CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Multi-Response Simulation Optimization Using Genetic Algorithm Within Desirability Function Framework

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۳۶۵۷ | نظرات: ۰
سرفصل ارائه مقاله: مطالعات موردی
سال انتشار: ۱۳۸۴
نوع ارائه: شفاهی
کد COI مقاله: IIEC04_037
زبان مقاله: انگلیسی
حجم فایل: ۱۰۳.۸۹ کلیوبایت (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Multi-Response Simulation Optimization Using Genetic Algorithm Within Desirability Function Framework

  Seyed Hamid Reza Pasandideh - Ph.D. Candidate Department of Industrial Engineering, Sharif University of Technology
  Seyed Taghi Akhavan Niaki - Professor Department of Industrial Engineering, Sharif University of Technology

چکیده مقاله:

This paper presents a new methodology to solve multi-response statistical optimization problems. This methodology integrates desirability function and simulation approach with a genetic algorithm. The desirability function is responsible for modeling the multi-response statistical problem, the simulation approach generates required input data from a simulated system, and finally the genetic algorithm tries to optimize the model. This methodology includes two methods. The methods differ from each other in controlling the randomness of the problem. In the first method, replications control this randomness and, while in the second method we control the variation by statistical tests.

کلیدواژه‌ها:

Multi-Response, Genetic Algorithm, Desirability Function, Simulation.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IIEC04-IIEC04_037.html
کد COI مقاله: IIEC04_037

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Pasandideh, Seyed Hamid Reza & Seyed Taghi Akhavan Niaki, ۱۳۸۴, Multi-Response Simulation Optimization Using Genetic Algorithm Within Desirability Function Framework, چهارمین کنفرانس ملی مهندسی صنایع, تهران, انجمن مهندسی صنایع ایران, دانشگاه تربیت مدرس, https://www.civilica.com/Paper-IIEC04-IIEC04_037.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Pasandideh, Seyed Hamid Reza & Seyed Taghi Akhavan Niaki, ۱۳۸۴)
برای بار دوم به بعد: (Pasandideh & Akhavan Niaki, ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Allenson, R. Genetic algorithms with gender for multi-function optimization. EPCC-SS92-0 ...
  • Azadivar, F. Simulation optimization methodologies. Proceedings of the 1999 winter ...
  • Baseler, F. F., & J. A. Sepulveda. Multi- response simulation ...
  • Biles, W. E. & J. J. Swain. Optimization and Industrial ...
  • Boesel, J., B. Nelson, & N. Ishii. A framnework for ...
  • Boyle, C. R. An interactive multiple response simulation optinization rethod. ...
  • Box, G. E. P., & P. Y. T. Liu. Empirical ...
  • Cheng, B. C, C. J Cheng, & E. S. Lee. ...
  • Clayton, E. R., W. E. Weber, & B. W. Taylor. ...
  • Coello Coello, C. A. An updated survey of GA-Based multi-objective ...
  • Coello Coello, C. A. An empirical study of evolutionary techniques ...
  • Del Castillo, E., D. C. Montgomery & D. R. Mcarville. ...
  • Derringer, G. & R. Suich. Simultaneous optimization of several response ...
  • Fonseca, C. M. & P. J. Fleming. Genetic algorithm for ...
  • Fourman, M. P. Comparison of symbolic layout using genetic algorithms. ...
  • Gen, M. Genetic algorithm and engineering design, 1997. ...
  • Goldberg, D. Genetic algorithms in search, optimization and machine learning, ...
  • _ and R. A. Beaumon. Optimum compounding computer. Journal of ...
  • Here dia-Langner, A., D. C. Montgomery, W. M. Carlyle, & ...
  • Kim, D. and S. Rhee. Optimization of a gas metal ...
  • Moll aghasemi, M., M. G. Evans, & W. E. Biles. ...
  • Moll aghasemi, M. and G. W. Evans. Multi-criteria design of ...
  • Montgomery, D. C., Design and analysis of Experiments. Fourth edition, ...
  • Periaux, J., M. Sefrioui, & B. Mantel. GA multiple objective ...
  • Rees, L. P., E. R. Clayton, & B. W. Taylor. ...
  • Schaffer, J. D., Multiple objective optimization with vector evaluated genetic ...
  • Teleb, R., & F. Azadivar. A methodology for solving mu ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۸۲۵۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.