CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روش جمع بندی وزن محلی برای بسیاری از اهداف بهینه سازی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۳ | تعداد نمایش خلاصه: ۲۸ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: KTCONG01_005
زبان مقاله: فارسی
حجم فایل: ۱۰۰۰.۵ کیلوبایت (فایل این مقاله در ۲۳ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۲۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روش جمع بندی وزن محلی برای بسیاری از اهداف بهینه سازی

  حمید شیخ ویسی - مربی، دانشگاه پیام نور، دانشکده مهندسی کامپیوتر و فناوری اطلاعات زاهدان - ایران
  حامد صابرمنش - دانشجو، کارشناسی ارشد، کامپیوتر گرایش نرم افزار دانشگاه هاتف زاهدان - ایران
  مرتضی کیانی - دانشجو، کارشناسی ارشد، کامپیوتر گرایش نرم افزار دانشگاه هاتف زاهدان - ایران

چکیده مقاله:

استفاده از اسکالریزاسیون یک مفهوم اساسی برای بهینه سازی چند منظوره است. روش ترکیبی وزنی، یک روش اغلب مورد استفاده در الگوریتم های چند هدفه (EMO) مبتنی بر تجزیه، دارای ویژگی های خوبی از قبیل کارایی آسان و جستجو سریع در محاسبات نسبت به سایر روش های اسکالریزه می باشد. با این حال، اغلب از این روش برای از دست دادن اثر بر روی مشکلات غیر محدب انتقاد می شود. در این مطالعه به دنبال استفاده از مزایای روش جمع بندی وزنی، بدون عیب آن، برای حل مشکلات بسیاری از اهداف هستیم. ما الگوریتم EMO مبتنی بر تجزیه نام MOEA / D-LWS پیشنهاد می دهیم که در آن روش جمع بندی وزن با روش محلی اعمال می شود. یعنی، برای هر مسیر جستجو، راه حل بهینه تنها در میان راه حل های همسایه آن انتخاب می شود. محل با استفاده از یک hypercone تعریف شده است. زاویه آپکس یک هیپورنس به طور پیشینی به طور خودکار تعیین می شود . اثربخشی MOEA / D-LWS با مقایسه آن با سه نوع MOEA / D، یعنی MOEA / D با استفاده از روش Chebyshev، MOEA / D با استفاده انطباقی از مجموع وزن و روش Chebyshev، MOEA / D به طور همزمان استفاده از مجموع وزن و روش Chebyshev و چهار الگوریتم EMO بسیاری از هدف، یعنی PICEA-g، HypE، -DEA0 و SPEA2 + SDE برای مشکلات معیار WFG تا هفت هدف متضاد. نتایج تجربی نشان می دهد که MOEA / D-LWS از الگوریتم های مقایسه برای اکثر مشکلات آزمون پیشی می گیرد و یک الگوریتم رقابتی برای بهینه سازی بسیاری از اهداف است.

کلیدواژه‌ها:

بهینه سازی چند هدفه، تقسیم تکاملی، تجزیه، مجموع وزن، محلی

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-KTCONG01-KTCONG01_005.html
کد COI مقاله: KTCONG01_005

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:
شیخ ویسی, حمید؛ حامد صابرمنش و مرتضی کیانی، ۱۳۹۷، روش جمع بندی وزن محلی برای بسیاری از اهداف بهینه سازی، کنگره ملی سالانه دانش و فناوری در علوم و مهندسی برق و کامپیوتر، تهران - دانشگاه شهید بهشتی، موسسه آموزش عالی علامه رفیعی، https://www.civilica.com/Paper-KTCONG01-KTCONG01_005.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: (شیخ ویسی, حمید؛ حامد صابرمنش و مرتضی کیانی، ۱۳۹۷)
برای بار دوم به بعد: (شیخ ویسی؛ صابرمنش و کیانی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه پیام نور
تعداد مقالات: ۴۳۹۴۷
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.