روشی نوین در حل مسائل بهینه سازی چند هدفه : الگوریتم ممتیک آشوبگون MCMA

مقاله روشی مبتنی بر آشوب برای حل مسائل بهینه سازی چند هدفه فراهم کرده است. NSGA-II یک الگوریتم بهینه سازی مشهور در حوزه بهینه سازی چند هدفه است، ایجاد تنوع در ناحیه پارتو بهینه یکی از ملزومات در MOP هاست که این الگوریتم در این مورد دارای کاستی هاییست. در الگوریتم ممتیک (MCMA) ارائه شئه الگوریتم NSGA-II به عنوان الگوریتم جستجوی سراسری و الگوریتم محلی آشوب برای بهبود اعضا و تولید نسل هایی با تنوع جمعیت بیشتر استفاده شده است روش روی توابع تست این حوزه اعمال شده و نتایج هم از لحاظ سرعت پیشروی به سمت پارتو بهینه و هم از لحاظ معیارهای همگرایی و گسرتش، بهبود قابل توجهی یافته اند، و در اغلب موارد MCMA کارایی بالایی از خود نشان داده است.

کلیدواژه ها:

الگوریتم ممتیک ، جستجوی محلی آشوب ، بهینه سازی چند هدفه ، تنوع ، پارتو بهینه