close
تبلیغات در اینترنت

مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی ‏ عنو

بهترین مکان برای نمایش تبلیغات شما بهترین مکان برای نمایش تبلیغات شما

مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی ‏ عنو

بازدید: 95

 

مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی ‏ عنوان انگلیسی : Evolutionary Algorithms for Multi C

این مقاله به بررسی برخی از الگوریتم های تکاملی معروف و مقایسه ی نظام مند آنها پرداخته است‎‎‏ ‏سپس مسائل بهینه سازی و چند هدف را نشان داده و اهمیت آنها را بررسی می کنند‎‎‏

دانلود مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی ‏   عنوان انگلیسی :  Evolutionary Algorithms for Multi C

‎الگوریتم های تکاملی
بهینه های چند معیاری
راه حل پارتو تحت سلطه و غیر تحت سلطه
مقاله ترجمه شده
همکاری در فروش فایل
همکاری در فروش
فروشگاه ساز فایل 
مقاله ترجمه شده
دانلود مقاله ترجمه شده
انجام ترجمه مقاله
مقاله ترجمه شده رشته نرم افزار
دسته بندی مهندسی نرم افزار و آی تی
فرمت فایل doc
حجم فایل 46 کیلو بایت
تعداد صفحات فایل 27

مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی

 
 
عنوان انگلیسی : 

Evolutionary Algorithms for Multi Criterion Optimization : A Survey

 
 
 
 
چکیده :
این مقاله به بررسی برخی از الگوریتم های تکاملی معروف و مقایسه ی نظام مند آنها پرداخته است‎.‎‏ ‏سپس مسائل بهینه سازی و چند هدف را نشان داده و اهمیت آنها را بررسی می کنند‎.‎‏ پس از آن بر روی ‏الگوریتم های چند هدفه تمرکز کرده که در حال حاضر توسط بسیاری محققان انجام می شود و محاسن و ‏معایب این الگوریتم تکاملی را بررسی کرده است ‏‎(MDEAS)‎‏ در نهایت روند آن در آینده و برخی ‏از مسیر های ممکن تحقیقات را ارائه نموده است. ‏
 
 
کلیدواژه ها:

‎الگوریتم های تکاملی

بهینه های چند معیاری

راه حل پارتو تحت سلطه و غیر تحت سلطه

 
 
مقدمه :
تکنیک های تکاملی به منظور بهینه سازی تک هدفه بیش از سه دهه است که مورد استفاده قرار می ‏گیرد اما کشف کردن که مشکلات دنیای واقعی به طور طبیعی به صورت چند هدف می باشد. در حال ‏حاضر بهینه سازی چند هدفه به یک موضوع بسیار محبوب بین محققین در آمده است. اما هنوز هم ‏بسیاری از سوالات بی پاسخ در این حوزه وجود دارد. در واقع حتی یک مورد پذیرش بین المللی در ‏رابطه با تعریف مطلوب از هدف بهینه سازی وجود ندارد, که باعث می شود حتی آن قابل مقایسه با روش ‏های دیگر شود. چرا که به طور معمول تصمیم گیری در مورد آنچه که بهترین پاسخ را به اصطلاح انسان ‏در تصمیم گیری دارد. 
 
از آنجایی که بهینه سازی چند معیار دارد و ممکن است این معیار ها با هم ‏تفاضل داشته باشند معمولا برای ارائه راه حل برای آنها و ارائه یک معیار واحد مشکلاتی وجود دارد. اما در ‏نهایت راه حل این مشکل معمولا با تنظیم پارامترهای مختلف توسط کاربر میسر است. علاوه بر این از ‏آنجا که معمولا از روش های بهینه سازی کلاسیک استفاده می شود تنها یک راه حل (پارتو) می تواند به ‏یک نتیجه نهایی برسد. بنابر این در جهت پیداکردن چند راه حل پارتو،الگوریتم های تکاملی بهترین ‏انتخاب می باشد. این الگوریتم اجازه می دهد تا یک مجموعه مکمل از راه حل های پارتو در یک ‏الگوریتم تعیین شود. علاوه بر این الگوریتم های تکاملی در روش پارتو از یک پیوستگی برخودار ‏هستند.‏
 
 
 
فهرست مطالب :
چکیده :‏‏2‏
کلید واژه :‏‏3‏
‎1-‎مقدمه:‏‏3‏

‏2-الگوریتم های تکاملی :‏‏4‏

‏2-1 الگوریتم ژنتیکی :‏‏5‏

‏2-3 برنامه نویسی تکاملی :‏‏5‏

‏2-4 برنامه نویسی ژنتیکی:‏‏6‏

‏3-الگوریتم های تکاملی چند هدفه :‏‏7‏

مجموعه بهینه پارتو:‏‏8‏

تفاوت بین مجموعه غیر سلطه ای و مجموعه بهینه پارتو:‏‏8‏

‏4- روشهای مختلف ‏MOEA‏ :‏‏9‏

‏4-1 روش مجموع وزنی :‏‏10‏

الگوریتم :‏‏10‏

‏1- تولید جمعیت اولیه به صورت تصادفی :‏‏10‏

‏1- تابع تناسب برای هرفرد‏11‏

مزایا و معایب :‏‏11‏

مدل فونسکا و فیلیمینگ:‏‏13‏

‏1-روش انتساب تناسب براسس رتبه‏14‏

‏2-روش نیچ‏14‏
مزایا و معایب:‏‏14‏

‏4-4 مدل هورن ناف پولیتس و گولد برگز ‏‎(NPGA)‎‏:‏‏14‏

تورنومنت سلطه پارتو:‏‏15‏

‏5-4 : روش پارتو با مدل زیتزلر و تیل‏16‏

رتبه بندی افراد بر اساس سطح غیر سلطه :‏‏18‏

انتصاب تناسب :‏‏18‏
‏1-محاسبه و اندازه گیری از راه دور بایکی از راه های غیر تحت سلطه‏19‏
فرمول‏19‏
‏4-7 استراتژی تکامل برداری ‏‎(VOES)‎‏:‏‏20‏
‏4-8 الگوریتم ژنتیک براساس وزن‎(WBGA)‎‏:‏‏21‏
فرمول الگوریتم‏22‏
روش برداریک‏23‏
‏4-9 استراتژی تکامل شکار-طعمه‎(PPES)‎‏:‏‏23‏
‏4-10 الگوریتمژنتیکی ترمودینامیکال ‏‎(TDGM)‎‏:‏‏24‏
‏4-11 استراتژی تکاملی پارتو‎(PAES)‎‏:‏‏25‏
‏4-12 الگوریتم تکاملی نخبه گرایی رودلف:‏‏26‏
‏4-13 الگوریتم ژنتیکی نخبه گرایی غیر تحت سلطه‎(ENSGA)‎‏ :‏‏26‏

‏4-14 الگوریتم ژنتیک پارتو براساس فاصله ‏‎(DBPGA)‎‏ :‏‏27‏

 

دانلود مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی ‏   عنوان انگلیسی :  Evolutionary Algorithms for Multi C


این مطلب در تاریخ: سه شنبه 03 شهريور 1394 ساعت: 18:6 منتشر شده است
نظرات()

نظرات


نام
ایمیل (منتشر نمی‌شود) (لازم)
وبسایت
:) :( ;) :D ;)) :X :? :P :* =(( :O @};- :B /:) :S
نظر خصوصی
مشخصات شما ذخیره شود ؟ [حذف مشخصات] [شکلک ها]
کد امنیتی

ورود کاربران

نام کاربری :
رمز عبور :

» رمز عبور را فراموش کردم ؟

عضويت سريع

نام کاربری :
رمز عبور :
تکرار رمز :
ایمیل :
نام اصلی :
کد امنیتی : * کد امنیتیبارگزاری مجدد

تبلیغات

متن

آمار


آمار کاربران آمار کاربران
افراد آنلاین افراد آنلاین : 3

آمار بازدیدآمار بازدید
بازدید امروز بازدید امروز : 998
بازدید دیروز بازدید دیروز : 1,599
آي پي امروز آي پي امروز : 168
آي پي ديروز آي پي ديروز : 290
بازدید هفته بازدید هفته : 6,786
بازدید ماه بازدید ماه : 14,609
بازدید سال بازدید سال : 487,597
بازدید کلی بازدید کلی : 1,199,398

اطلاعات شما اطلاعات شما
آی پی آی پی : 54.167.149.128
مرورگر مرورگر :
سیستم عامل سیستم عامل :
تاریخ امروز امروز : جمعه 19 آذر 1395

خبرنامه

براي اطلاع از آپيدت شدن سایت در خبرنامه سایت عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود

تصویر ثابت