عنوان

بهبود الگوریتم های بهینه سازی چند هدفه مبتنی بر جمعیت

شماره

‭۵۵۰۶پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

بهبود الگوریتم های بهینه سازی چند هدفه مبتنی بر جمعیت

نام نخستين پديدآور

/سید علیرضا محمدی

نام ناشر، پخش کننده و غيره

: برق و کامپیوتر

نام خاص و کميت اثر

‮‭۱۰۰‬ ص‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی کامپیوتر

زمان اعطا مدرک

‮‭۱۳۹۱/۰۳/۲۵‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

در این پایان‌نامه الگوریتم‌های تکاملی چند هدفه و روش‌های مورد استفاده برای ایجاد همگرایی و گوناگونی در مجموعه جواب‌های یافت شده مورد بررسی قرار گرفته است .پیدا کردن این روش‌ها یکی از چالش‌های موجود در حوزه بهینه‌سازی چندهدفه می‌باشد .هدف اصلی در این کار طراحی روش‌هایی برای کاستن از نقایص روش‌های معمول و تولید جواب‌هایی با همگرایی و گوناگونی بیشتر است .بزرگترین چالش‌هایی که در طراحی این الگوریتم‌ها با آن مواجه می‌شویم کم کردن فاصله جواب پیدا شده با مجموعه بهینه پرتو و بیشتر کردن گوناگونی و تنوع جواب‌های یافت شده می‌باشد .هر کدام از الگوریتم‌ها سعی دارند با روش خاص خود بر این چالش‌ها غلبگی یابند .در این پایان‌نامه سعی شده است با استفاده از تخمین چگالی در بایگانی و استفاده از چگالی محاسبه شده در انتخاب قربانی و رهبر توده زنبورها جواب‌های مناسبی به دست آید.در این پایان‌نامه دو الگوریتم جدید‮‭MOABC - A‬و‮‭MF - MOABC‬ارائه شده است .الگوریتم‮‭MOABC - A‬سعی دارد با استفاده از ادغام دو روش فاصله ازدحام و روش پنجره‌گذاری چالش‌های مورد اشاره را برطرف نماید .نتایج حاصله نشان می‌دهد که این الگوریتم نتایج بسیار خوبی را ارائه داده است .الگوریتم‮‭MF - MOABC‬نیز با ارائه یک روش جدید مبتنی بر تابع کوه سعی در محاسبه چگالی در اطراف عناصر بایگانی دارد .این روش با توجه به خصوصیاتی که دارد، قابلیت استفاده در الگوریتم‌ها دیگر را دارد .این الگوریتم‌ها به دلیل استفاده از تکنیک‌های جدید توانستند گوناگونی و همگرایی بسیار خوبی را در مجموعه جواب‌های به دست آمده ایجاد کنند .روش‌های جدید معرفی شده در این پایان‌نامه نتایج بسیار مناسبی را از خود نشان دادند و جبهه پرتو مناسب با گوناگونی خوبی را تولید کردند .این الگوریتم‌ها با تعداد زیادی از الگوریتم‌های جدید تکاملی چندهدفه مقایسه شدند و توانستند در مسائل با محدودیت و همچنین بدون محدودیت رتبه‌های بالایی را از آن خود کنند .با توجه به این نتایج الگوریتم‌های ارائه شده توانستند مشکلات و چالش‌های ذکر شده را تا حدود زیادی بهبود بخشند

متن يادداشت

Multiobjective evolutionary algorithms and also methods for representing convergence and proximity in founded solutions are studied in this thesis. This is a considerable challenge for multiobjective optimization to find these ways. The main goal in this field is to design approaches which decrease the drawbacks of common methods and generate solutions with more proximity and convergence. The most important challenges in designing these algorithms are decreasing the distance between founded solutions and the Pareto optimal set and also increasing proximity and diversity in the obtained solutions. Each of these algorithms tries to overcome these difficulties with their own approaches Two new methods which are called A-MOABC and MOABC-MF are proposed in this thesis. A-MOABC algorithm tries to combine crowding distance mechanism and windowing technique to overcome problems. The MOABC-MF algorithm is also tries to decrease the problems by using a density measure technique which is called mountain function. This approach could be used with any other algorithms due to its generality. This algorithm represents a competitive results compare to other algorithms. The proposed methods in this thesis showed a great performance and results and produced appropriate Pareto fronts with suitable proximities which could improve many of this challenges and problems

موضوع مستند نشده

Multi-objective Optimization

موضوع مستند نشده

Artificial Bee Colony Algorithm

موضوع مستند نشده

Crowding Distance

موضوع مستند نشده

Windowing

موضوع مستند نشده

Mountain Function

مستند نام اشخاص تاييد نشده

محمدی، سید علیرضا

مستند نام اشخاص تاييد نشده

فیضی درخشی، محمدرضا، استاد راهنما

مستند نام اشخاص تاييد نشده

اکبری، رضا، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی