فایل ورد کامل بهینه سازی چندمنظوره با الگوریتم سریع و نخبه گرای طبقه بندی ژنتیکی غیر مغلوب: NSGA-II

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل بهینه سازی چندمنظوره با الگوریتم سریع و نخبه گرای طبقه بندی ژنتیکی غیر مغلوب: NSGA-II،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۶ صفحه

چکیده

الگوریتم های تکاملی چند منظوره ای که از اشتراک گذاری و مرتب سازی چند منظوره استفاده می کنند، عمدتا به خاطر (i) پیچیدگی محاسبانی (O (MN که M شماره هدف و N اندازه جمعیت است مورد انتقاد قرار گرفته اند. (ii) رویکرد غیر نخبه گرایی (iii) نیاز به تعیین پارامتراشتراک در این مقاله، ما یک مرتب سازی غیرمغلوب براساس الگوریتم تکاملی چند منظوره ( به طور خلاصه مرتب سازی غیرمغلوب GA-II یا NSGA-II) را مطرح می کنیم که هر سه مشکل ذکرشده در بالا را برطرف می کند.به طور خاص، یک روش مرتب سازی سریع غیرمغلوب با پیچیدگی محاسباتی O(MN2) ارائه می گردد.ثانیا، انتخاب اپراتوری که یک استخرجفت گیری را با ترکیب جمعیت های والدین و فرزندان و انتخاب بهترین پاسخ از بین N پاسخ ( از لحاظ سازگاری و گستردگی) ایجاد می کند، ارائه می گردد. نتایج شبیه سازی روی پنج مسئله مشکل نشان می دهد که NSGA-II، در اکثر مسائل، قادر به پیداکردن پاسخ های بیشتری در مقایسه با PAES و SPEA- دو مورد از دیگر EA های چندمنظوره نخبه گرا که توجه خاصی به ایجاد جبهه متنوع بهینه پارتو (Pareto )دارد- همگرایی بهتری با جبهه بهینه پارتو واقعی دارد. به خاطر نیازهای کم محاسباتی NSGA-II، روش نخبه گرا و روش اشتراک بدون پارامتر، NSGA-II بکاربردهای بیشتری در سال های پیش رو خواهد داشت.

۵-نتیجه گیری

در این مقاله، ما یک الگوریتم سریع نخبه گرای تکاملی چند منظوره محاسباتی بر اساس روش مرتب سازی غیرمغلوب ارائه می دهیم.. در پنج مسئله مشکل، مشخص شده است که NSGA-II پیشنهادی، بهتر از PAESو SPEA عمل می کند. با توجه به ویژگی های روش سریع مرتب سازی غیرمغلوب که یک استراتژی نخبه گرا و یک روش بدون پارامتر است، NSGA-II در آینده نزدیک، نگاه های بیشتری را به سمت خود معطوف کرده و بیشتر مورد استفاده قرار می گیرد.

عنوان انگلیسی:A Fast Elitist Non-dominated Sorting Genetic Algorithm for Multi-objective Optimization: NSGA-II~~en~~

Abstract

Multi-objective evolutionary algorithms which use non-dominated sorting and sharing have been mainly criticized for their (i) 0{MN^) computational complexity (where M is the number of objectives and N is the population size), (ii) non-elitism approach, and (iii) the need for specifying a sharing parameter. In this paper, we suggest a non-dominated sorting based multi-objective evolutionary algorithm (we called it the Non-dominated Sorting GA-II or NSGA-II) which alleviates all the above three difficulties. Specifically, a fast non-dominated sorting approach with O(MN^) computational complexity is presented. Second, a selection operator is presented which creates a mating pool by combining the parent and child populations and selecting the best (with respect to fitness and spread) N solutions. Simulation results on five difficult test problems show that the proposed NSGA-II, in most problems, is able to find much better spread of solutions and better convergence near the true Pareto-optimal front compared to PAES and SPEA—two other elitist multi-objective EAs which pay special attention towards creating a diverse Pareto-optimal front. Because of NSGA-II’s low computational requirements, elitist approach, and parameter-less sharing approach, NSGA-II should find increasing applications in the years to come.

۵- Conclusions

In this paper, we have proposed a computationally fast elitist multi-objective evolutionary algorithm based on non-dominated sorting approach. On five difficult test problems borrowed from the literature, it has been found that the proposed NSGA-II outperforms PAES and SPEA—two other popular multi-objective EAs with the explicit goals of preserving spread on the non-dominated front. With the properties of a fast non-dominated sorting procedure, an elitist strategy, and a parameterless approach, NSGA-II should find increasing attention and applications in the near future.

$$en!!