استراتژی های جدید حافظ تنوع برای الگوریتم ژنتیک و کاربرد آن برای بهینه سازی مقیاس بزرگ

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 289

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-48-2_002

تاریخ نمایه سازی: 17 تیر 1398

چکیده مقاله:

جهت افزایش کارایی الگوریتم ژنتیک، رویکردهای فراوانی باهدف حفظ تنوع منتشر شده است. باوجود این، اکثر این رویکردها فقط می توانند روی مسائل بهینه سازی پیوسته اعمال شوند. این بدان معنا نیست که الگوریتم های ژنتیک در حل مسائل بهینه سازی گسسته به تنوع جمعیت نیاز ندارند. در حقیقت، تعریف مفهوم تفاوت بین جواب های راه حل های مسائل بهینه سازی گسسته، با توجه به تفاوت ظاهری آن ها ساده نیست. برای مثال در مسئله فروشنده دوره گرد، چگونه باید تشابه بین دو جواب را سنجید. این مقاله استراتژی های حافظ تنوعی برای الگوریتم ژنتیک ارائه می دهد که بر پایه تشابه بین دو جواب استوارند. این استراتژی ها نه تنها می توانند روی مسائل بهینه سازی پیوسته اعمال شوند، بلکه با پیشنهاد راهکارهای جدید معناگرا برای محاسبه تشابه بین جواب های مسائل بهینه سازی گسسته، اعمال موفقیت آمیز آن روی مسائل بهینه سازی گسسته نیز امکان پذیر است.

نویسندگان

حسن اسمخان

دانشگاه بناب - دانشکده فنی و مهندسی

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 :
  • مجید محمدپور، حمید پروین, الگوریتم ژنتیک آشوب گونه مبتنی بر ... [مقاله ژورنالی]
  • فرناز درخشان، فاطمه خضرلو, طراحی و پیاده سازی یک روش ... [مقاله ژورنالی]
  • علی حسامی نقشبندی، هیوا شمس, پخش بار بهینه مقید به ... [مقاله ژورنالی]
  • E. Zitzler and L. Thiele, Multiobjective evolutionary algorithms: a comparative ...
  • K. Deb, A. Pratap, S. Agarwal and T. Meyarivan, A ...
  • Zaharie, Daniela, Control of population diversity and adaptation in differential ...
  • O. Lehman, K. O. Stanley and R. Miikkulainen, Effective diversity ...
  • M. Hutter, Fitness uniform selection to preserve genetic diversity, Technical ...
  • M. Laumanns, L. Thiele, K. Deb and E. Zitzler, Combining ...
  • A. Toffolo and E. Benini, Genetic diversity as an objective ...
  • C. C. D. Ronco and E. Benini, A simplex crossover ...
  • H. Xie and M. Zhang, Impacts of sampling strategies in ...
  • R. K. Ursem, Diversity-guided evolutionary algorithms, in PPSN VII Proceedings ...
  • K. Q. Zhu, A diversity-controlling adaptive genetic algorithm for the ...
  • X. Zhao and J. Hao, Exploration/exploitation tradeoff with cell-shift and ...
  • R. Patel, M. M. Raghuwanshi and A. N. Jaiswal, Modifying ...
  • H. Ishibuchi, Y. Sakane, N. Tsukamoto and Y. Nojima, Implementation ...
  • B. Dorronsoro and P. Bouvry, Cellular genetic algorithms without additional ...
  • G. Dick and P. A. Whigham, Spatially-structured evolutionary algorithms and ...
  • K. M. Bryden, D. A. Ashlock, S. Corns and S. ...
  • M. Crepinsek, S. H. Liu and M. Mernik, Exploration and ...
  • E. Alba and B. Dorronsoro, The exploration/exploitation tradeoff in dynamic ...
  • H. B. Amor and A. Rettinger, Intelligent exploration for genetic ...
  • M. Črepinšek and M. Mernik, Analysis of exploration and exploitation ...
  • T. Park and K. R. Ryu, A dual-population genetic algorithm, ...
  • S. Ronald, More Distance Functions for Order-Based Encoding, in IEEE ...
  • G. S. Hornby, Alps: the age-layered population structure for reducing ...
  • Y. Li and X. Zeng, Multi-population co-genetic algorithm with double ...
  • T. Park and k. R. Ryu, A dual population genetic ...
  • G. Dick, The spatially-dispersed genetic algorithm, in GECCO 03 Proceedings ...
  • T. Park, R. Choe and K. R. Ryu, Dual-population genetic ...
  • Y. Li and X. Zeng, Feature selection method with multi-population ...
  • S. Tsutsui, A. Ghosh, D. Corne and Y. Fujimoto, A ...
  • E. Alba, H. Alfonso and B. Dorronsoro, Advanced models of ...
  • J. Song and D. H. Kim, Subcarrier and bit allocation ...
  • L. Lin and M. Gen, Auto-tuning strategy for evolutionary algorithms: ...
  • M. Lozano, F. Herrera and J. R. Cano, Replacement strategies ...
  • O. J. Mengshoel and D. E. Goldberg, The crowding approach ...
  • S. W. Mahfoud, Niching methods for genetic algorithms, Doctoral Dissertation, ...
  • V. K. Koumousis and C. P. Katsaras, A saw-tooth genetic ...
  • A. Zhou, Y. Jin, Q. Zhang and B. Sendhoff, Prediction-based ...
  • J. Yao, N. Kharma and P. Grogono, Bi-objective multipopulation genetic ...
  • H. Ismkhan, A Novel Intelligent Algorithm to Control Mutation Rate ...
  • L. M. Yi, C. Z. Xing and S. G. Yun, ...
  • L. J. Eshelman, The CHC adaptive search algorithm. How to ...
  • S. Kundu, S. Biswas, S. Das and P. N. Suganthan, ...
  • M. M. Kordmahalleh, A. Homaifar and D. B. Kc, Hierarchical ...
  • H. Satoh, M. Yamamura and S. Kobayashi, Minimal generation gap ...
  • P. H. Tang and M. H. Tseng, Adaptive directed mutation ...
  • H. Ismkhan and K. Zamanifar, Developing Programming Tools to Handle ...
  • G. Reinelt, Tsplib—a traveling salesman problem library, Orsa journal on ...
  • H. Ismkhan, Effective three-phase evolutionary algorithm to handle the large-scale ...
  • Y. Chen, N. Cornick, A. O. Hall, R. Shajpal, J. ...
  • نمایش کامل مراجع