طراحی الگوریتم بهینه سازی پویای چندهدفه با استفاده از الگوریتم جستجوی گرانشی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 551

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCAEE02_008

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

بیشتر مسایل دنیای واقعی شامل چندین هدف هستند که با گذشت زمان دایما دچار تغییر می شوند. در سالهای اخیر روشهایمختلفی برای بهینه سازی مسایل پویای چندهدفه ارایه شده است. در این مقاله، روشی بر اساس الگوریتم جستجوی گرانشی(GSA) برای بهینه سازی مسایل پویای چندهدفه ارایه می شود. در روش معرفی شده، از راهکار مرتب سازی نامغلوب به عنوان ابزاری برای تشخیص و مرتب سازی راه حل های مسیله و از مفهوم فاصله ی ازدحامی به منظور مدیریت پراکندگی راه حل های نامغلوب استفاده می شود. با توجه به اینکه الگوریتم پایه GSA به تنهایی قادر به یافتن پاسخ های مناسبی در حل مسایل بهینه سازی چندهدفه نمیباشد و دچار همگرایی زودرس می شود، به منظور حل این مشکل و فرار از بهینه های محلی از عملگرهای جهش هدایت، جهش چندجمله ای و آمیزش پرورشی استفاده می شود. به منظور ارزیابی روش پیشنهادی، این الگوریتم با چهار الگوریتم مطرح در حوزه ی بهینه سازی پویای چند هدفه برای بهینه سازی مجموعه مسایل محک استانداردFDA مورد استفاده قرار گرفته است. نتایج کارایی خوب الگوریتم پیشنهادی برای حل مسایل بهینه سازی پویای چندهدفه را نشان می دهد.

کلیدواژه ها:

بهینه سازی پویای چندهدفه ، الگوریتم جستجوی گرانشی ، تخصیص شایستگی ، حفظ تنوع ، پیشانی بهینه ی پرتو

نویسندگان

مریم حسینه فراهانی

گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

آرش شریفی

گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

میترا میرزارضایی

گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • C.-K. Goh and K. Chen Tan, ،0A Competitive -Cooperative C ...
  • C. A. Coello Coello and M. S. Lechuga, ،#MOPSO: a ...
  • J. Branke, Evolutionary Optimization in Dynamic Environments , B oston:Kluwer ...
  • K. Deb, A. Pratap, S. Agarwal, and T. Meyarivan, ، ...
  • K. Deb, U. N. Rao, and S. Karthik, «Dynamic multi ...
  • M. Greeff, A. Engelbrecht, «Solving dynamic multi-obj ective problems with ...
  • M. Liu, W. Zeng, ،0A fast evolutionary algorithm for dynamic ...
  • S. Yazdani, H. Nezamab adi-pour, and S. Kamyab, ،0A Gravitational ...
  • نمایش کامل مراجع