بهینه سازی چندهدفه آشوبناک مبتنی بر دیدگاه مرتب سازی غیرغالب

مقاله روشی مبتنی بر آشوب برای حل مسائل بهینه سازی چندهدفه فراهم کرده است. NSGA-II به دلیل پیچیدگی محاسباتی کم و سادگی و همچنین قابلیت حفظ یک محدوده از جواب ها، به یک الگوریتم بهینه سازی مشهور در حوزه بهینه سازی چندهدفه تبدیل شده است، ایجاد تنوع در ناحیه پارتو بهینه یکی از ملزومات در MOP هاست که این الگوریتم در این مورد دارای کاستی هاییست. برای بهبود و رفع این مشکل در این مقاله از دخالت نگاشت آشوتی برای تولید نسل های بعدی استفاده شده است. نتایج روی توابع تست این حوزه اعمال شده و روش ارائه شده هم از لحاظ سرعت پیشروی به سمت پارتو بهینه و هم از لحاظ معیارهای همگرایی و گسترش، در اغلب موارد بهتر از NSGA-IIعمل کرده است

کلیدواژه ها:

بهینه سازی چند هدفه ، آشوب ، تنوع ، پارتو بهینه