الگوریتم تعاملی چند هدفه//پایان نامه بهينه‌ سازي زمان و الگوريتم ژنتيك

دانلود پایان نامه

الگوریتمهای تعاملی چند هدفه (Multi-Objective Evolutionary Algorithms)

پس از ارائه پیشنهاد بسیار کارآمد Goldberg، در دهه اخیر تعدادی از الگوریتمهای تکاملی چند هدفه (MOEAs)‌ پیشنهاد شده­اند که در زیر نام تعدادی از آنها آورده شده است.

1-بردار ارزیابی الگوریتم ژنتیک (VEGA)

2-الگوریتم ژنتیک چند هدفه (MOGA)

3-الگوریتم ژنتیک جبهه پارتو نیچه (NPGA)

4-الگوریتم ژنتیک برپایه وزن دهی (WBGA)

5-الگوریتم ژنتیک برپایه مرتب سازی غیرپست (NSGA)

6-الگوریتم تکاملی با استفاده از پارتو SPEA))

7-الگوریتم پیشرفته (SPEA-II) SPEA

8-استراتژی تکاملی پارتو (PAES)

9-الگوریتم انتخابی برپایه پارتو (PESA)

10-الگوریتم تکاملی چندهدفه پویا (DMOEA)

بعضی از ویژگی­های این الگوریتمها در جدول (2-1) آمده است.

در الگوریتم­های بهینه سازی چند هدفه، فضا یا موقعیت معمولا توسط فاصله اعضاء از هم و در فضای هدف تعریف می شود. تقسیم برازندگی یا دیگر روشهای مشابه به منظور حفظ پراکندگی جوابها در فضای هدف مورد استفاده قرار می گیرند. شکل (2-2) برخی از این روشها را نمایش می­دهد.

در شکلهای شماتیک فوق،‌راه حل های غیرپست توسط نقاط توپر و راه حلهای مغلوب توسط نقاط توخالی نمایش داده شده­اند.

در شکل (2-2) در قسمت (a) به اشتراک گذاردن برازندگی نمایش داده شده که در این روش همانند آنچه که در NSGA و MOGA مورد استفاده قرار گرفته است، از مقدار برازندگی عضوی که در فضای عضو دیگر قرار می‌گیرد کاسته می شود.

 

 

جدول (2-1): ویژگی­های تعدادی از الگوریتمهای تکاملی چندهدفه

ردیف الگوریتم تابع برازشی نخبه‌گرایی جمعیت خارجی مزیت‌ها اشکالات
1 VEGA تطبیق هر زیر جمعیت با اهداف متفاوت ندارد ندارد الگوریتم روبه جلوی چندهدفه همگرایی در حد هر حدف
2 MOGA جبهه پارتو ندارد ندارد توسعه الگوریتم ژنتیک چندهدفه همگرایی به کندی
3 NPGA بدون هیچ تابع هدف ندارد ندارد انتخاب مسابقه‌ای وجود پارامترهای اضافی
4 WBGA اهدف نرمال‌شده با وزن‌دهی متوسط ندارد ندارد توسعه الگوریتم مشکل اندازه پارامتر Niche
5 NSGA بر پایه مرتب سازی غیر پست ندارد ندارد همگرایی سریع غیرهمگرایی در تابع هدف
6 SPEA بر پایه مرتب سازی غیرپست خارجی دارد دارد روش بدون پارامتر مشکل اندازه
7 SPEA-II توانایی در نقاط غالب دارد دارد اطمینان از حصول نقاط حدی برازش دشوار
8 PAES جبهه پارتو دارد دارد جهش تصادفی با رویکرد اجرایی ساده رویکرد غیراجرایی
9 PESA نبود تابع ارزیابی دارد دارد سادگی در اجرای محاسبات رویکرد
10 DMDEA رده‌بندی بر پایه عضو دارد ندارد قابلیت بهنگام کردن چگالی اعضا دشواری اجرا
دانلود پایان نامه