مقایسه همگرایی دو روش حل مسئله بهینه سازی فازی برمبنای عدد شبه خطی فازی و الگوریتم ژنتیک

بهینه سازی فازی یکی از ابزارهای پرکاربرد در هوش مصنوعی کنترل سیستم ها مدیریت تولید می باشد که در هردو بعد تئوری و عملی دارای اهمیت است شروع کار با داده های فازی و مکانیسم بهینه سازی فازی است که بدین منظور ابتدا مفهوم عدد شبه خطی و همچنین ویژگیها و عملیات محاسباتی انجام گرفته روی آن را معرفی می نماییم و با تعیین شاخصهای اصلی و فرعی مدل بهینه سازی فازی را براساس استراتژی کمیت مرکب و الگوریتم ژنتیک بررسی خواهیم کرد و همچنین مدلی را براساس متر فازی و محدودیت های نادقیق برای سیستم تساوری فازی ارائه و در پایان هم همگرایی الگوریتمهای ارائه شده را با استفاده از تئوری زنجیره مارکوف و تحلیل کارایی شان بیان می نماییم که نتیجه آن برتری روش بهینه سازی برمبنای عملیات اصلی و الگوریتم ژنتیک در اجرای روند بهینه سازی از نظر همگرایی می باشد که انواع مسئله های بهینه سازی را در بر میگیرد.

کلیدواژه ها:

عدد شبه خطی ، بهینه سازی فازی ، الگوریتم ژنتیک ، زنجیر مارکوف