فروشگاه نوین داک
فروش تحقیق ، پروژه ، مقاله ، پاورپوینتفروشگاه نوین داک
فروش تحقیق ، پروژه ، مقاله ، پاورپوینتپاورپوینت بهینه سازی چند هدفه بر اساس الگوریتمهای جمعیتی
| دسته بندی | پاورپوینت |
| بازدید ها | 3 |
| فرمت فایل | ppt |
| حجم فایل | 2354 کیلو بایت |
| تعداد صفحات فایل | 38 |
نوع فایل: پاورپوینت (قابل ویرایش)
قسمتی از متن پاورپوینت :
تعداد اسلاید : 38 صفحه
بهینه سازی چند هدفه بر اساس الگوریتمهای جمعیتی
سمینار دوره ای گروه کنترل آزمایشگاه سیستمهای هوشمند ISLAB چند تعریف بهینه سازی روندی است برای یافتن و مقایسه کردن راه حلهای ممکن تا وقتی که پاسخ بهتری پیدا نشود.
پاسخ خوب یا بد با توجه به هدفی یا اهدافی مشخص تعیین می شود.
بهینه سازی چند هدفه و تک هدفه
بهینه سازی مقید و غیر مقید
آزمایشگاه سیستمهای هوشمند ISLAB سوال:کمینه 2 تابع زیر را بیابید: آزمایشگاه سیستمهای هوشمند ISLAB راه حل پرتو 1 / Speed Cost better better یافتن بردار x*=[x1,x2,…,xr]Tبه نحوی که تعداد m قید نامساوی و p قید مساوی را به صورت زیر بر آورده کند:
و نیز بردار تابعی زیر را بهینه نماید:
که در آن برداری از متغیرهای تصمیم است. صورت مساله روشهای بهینه سازی کلاسیک غیرمقید روش گرادیان نزولی
روش نیوتن
روش شبه نیوتن
...
روشهای بهینه سازی کلاسیک مقید روش مجموع وزن دار شده
روش - مقید
روشهای متریک وزن دار شده
روش Benson
روش ....
مشکلات کلاسیک مقید تنها یک پاسخ پرتوی بهینه حاصل می شود.
تمام پاسخهای پرتوی بهینه قابل یافتن نیستند.
تمام روشها نیاز به دانستن اطلاعاتی بیش از صورت مساله هستند همانند وزن مناسب، پاسخ هدف، ...
تقریبا تمام روشهای کلاسیک پیشنهاد تبدیل روش بهینه سازی تک هدفه به چند هدفه را دارند! روشهای بهینه سازی جمعیتی الگوریتمهایی هستند که عموما تقلیدی از اصول تکاملی EA حرکات گروهی حیوانات PSO و .... طراحی و ایجاد می شوند برای ترکیب نمودن روندهای بهینه سازی و جستجو.
به لحاظ گوناگونی روشهای جستجو و بهینه سازی از روشهای کلاسیک بهترند! GA تولید/باز تولید جمعیت
برش
جهش
انتخاب Mask: 0110011000
Parents: 1010001110 0011010010
Offspring: 0011001010 1010010110
Particle Swarm Optimization بررسی رفتار پرندگان بهترین تجربه حرکت ذره در راستای بهترین تجربه کل جمعیت بهترین کلی حرکت ذره در راستای بهترین تجربه خود حرکت ذره در راستای قبلی حرکت جدید چگونگی حرکات ذرات ؟ بهترین محلی حرکت ذره در راستای بهترین تجربه همسایگان (محلی) همسایگان 1 7 9 5 6 8 4 3 2 تنظیم سرعت ذرات c1 & c2 ضرایب مثبت Inertia Weight : Clerc and Kennedy 2002
MultiObjective Optimization بهینه سازی چند هدفه مجموعه پرتو بهینه
بردار تصمیم x1 متعلق به مجموعه مجاز F یک پاسخ پرتو بهینه است، اگر بردار تصمیم دیگری مانند x2 متعلق به مجموعه مجاز F وجود نداشته باشد که بر آن غلبه کند.
ارزیابی به منظور بررسی روش مطرح شده، از توابع استاندارد ZDT1~ZDT4 استفاده گردیده است . تابع ZDT1 دارای جبهه پرِتو مقعر، تابع ZDT2 دارای جبهه پرِتو محدب، تابع ZDT3 دارای جبهه پرِتو گسسته و تابع ZDT4 یک مساله مالتی مدال می باشد که به علت داشتن تعداد 219 پرِتو محلی، دست یابی به جبهه اصلی برای بسیاری از الگوریتمها دشوار می باشد. فرم ریاضی و شکل جبهه پرتو این توابع به شرح زیر می باشد که در تمامی آنها مقدار جبهه پرِتو با قرار دادن حاصل می گردد : توابع تست 1 توابع تست 2 توابع تست 3 ارزیابی (GD) Generati
توجه: متن بالا فقط قسمت کوچکی از محتوای فایل پاورپوینت بوده و بدون ظاهر گرافیکی می باشد و پس از دانلود، فایل کامل آنرا با تمامی اسلایدهای آن دریافت می کنید.
