فایل ورد کامل ترجمه مقاله الگوریتم سریع و نخبه گرای مرتب سازی ژنتیکی غیر مغلوب برای بهینه سازی ۲۴ صفحه در word

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

 فایل ورد کامل ترجمه مقاله الگوریتم سریع و نخبه گرای مرتب سازی ژنتیکی غیر مغلوب برای بهینه سازی ۲۴ صفحه در word دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل ترجمه مقاله الگوریتم سریع و نخبه گرای مرتب سازی ژنتیکی غیر مغلوب برای بهینه سازی ۲۴ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه مقاله الگوریتم سریع و نخبه گرای مرتب سازی ژنتیکی غیر مغلوب برای بهینه سازی ۲۴ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه مقاله الگوریتم سریع و نخبه گرای مرتب سازی ژنتیکی غیر مغلوب برای بهینه سازی ۲۴ صفحه در word :

دانلود فایل ورد کامل ترجمه مقاله الگوریتم سریع و نخبه گرای مرتب سازی ژنتیکی غیر مغلوب برای بهینه سازی ۲۴ صفحه در word چندمنظوره NSGA-II
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:۱۹۹۵
تعداد صفحه ترجمه:۱۱
تعداد صفحه فایل انگلیسی:۱۰
موضوع انگلیسی :A Fast Elitist Non-dominated Sorting Genetic Algorithm
for Multi-objective Optimization
موضوع فارسی: دانلود فایل ورد کامل ترجمه مقاله الگوریتم سریع و نخبه گرای مرتب سازی ژنتیکی غیر مغلوب برای بهینه سازی ۲۴ صفحه در word چندمنظوره NSGA-II
چکیده انگلیسی: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
چکیده فارسی:

الگوریتم های تکاملی چند منظوره ای که از اشتراک گذاری و مرتب سازی چند منظوره استفاده می کنند، عمدتا به خاطر

1. پیچیدگی محاسبانی O(MN^۳)) که M شماره هدف و N اندازه جمعیت است) مورد انتقاد قرار گرفته اند.
2. رویکرد غیر نخبه گرایی
3. نیاز به تعیین پارامتراشتراک

در این مقاله، ما یک مرتب سازی غیرمغلوب براساس الگوریتم تکاملی چند منظوره ( به طور خلاصه مرتب سازی غیرمغلوبGA-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(MN^۲) 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.