دانلود مقاله کاربرد الگوریتم ژنتیکی سازگار یافته برای مسائل دینامیکی

Word 146 KB 24725 24
مشخص نشده مشخص نشده ریاضیات - آمار
قیمت قدیم:۱۰,۱۵۰ تومان
قیمت: ۷,۸۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • خلاصه :
    این مقاله یک الگوریتم ژنتیکی سازگار (AGA) را همراه با تابع لیاقت دینامیکی، برای مسائل چند هدفه (MOPs) در محیط دینامیکی تشریح می کند. به منظور دیدن اجرای الگوریتم، این روش برای دو نوع از مسائل MOPs بکار گرفته شده است. اولا این روش برای پیدا کردن آرایش نیروهای نظامی برای شبیه سازی رزمی بکار گرفته شده است. این مقاله در مورد چهار تابع هدف بحث می کند که باید بهینه شوند و یک واسطه فازی را ارئه می دهد که طرح جامعی را از چهار تابع هدف می سازد. دومین واسطه فازی برای کنترل نرخ عملکردهای تقاطع (Crossover) و جهش (Mutation) بکار گرفته می شود که بر اساس خواص آماری لیاقت (Fitness) جامع می باشد.
    علاوه بر مسئله آرایش نیروهای نظامی یک مثال ساده از بهینه سازی چند هدفه که توسط فرینا و همکارانش گشته نیز ارائه شده است و توسط این الگوریتم پیشنهادی حل شده است. نتایج بدست آمده در اینجا نشان می دهد که الگوریتم ژنتیکی افزایش یافته، نسبت به الگوریتم ژنتیکی معمولی، عملکرد بهتری در مورد همگرائی دارد.
    کلمات کلیدی:
    الگوریتم ژنتیکی سازگار یافته ، منطق فازی ، آرایش نیروهای نظامی ، شبیه سازی رزمی و بهینه سازی چند هدفه .
    1- مقدمه
    بدیهی است که حالتهای متعددی برای مسائل عملی بهینه سازی وجود دارد که در ابتدا، بهینه سازی چندین اندازه گیری اجرا (MOP) یا محک ، غیر قابل اجتناب است و این اندازه گیری ها ممکن است که با هم تداخل هم داشته باشند. مسائل مربوط به MOPsمی توانند استاتیکی یا دینامیکی باشند. مهمترین موضوع در حل این گونه از مسائل عبارت از مشخص کردن توابع هدف طراحی، برای اینکه خوبی (Goodness) یک حل مشخص بر آورد شود. در مسائل MOPs بجای یک حل بهینه ، یک مجموعه از حل های بهینه ( مجموعه بهینه پارتو )، بسته به وجود چند تابع هدف، رخ می دهد. بدون تنزل یکی از جوابها ، هیچ بهبودی برای هر یک از حلهای بهینه پارتو وجود ندارد. هیچ حل پارتو نمی تواند از حل دیگری بهتر باشد مگر اطلاعات بیشتری را در اختیار داشته باشیم . برای اینکه انتخاب نهایی بهتری داشته باشیم ، بهترین راه این است که تا جایی که ممکن است حلهای مختلف بهینه پارتو را بدست آوریم.
    در بعضی از کاربردهای جهانی نظیر حمل ونقل باربا روباتها ، مشخص کردن مدل و طراحی کنترل کننده ها ، مسائل محیطی و نیازهای MOPs بصورت دینامیکی تغییر می کنند و برای اینگونه کاربردها ، بهینه سازی چند هدفه وابسته به زمان، نیاز است . در این گونه از مسائل ، توابع هدف مربوطه و قیود و پارامترهای مسئله یا همه اینها، ممکن است لحظه به لحظه تغییر کنند. این گونه از مسائل MOPs دینامیکی نامیده می شوند. در این حالتها ، بهینه سازی تابع باید در بازه های زمانی خیلی محدود شده انجام پذیرد.
    الگوریتمهای ژنتیکی معمولا بهترین وسیله جستجو در فضاهای بزرگ در طی یک زمان قابل قبول می باشند و نیازی به تحدب، تقعر و یا پیوستگی توابع بهینه ندارند. این موضوع منجر به دامنه وسیعی از کاربردها برای این الگوریتم در مسائل بهینه سازی بزرگ درگستره های مختلف می گردد مانند تحلیل سریع تاکتیکهای جنگی برای دفاع و حلهای انعطاف پذیر برای مدیریت زنجیره ای. این انواع مسائل پیچیده معمولا شامل آشوبناکی ، اتفاقی و مسائل دینامیکی پیچیده غیر خطی می شوند. غیر ممکن است که این طیف از مسائل را بتوان با روش قدیمی الگوریتم ژنتیکی حل نمود. الگوریتمهای ژنتیکی، تحلیل مجموعه ها را بصورت موازی انجام می دهند و تشابه این حلها را توسط ترکیب آنها برجسته می کنند. این موضوع باید تذکر داده شود که از آن جا که این گونه الگوریتمها تعداد زیادی از حلها را در مجموعه های بهینه پارتو پیدا می کنند، برای حل مسائل چند هدفه بسیار خوب می باشند . به هر حال، در الگوریتم ژنتیکی ساده، پارامترهای ثابت، مستقیما اجرای الگوریتم را تحت تاثیر قرار می دهند. معمولا پارامترهای بدون آهنگ منجر به مسائل متعددی نظیر همگرایی زودرس می شوند. بنابراین تعدادی از تکنیک های سازگار یافته برای این گونه از پارامترها پیشنهاد شده است. همانند جهش احتمالاتی ، تقاطع احتمالاتی ، اندازه جمعیت [1] و ]2[ و عملکرد تقاطع ]3[.
    یکی از مهمترین راهبردها برای مسائل بهینه سازی چند هدفه ، الگوریتم ژنتیکی چند هدفه (MOGA) می باشد. مطالعات زیادی در مورد MOGA در منابع موجود می باشد [5]، [6]، [7]، [9]، [10]، [11]، [12]، [13]، [14]، [15]، [16]، [17]، [18]، [19]، [20].
    مخصوصا دب (Deb) [20] یک MOGA عالی را ارائه داده است . یک الگوریتم ژنتیکی با بر آورد برداری (VEGA) [9] نسبت به یک الگوریتم ژنتیکی ساده متفاوت می باشد چون در این روش جدید، از یک عملگرا انتخاب اصلاح شده استفاده می شود و در هر نسل، تعدادی از زیر جمعیتها توسط اجرای انتخاب خطی تولید می شوند. مهمترین نقص این روش آن است که قادر به تولید حلهای بهینه پارتو برای فضاهای جستجویی غیر محدب نمی باشد. در تکنیک مرتبه لغت نویسی (lexicographic ordering ) [14]، حلهای طراح مرتبه ها، بر اساس خواص مهم توابع می باشد. سپس حل بهینه توسط مینیم سازی توابع هدف بدست می آید که بر اساس مهم بودن آنها، از مهمترین آنها شروع می شود. مهمترین ضعف این روش این است که ممکن است منجر به بدست آوردن توابع هدف جانبدارانه شود و این موضوع ممکن است باعث بدست آمدن یک سری از توابع هدفی گردد که باعث ازدیاد توابع هدف و اتفاقی بودن آنها ، هنگام انجام فرایند بهینه سازی شود. الگوریتم ژنتیکی هاجِلا و لین (HLGA) از روش مجموع وزن دار برای انتصابها استفاده می کند. ضرایب وزنی در هر تابع هدف، درکروموزمها نهفته می باشد. واگرایی ترکیب وزنها توسط روش Phenotypic fitness sharing ارتقا داده می شود و الگوریتم ژنتیکی بصورت همزمان، حلها و ترکیب وزنی ها را تکامل می بخشد. این روش دارای مزیتهای بخصوصی است : این روش دارای کارایی کامپیوتری خوبی است، و حلهای غیر غالب ( غیر مشرف) را بصورت قوی تولید می کند. هر چند برای مشخص کردن وزنهای مناسب در این روش به راحتی نمی توان از بهینه سازی جعبه سیاه (black – box) استفاده نمود که هیچ دانسته ای را در مورد دامنه نیاز ندارند. الگوریتم ژنتیکی مرتب کردن غیر مشرف (NSGA)، [11] بر اساس کلاس بندی لایه ها برای افراد می باشد. قبل از اینکه مکانیزم انتخاب اجرا شود ، جمعیت بر اساس غیر مشرف بودن مرتب می شود بدین صورت که همه افراد در یک گروه دسته بندی می شوند. ( با یک تعداد لیاقت فرضی که متناسب با اندازه جمعیت است ). برای باقی ماندن واگرایی جمعیت، این کلاس افراد با مقدار لیاقت فرضی آنها شریک می شود . سپس این گروه از افراد کلاس بندی شده در نظر گرفته نمی شوند

درمان سرطان با رياضي ! گروهي از دانشمندان آمريکايي مدلي رايانه اي را ارائه کرده اند که براساس آن مي توان ترکيبي از موثرترين روش هاي درماني معالجه سرطان را با استفاده از آلگوريتم هاي رياضي ارائه کرد. به گزارش مهر، پروژه تحقيقاتي ليزه دو فليس است

نانو تکنولوژی، فناوری نوین نانو تکنولوژی فناوری جدیدی است که تمام دنیا را فراگرفته است و به تعبیر دقیقتر "نانو تکنولوژی بخشی از آینده نیست بلکه همه آینده است ".در این مقاله بعد از تعریف نانو به بیان دلایل کاربرد ها و ضرورتهای توجه به این فناوری اشاره شده است . تعریف نانو تکنولوژی نانو تکنولوژی،توانمندی تولید مواد،ابزار ها و سیستمهای جدید با در دست گرفتن کنترل در سطح مولکولی و ...

پیدایش مهندسی بافت به عنوان یک رشته تحصیلی دانشگاهی و صنعت جهانی در حدود 10 سال پیش، فرصت های بی نظیری را در جهت توسعه معالجات پیشرفته برای درمان بیماریهای ارثی یا اکتسابی بوجود آورده است. مهندسی بافت ترکیبات نوین سلول ها، بیومواد بی یاخته (غیر سلولی) داروها، فراورده های ژنی، ژن های قابل طراحی، تشخیص، ساخت و رهایش همزمان یا ترتیبی عامل های درمانی را در بر می گیرد. تعریف مهندسی ...

انواع کنترل الحاقی سازه ها به طورکلی سیستم های کنترل الحاقی به چهاردسته کنترل غیرفعال ، نیمه فعال ، فعال ومرکب تقسیم می گردند. 1-1- کنترل غیرفعال درسیستمهای غیرفعال اثر میرایی بدون اعمال انرژی خارجی بر روی سیستم گیرا حاصل می گردد و عملکرد این وسایل بواسطه حرکت ناشی اززلزله صورت می گیرد که رفتاری درجهت استهلاک انرژی ازخود نشان می دهند . این سیستم ها نیاز به استهلاک انرژی سازه ...

با بررسی شاخص های توسعه دانایی محور؛ با تاکید برزیرساختهای آموزشی علی الخصوص نظام های آموزش عالی در عصر حاضر می توان از آموزش و نقش آن به عنوان مهمترین و موثرترین ابزار جوامع برای مقابله با چالش های هزاره سوم در برابر مدل جدیدی که برای توسعه در این عصر تعریف شده یاد کرد. در شرایط کنونی و با قرار گرفتن در عصری که از آن به" عصر اطلاعات" تعبیر می شود و کارشناسان از اطلاعات با عنوان ...

مقدمه توسعه و رشد سریع سرعت کامپیوترها و روشهای اجزای محدود در طی سی سال گذشته محدوده و پیچیدگی مسائل سازه ای قابل حل را افزایش داده است. روش اجزای محدود روش تحلیلی را فراهم کرده است که امکان تحلیل هندسه، شرایط مرزی و بارگذاری دلخواه را به وجود آورده است و قابل اعمال بر سازه‌های یک بعدی، دو بعدی و سه بعدی می‌باشد. در کاربرد این روش برای دینامیک سازه‌ها ویژگی غالب روش اجزای محدود ...

- مقدمه Introduction با توجه به آنچه که در گزارش اول ، اسفند 1381 ( بررسي و چگونگي تعويض مبرد R-22 در چيلرهاي مجتمع پتروشيمي اصفهان ) به آن اشاره شد و پروژه‏هاي انجام شده در خصوص‏تعويضCFC ها در اين مجتمع، PROPOSAL حذف براي مبردهاي R-11 ،

فصل اول مقدمه توسعه و رشد سريع سرعت کامپيوترها و روشهاي اجزاي محدود در طي سي سال گذشته محدوده و پيچيدگي مسائل سازه اي قابل حل را افزايش داده است. روش اجزاي محدود روش تحليلي را فراهم کرده است که امکان تحليل هندسه، شرايط مرزي و بارگذاري دلخواه را

- مقدمه Introduction با توجه به آنچه که در گزارش اول ، اسفند 1381 ( بررسی و چگونگی تعویض مبرد R-22 در چیلرهای مجتمع پتروشیمی اصفهان) به آن اشاره شد و پروژه‏های انجام شده در خصوص‏تعویضCFC ها در این مجتمع، PROPOSAL حذف برای مبردهای R-11 ، R-13 ، R-502 و R-12 صادر شده است و در طی سال گذشته و جاری دستگاههای سبک مجتمع که با R-12 کار می‏کردند ، در زمان تعمیرات و در واحد تهویه گاز آنها ...

زمان بندي براي توليد کارگاهي (job shop) از دو زمينه مديريت محصول و بهره وري گروهي خيلي مهم است. هر چند که اين امر کاملا متفاوت است با بدست آوردن يک جواب بهينه با متدهاي بهينه يابي مرسوم، زيرا مسئله مورد نظر داراي محاسبات خيلي پيچيده مي باشد.(مسئله ف

ثبت سفارش
تعداد
عنوان محصول