابه

یک روش بهینه سازی فرا ابتکاری برای حل مسئله مسیریابی وسیله نقلیه ظرفیت‌دار

مسئله مسیریابی وسیله نقلیه ظرفیت‌دار (CVRP) یکی از مشهورترین مسائل بهینه‌سازی ترکیباتی است که تاکنون بسیار مورد توجه قرار گرفته شده است و امروزه توجه بسیاری از دانشمندان و محققین را به خود جلب کرده است. بنابراین بسیاری از روش‌های دقیق، ابتکاری و فراابتکاری در دهه‌های اخیر برای حل آن ارائه شده‌اند. در این مقاله، به علت ضعف‌های موجود در الگوریتم نمونه مورچگان، نسخه‌ای اصلاحی از این الگوریتم به نا...

متن کامل

ارائه یک الگوریتم فرا ابتکاری برای حل مسائل بهینه سازی np-hard با الگوگیری از فرایند جریان آب باران

الگوریتم های فرا ابتکاری یکی از ابزارهای توانمند جهت حل مسایل بهینه سازی به شمار می روند و کاربرد مسایل بهینه سازی در علوم مختلف موجب گردیده است که الگوریتم های فرا ابتکاری بعنوان راه حلی مناسب و قابل اطمینان در گستره وسیعی از مسایل وارد گردد. در این تحقیق به ارایه یک روش نوین در الگوریتم های فرا ابتکاری بنام "فرایند جریان آب باران" پرداخته شده است. الگوریتم rws با الگوبرداری از فرایند بارش بار...

15 صفحه اول

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 کامل

ارزیابی و مقایسه الگوریتم های بهینه سازی فرا ابتکاری در مکانیابی تسهیلات مطالعه موردی: بانک ها

مسأله مکانیابی بانک‌ها به فاکتورهای زیادی نیاز داشته و جزء مسایل NP-HARDطبقه‌بندی می‌شود. استفاده از روش‌های فراابتکاری برای حل مسایل NP-<stro...

متن کامل

طراحی یک الگوریتم فرا ابتکاری جهت انتخاب پورتفوی بهینه ردیابی‌کننده شاخص بورس تهران

تخصیص بهینه منابع مالی در بازار سرمایه یکی از اصلی‌ترین موضوعات در حوزه تصمیمات سرمایه‌گذاری است. اتخاذ تصمیمی اثربخش در این خصوص، نیازمند وجود زمینه‌های مناسب سرمایه‌گذاری و ابزار و تکنیکهای تحلیل مناسب در بازار سرمایه است. یکی از این تکنیکهای کارآمد که علاوه بر داشتن مزایای منحصر به فرد، پایه و اساس استراتژیهای نوین سرمایه‌گذاری قلمداد می شود، ردیابی شاخص[1] است. با توجه به اهمیت و نقش غیر قا...

متن کامل

روش فرا ابتکاری (سیم انپ) برای حل مسایل شبکه‏ ای

  تصمیم گیری بخش مهمی از  مدیریت است و برخی آن را شالوده عمل مدیران می نامند. تصمیم گیری در سطح راهبردی از اهمیت وافری برخوردار می باشد به همین دلیل برای کمک به مدیران، استراتژی ها، مدل ها و روشهای مختلفی در زمینه تصمیم گیری توسعه یافته‏اند که تصمیم­گیری چند معیاره (MCDM)[1] از جمله آنها می باشد. در بیشتر مسایل واقعی انواع مختلف وابستگی­ها بین عناصر موجود در مسئله از جمله وابستگی بین معیارهای ت...

متن کامل

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 شهید باهنر کرمان - دانشکده ریاضی و کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023