دانلود پاورپوینت مسئله ی بهینه سازی با چند تابع هدف

توضیحات محصول

دانلود پاورپوینت مسئله ی بهینه سازی با چند تابع هدف با فرمت ppt و در43 صفحه قابل ویرایش

قسمتی از متن پاورپوینت مسئله ی بهینه سازی با چند تابع هدف

مسئله ی بهینه سازی با چند تابع هدف

معرفی

کلیات

روش های تکاملی

بررسي روش SPEA

بررسی روش NSGA

معرفی

بهینه سازی توابع مختلف و گاه متضاد به طور همزمان

ترکیب مقادیر توابع هدف مختلف و به دست آوردن یک مقدار برازندگی (Fitness)

• مسئله به یک تابع تک هدفی تبدیل می شود.

بدست آوردن جواب هایی که حداکثر تعداد توابع هدف را بهینه کند

• مجموعه جواب بهینه ی پارتو (Pareto Optimal Set).

مجموعه جواب بهینه ی پارتو (Pareto Optimal Set)

مجموعه جواب های مسلط نشدنی در تمام فضای جستجو.

نمی توان در این دو مجموعه بین دو جواب مختلف یکی را به دیگری برتری داد.

الگوریتم سعی در رسیدن به جواب مختلف بهینه ی پارتو دارد.

دو اصل مهم برای بهینه سازی با چند تابع هدف:

هدایت مسیر جستجو در جهت رسیدن به منحنی جواب های بهینه پارتو

حفظ و تولید جواب های بهینه در طول جمعیت جواب ها

روش های قدیمی دارای اشکالات زیر هستند:

عدم پیدا کردن چندین جواب بهینه در طی یک بار اجرای الگوریتم

عدم تضمین برای یافتن جواب های بهینه مختلف و متفاوت

نمی توان برای مسائلی با متغیرهای گسسته و دارای چندین جواب بهینه به کار برد

Maximaze y = f(x) = (f1(x), f2(x),…, fk(x))

Subject to e(x) = (e1(x), e2(x),…, em(x))

Where x = (x1, x2,…,xn) X

y = (y1, y2,…,yk) Y

X: بردار تصمیم گیری با پارامترهای مورد جستجو در مســـئله (Dicision Vector)

X: فضای تصمیم گیری (Dicision Space)

Y: فضای هدف (Objective Space)

u و v دو بردار هدف مربوط به دو بردار تصمیم گیری:

u = v iff i {1, 2,…, k} ui = v

u ≥ v iff I {1, 2,…, k} ui ≥ vi

u > v iff u ≥ v ^ u ≠ v

تفاوت میان مجموعه مسلط نشدنی و بهینه پارتو

مجموعه جواب مسلط نشدنی در قسمتی از فضای جستجو نسبت به جوابهای دیگر بهینه است، اگر قسمت انتخاب شده برابر کل فضای جستجو باشد مجموعه مسلط نشدنی تبدیل به مجموعه بهینه پارتو می شود.

انتساب مقدار برازندگی و مرحله انتخاب

بر خلاف بهینه سازی با یک تابع هدف، در MOP بین مقادیر هر تابع هدف و مقدار برازندگی تفاوت وجود دارد:

روش هایی که توابع هدف را از یکدیگر مستقل فرض می نمایند

روش هایی که جهت حفظ پراکندگی در جمعیت جواب ها به کار برده می شوند

مسائل اساسی در جستجو با چند تابع هدف

دو نکته اساسی در الگوریتمهای تکاملی را باید درنظر گرفت تا بتوان روشهای بهینه سازی چندتابعی تکاملی داشت:

در الگوریتم تکاملی چگونه مراحل انتخاب و انتساب مقدار fitness انجام گردد تا مجموعه جوابهای بهینه پارتو بدست آید.

جهت بدست آوردن جوابهای متنوع و مختلف و جلوگیری از همگرایی زودرس چه تدبیری اندیشیده شود.