فایل ورد کامل بهینه سازی چند منظوره تکاملی بر اساس الگوریتم کان – مانکرز

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 چند منظوره تکاملی بر اساس الگوریتم کان – مانکرز،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۰ صفحه

۵ نتیجه گیری و کار آتی
ما طرح انتخاب تازه برای الگوریتم های چندمنظوره تکاملی پیشنهاد دادیم. رویکرد ما مکانسیم انتخاب الگوریتم چند منظوره تکاملی را به مسئله تعین با استفاده از مجموعه نقاط خوب توزیع شده در شبکه واحد تبدیل می کند. مسئله تعیین به دست آمده با الگوریتم کان-مانکرز حل می شود. همچنین الگوریتمی بر اساس طراحی یکنواخت پیشنهاد نمودیم تا مجموعه ای از بردارهای وزن با توزیع یکسان نسبت به موارد به دست آمده با روش شبکه ساده ایجاد کنیم. نتایج آزمایشی ما نشان می دهد که تکامل دیفرانسیل مجارستانی بهتر از الگوریتم تکاملی چند منظوره تجزیه در چندین مسئله آزمایش عمل می کند و با توجه به الگوریتم تکاملی چند منظوره متریک اس کاربردی رقابت آمیز است ( در چندین مورد بهتر از ان عمل می کند)، در حالی که نیاز به زمان محاسباتی کمتر دارد. به عنوان بخشی از کار آینده، ما تمایل داریم دیگر روش های طراحی یکنواخت ( ارزان به لحاظ محاسباتی) مطالعه کنیم تا مجموعه ای از نقاط با توزیع یکنواخت تر به دست آوریم. همچنین برنامه ریزی می کنیم تا دیگر روش ها را برای حل مسائل تعیین با هزینه محاسباتی کمتر تحلیل کنیم.

عنوان انگلیسی:Evolutionary Many-objective Optimization based on Kuhn-Munkres’ Algorithm~~en~~

۵ Conclusions and Future

Work We have proposed a novel selection scheme for MOEAs. Our approach transforms the selection mechanism of a MOEA into an assignment problem using a set of well-distributed points on a unit simplex. The obtained assignment problem is solved with the Kuhn-Munkres algorithm. We have also suggested an algorithm based on uniform design to generate a set of weight vectors more uniformly scattered than those obtained by the simplex-lattice method. Our experimental results indicate that our proposed HDE outperforms MOEA/D in several test problems, and is competitive (outperforming it in several instances) with respect to SMS-EMOA, while requiring a significantly lower computational time. As part of our future work, we intend to study other (computationally inexpensive) uniform design methods to generate a set of points more uniformly distributed. We also plan to analyze other methods for solving assignment problems at a lower computational cost.

$$en!!