ترجمه مقاله الگوریتم های تکاملی برای بهینه سازی چند موردی

یک مقاله ترجمه شده خوب برای رشته های مهندسی کامپیوتر نرم افزار و فناوری اطلاعات است که در ۲۹ صفحه ترجمه شده و برای دانلود مهیا گردیده است.

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 :‏ ‏۲‏
کلید واژه :‏ ‏۳‏
‎۱-‎ مقدمه:‏ ‏۳‏
‏۲-الگوریتم های تکاملی :‏ ‏۴‏
‏۲-۱ الگوریتم ژنتیکی :‏ ‏۵‏
‏۲-۳ برنامه نویسی تکاملی :‏ ‏۵‏
‏۲-۴ برنامه نویسی ژنتیکی:‏ ‏۶‏
‏۳-الگوریتم های تکاملی چند هدفه :‏ ‏۷‏
مجموعه بهینه پارتو:‏ ‏۸‏
تفاوت بین مجموعه غیر سلطه ای و مجموعه بهینه پارتو:‏ ‏۸‏
‏۴- روشهای مختلف ‏MOEA‏ :‏ ‏۹‏
‏۴-۱ روش مجموع وزنی :‏ ‏۱۰‏
الگوریتم :‏ ‏۱۰‏
‏۱- تولید جمعیت اولیه به صورت تصادفی :‏ ‏۱۰‏
‏۱- تابع تناسب برای هرفرد ‏۱۱‏
مزایا و معایب :‏ ‏۱۱‏
مدل فونسکا و فیلیمینگ:‏ ‏۱۳‏
‏۱-روش انتساب تناسب براسس رتبه ‏۱۴‏
‏۲-روش نیچ ‏۱۴‏
مزایا و معایب:‏ ‏۱۴‏
‏۴-۴ مدل هورن ناف پولیتس و گولد برگز ‏‎(NPGA)‎‏:‏ ‏۱۴‏
تورنومنت سلطه پارتو:‏ ‏۱۵‏
‏۵-۴ : روش پارتو با مدل زیتزلر و تیل ‏۱۶‏
رتبه بندی افراد بر اساس سطح غیر سلطه :‏ ‏۱۸‏
انتصاب تناسب :‏ ‏۱۸‏
‏۱-محاسبه و اندازه گیری از راه دور بایکی از راه های غیر تحت سلطه ‏۱۹‏
فرمول ‏۱۹‏
‏۴-۷ استراتژی تکامل برداری ‏‎(VOES)‎‏:‏ ‏۲۰‏
‏۴-۸ الگوریتم ژنتیک براساس وزن‎(WBGA)‎‏:‏ ‏۲۱‏
فرمول الگوریتم ‏۲۲‏
روش برداریک ‏۲۳‏
‏۴-۹ استراتژی تکامل شکار-طعمه‎(PPES)‎‏:‏ ‏۲۳‏
‏۴-۱۰ الگوریتمژنتیکی ترمودینامیکال ‏‎(TDGM)‎‏:‏ ‏۲۴‏
‏۴-۱۱ استراتژی تکاملی پارتو‎(PAES)‎‏:‏ ‏۲۵‏
‏۴-۱۲ الگوریتم تکاملی نخبه گرایی رودلف:‏ ‏۲۶‏
‏۴-۱۳ الگوریتم ژنتیکی نخبه گرایی غیر تحت سلطه‎(ENSGA)‎‏ :‏ ‏۲۶‏
‏۴-۱۴ الگوریتم ژنتیک پارتو براساس فاصله ‏‎(DBPGA)‎‏ :‏ ۲۷

 

---

محتوای فایل دانلودی
فایل پی دی اف اصلی انگلیسی بوده و ۲۰ صفحه است.
فایل ترجمه فارسی مقاله ۲۹ صفحه و ورد است.
‏