مهندسی نرم افزار و آی تی
مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی عنوان انگلیسی : Evolutionary Algorithms for Multi C
توضیحات کامل :
مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی
27
تعداد صفحات
doc
فرمت
0/4 کیلوبایت
حجم فایل
38,000 تومان
قیمت فایل
فایل با عنوان مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی عنوان انگلیسی : Evolutionary Algorithms for Multi C با تعداد 27 صفحه در دسته بندی مهندسی نرم افزار و آی تی با حجم 0/4 کیلوبایت و قیمت 38000 تومان و فرمت فایل doc با توضیحات مختصر توضیحات کامل :
مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی
...و عنوان انگلیسی The translated article of Computer and IT field titled Evolutionary Algorithms for Multi-Case Optimization English title: Evolutionary Algorithms for Multi C را می توانید هم اکنون دانلود و استفاده نمایید
![مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی عنوان انگلیسی : Evolutionary Algorithms for Multi C](https://prodocfile.ir/images/42031304.jpg)
توضیحات فایل:
توضیحات کامل :
مقاله ترجمه شده رشته کامپیوتر و آی تی با عنوان الگوریتم های تکاملی برای بهینه سازی چند موردی عنوان انگلیسی :
Evolutionary Algorithms for Multi Criterion Optimization : A Survey
دانلود مقاله اصلی چکیده : این مقاله به بررسی برخی از الگوریتم های تکاملی معروف و مقایسه ی نظام مند آنها پرداخته است. سپس مسائل بهینه سازی و چند هدف را نشان داده و اهمیت آنها را بررسی می کنند. پس از آن بر روی الگوریتم های چند هدفه تمرکز کرده که در حال حاضر توسط بسیاری محققان انجام می شود و محاسن و معایب این الگوریتم تکاملی را بررسی کرده است (MDEAS) در نهایت روند آن در آینده و برخی از مسیر های ممکن تحقیقات را ارائه نموده است. کلیدواژه ها:الگوریتم های تکاملی
بهینه های چند معیاری
راه حل پارتو تحت سلطه و غیر تحت سلطه
مقدمه : تکنیک های تکاملی به منظور بهینه سازی تک هدفه بیش از سه دهه است که مورد استفاده قرار می گیرد اما کشف کردن که مشکلات دنیای واقعی به طور طبیعی به صورت چند هدف می باشد. در حال حاضر بهینه سازی چند هدفه به یک موضوع بسیار محبوب بین محققین در آمده است. اما هنوز هم بسیاری از سوالات بی پاسخ در این حوزه وجود دارد. در واقع حتی یک مورد پذیرش بین المللی در رابطه با تعریف مطلوب از هدف بهینه سازی وجود ندارد, که باعث می شود حتی آن قابل مقایسه با روش های دیگر شود. چرا که به طور معمول تصمیم گیری در مورد آنچه که بهترین پاسخ را به اصطلاح انسان در تصمیم گیری دارد. از آنجایی که بهینه سازی چند معیار دارد و ممکن است این معیار ها با هم تفاضل داشته باشند معمولا برای ارائه راه حل برای آنها و ارائه یک معیار واحد مشکلاتی وجود دارد. اما در نهایت راه حل این مشکل معمولا با تنظیم پارامترهای مختلف توسط کاربر میسر است. علاوه بر این از آنجا که معمولا از روش های بهینه سازی کلاسیک استفاده می شود تنها یک راه حل (پارتو) می تواند به یک نتیجه نهایی برسد. بنابر این در جهت پیداکردن چند راه حل پارتو،الگوریتم های تکاملی بهترین انتخاب می باشد. این الگوریتم اجازه می دهد تا یک مجموعه مکمل از راه حل های پارتو در یک الگوریتم تعیین شود. علاوه بر این الگوریتم های تکاملی در روش پارتو از یک پیوستگی برخودار هستند. فهرست مطالب : چکیده : 2 کلید واژه : 3 1- مقدمه: 32-الگوریتم های تکاملی : 4
2-1 الگوریتم ژنتیکی : 5
2-3 برنامه نویسی تکاملی : 5
2-4 برنامه نویسی ژنتیکی: 6
3-الگوریتم های تکاملی چند هدفه : 7
مجموعه بهینه پارتو: 8
تفاوت بین مجموعه غیر سلطه ای و مجموعه بهینه پارتو: 8
4- روشهای مختلف MOEA : 9
4-1 روش مجموع وزنی : 10
الگوریتم : 10
1- تولید جمعیت اولیه به صورت تصادفی : 10
1- تابع تناسب برای هرفرد 11
مزایا و معایب : 11مدل فونسکا و فیلیمینگ: 13
1-روش انتساب تناسب براسس رتبه 14
2-روش نیچ 14 مزایا و معایب: 144-4 مدل هورن ناف پولیتس و گولد برگز (NPGA): 14
تورنومنت سلطه پارتو: 155-4 : روش پارتو با مدل زیتزلر و تیل 16
رتبه بندی افراد بر اساس سطح غیر سلطه : 18
انتصاب تناسب : 181-محاسبه و اندازه گیری از راه دور بایکی از راه های غیر تحت سلطه 19
فرمول 194-7 استراتژی تکامل برداری (VOES): 20
4-8 الگوریتم ژنتیک براساس وزن(WBGA): 21
فرمول الگوریتم 22
روش برداریک 23
4-9 استراتژی تکامل شکار-طعمه(PPES): 23
4-10 الگوریتمژنتیکی ترمودینامیکال (TDGM): 24
4-11 استراتژی تکاملی پارتو(PAES): 25
4-12 الگوریتم تکاملی نخبه گرایی رودلف: 26
4-13 الگوریتم ژنتیکی نخبه گرایی غیر تحت سلطه(ENSGA) : 26
4-14 الگوریتم ژنتیک پارتو براساس فاصله (DBPGA) : 27
پروداک فایل
تسهیل در دسترسی به فایل مورد نظر در فروشگاه های فایل دارای نماد اعتماد الکترونیکی
جستجو و دریافت سریع هر نوع فایل شامل: دانشگاهی: مقاله، تحقیق، گزارش کارآموزی، بررسی، نظری، مبانی نظری
آموزشی و تدریسی: پاورپوینت، فایل، پروژه، درسنامه، طرح درس روزانه، درس پژوهی، یادگیری، آموزش، معلم، دانشآموزان، سناریوی آموزشی، بکآپ کودک.
فناوری و دیجیتال: دانلود، بکآپ، ppt، اتوکد، قابل ویرایش، حسابداری، سامسونگ دیجیتال، pdf.
روانشناسی و علوم تربیتی: پاورپوینت، طرح درس نویسی
هنری و طراحی: معماری، عکاسی، وکتور، طراحی
سایر: تم تولد، بکآپ تولد، ابتدایی، خرید دانلود رایگان، اصول، کورل، بکآپ آتلیه