بررسی الگوریتم های بهینه سازی چندهدفه و تصمیم گیری چند معیاره در شرایط عدم قطعیت

بهینه سازی چندهدفه (Multi-Objective Optimization) به عنوان یکی از حوزه های کلیدی در علوم مهندسی، ریاضیات و اقتصاد به دنبال یافتن راه حل هایی است که چندین هدف متعارض را به طور همزمان بهینه سازی کند. این مقاله به بررسی مبانی نظری روش های کلاسیک و نوین، چالش ها و کاربردهای بهینه سازی چندهدفه می پردازد. روش های کلاسیک نظیر روش وزن دهی و Constraint -، اگرچه برای مسائل کوچک کارآمد هستند، مسائل پیچیده با ابعاد بزرگ، جای خود را به الگوریتم های فرا تکاملی (Meta-heuristic) مانند NSGA-II, MOPSO و SPEA۲ داده اند. این مقاله با ارائه مثال های کاربردی در حوزه های طراحی خودرو، مدیریت منابع آب و طراحی شبکه های ارتباطی نشان می دهد که چگونه می توان با استفاده از جبهه پارتو (Pareto Front) به تعادل میان اهداف متضاد دست یافت. همچنین چالش های اصلی از جمله تعارض اهداف، پیچیدگی محاسباتی، تعیین وزن ها و مقیاس پذیری مورد بحث قرار گرفته اند.

کلیدواژه ها:

بهینه سازی چندهدفه ، جبهه پارتو ، الگوریتم های فرا تکاملی ، تصمیم گیری چند معیاره ، NSGA-II