پاورپوینت مسئله بهینه سازی با چند تابع هدف (pptx) 40 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 40 اسلاید
قسمتی از متن PowerPoint (.pptx) :
12/4/2024
1
مسئله 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
12/4/2024
2
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).
12/4/2024
3
معرفی
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.
12/4/2024
4
معرفی
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
12/4/2024
5
معرفی
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
12/4/2024
6
بهینه سازی با چند تابع هدف
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)
12/4/2024
7
بهینه سازی با چند تابع هدف
مجموعه ممکن(Feasible Set) : مجموعه متغیرهای قابل قبول برای مسئله
Xf = {x X | e(x) ≤ 0}
محدوده ممکن (Feasible Region):
Yf = f(Xf) = Ux Xf {f(x)}
12/4/2024
8
بهینه سازی با چند تابع هدف
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
12/4/2024
9