الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 38000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
دپارتمان مهندسی برق و الکترونیک، کالج مهندسی، کالییانی، هندوستان
الزویر
مرجع به انگلیسی
Procedia Technology; International Conference on Computational Intelligence: Modeling Techniques and Applications (CIMTA); Department of Mathematics, Narula Institute of Technology, Kolkata, India; Elsevier
کشور
هندوستان
رویکرد برنامه نویسی آرمانی فازی برای حل مسایل تصمیم گیری چند هدفه کسری با استفاده از الگوریتم ژنتیک با انتخاب تورنومنت و تقاطع حسابی
چکیده
مقاله جاری یک الگوریتم ژنتیک (GA) کارآمد بر مبنای برنامه نویسی آرمانی فازی (FGP) برای مدلسازی و حل مسایل تصمیم گیری چند هدفه (MODM) با معیارهای کسری را ارائه می نماید. در این رویکرد پیشنهادی، الگوریتم ژنتیک، الهام گرفته از انتخاب طبیعی و ژنتیک جمعیت، در ابتدا برای جستجوی راه حل ها در مراحل مختلف ارائه می گردد و بر این مبنا قابلیت حل مسئله میسر می شود. در طرح الگوریتم ژنتیک پیشنهادی، ویژگیهای انتخاب تورنومنت، تقاطع حسابی و جهش یکنواخت جهت جستجوی یک راه حل رضایت بخش در محیط تصمیم گیری پیچیده ارائه می شوند. به منظور نشان دادن کاربرد بالقوه این رویکرد، یک مثال عددی با راه حل های حاصل آمده در مطالعه قبلی ارائه گردیده و متعاقباً حل و مقایسه خواهد شد.
کلمات کلیدی: برنامه نویسی فازی، برنامه نویسی آرمانی، برنامه نویسی آرمانی فازی، الگوریتم ژنتیک، تصمیم گیری چند هدفه
برنامه نویسی آرمانی فازی تصمیم چندهدفه ژنتیک
۱- مقدمه
برنامه نویسی کسری، ارائه شده به وسیله Charnes و Cooper [1]، به عنوان یک رشته خاص مطالعاتی در مبحث برنامه نویسی غیرخطی به طور گسترده ای به وسیله Bitran و Novaes [2] و محققین دیگر در گذشته مورد مطالعه و بررسی قرار گرفته است. به علاوه با توجه به طبیعت چند هدفه غالب تصمیم گیری های دنیای واقعی، برنامه نویسی کسری نظر به تعدد اهداف مطرح شده در این مقوله به وسیله Kornbluth و Steuer [4] و دیگر محققین پیشرو در این رشته مورد مطالعه قرار گرفته است. در غالب این رویکردها که تاکنون ارائه شده اند، روش خطی سازی ارائه شده به وسیله Charnes و Cooper [1] به طور گسترده ای به منظور حل مسایل برنامه نویسی کسری مورد استفاده قرار گرفته شده است.
…
این مقاله کاربرد مؤثر روش الگوریتم ژنتیک در چارچوب کلی فرمول بندی FGP در ارتباط با مسئله MOFP را ارائه می نماید. در مدل پیشنهادی، در ابتدا اهداف کسری، از طریق تخصیص سطوح مورد نظر فازی به هر کدام از آنها با استفاده از طرح الگوریتم ژنتیک، به اهداف فازی تبدیل می شوند. متعاقباً، توابع عضویت برای اندازه گیری میزان دستاورد اهداف فازی از طریق تعریف محدوده های تلرانس برای حاصل آوردن هدف ایجاد می گردند. در مدل FGP قابل اجرا، به حداقل رسانی متغیرهای زیر ـ انحرافی اهداف عضویت تعیین شده با بالاترین مقدار عضویت با توجه به سطوح مطلوب آنها بر مبنای وزن های نسبی اهمیت حاصل آوردن هدف مورد بررسی قرار گرفته است. در این فرآیند حل، طرح الگوریتم ژنتیک به صورت تکراری جهت حاصل آوردن یک راه حل معادل و تراز شده اهداف در موقعیت MODM مورد استفاده قرار گرفته است.
در فرآیند جستجوی راه حل، تصمیم بهینه مرتبط با مشکل با توجه به چارچوب FGP وزن دار با استفاده از ویژگی پیشنهادی الگوریتم ژنتیک مشخص می شود.
یک مثال عددی جهت نشان دادن پتانسیل کاربرد رویکرد پیشنهادی نیز ارائه خواهد شد.
برنامه نویسی آرمانی فازی تصمیم چندهدفه ژنتیک
۲- فرمول بندی مسئله
فرمول کلی مسئله MOFP با ارزش حقیقی را می توان به شرح ذیل در نظر داشت:
یافتن … به گونه ای که:
برنامه نویسی آرمانی فازی تصمیم چندهدفه ژنتیک
۳- الگوریتم ژنتیک برای مسایل MOFD
در مبحث الگوریتم ژنتیک، طرح های متعددی [۱۰، ۱۱] برای تولید نسل جدید با استفاده از عملگرهای مختلف وجود دارند: انتخاب، تقاطع و جهش. در طرح کنونی الگوریتم ژنتیک، یک شاخص با ارزش حقیقی مرتبط با راه حل های کاندید در فرایند ارزیابی این مسئله ارائه می شود. طرح انتخاب تورنومنت در مرجع [۱۰]، تقاطع حسابی [۱۱] و عملیات جهش یکنواخت نیز جهت ایجاد فرزندان در جمعیت جدید در دامنه جستجو تعریف شده در محیط تصمیم گیری اتخاذ شده است.
مراحل اصلی طرح الگوریتم ژنتیک اتخاذ شده در فرایند جستجوی راه حل در مراحل ریاضیاتی ذیل دنبال می شوند.
برنامه نویسی آرمانی فازی تصمیم چندهدفه ژنتیک
۴- فرمول بندی مدل FGP
در موقعیت تصمیم گیری کنونی، بهترین راه حل واحد برای هر یک از اهداف به عنوان سطوح مطلوب فازی در نظر گرفته شده و به وسیله بکارگیری طرح الگوریتم ژنتیکی پیشنهادی مشخص می شود.
۴ـ۱٫ توصیف تابع عضویت
اجازه دهید تا به عنوان شاخص تابع عضویت k امین هدف فازی در نظر گرفته شود.
بنابراین، برای نوع محدود، را می توان در قالب ذیل ارائه نمود:
۴ـ۲٫ مدل FGP کمینه مجموع
در فرآیند فرمول بندی مدل FGP این مسئله، توابع عضویت به اهداف عضویت از طریق تخصیص بالاترین مقدار عضویت به عنوان سطح مطلوب تبدیل گردیده و متعاقباً متغیرهای زیر و رو انحرافی هر کدام از آنها مشخص می شوند. در FGP کمینه مجموع، کمینه سازی مجموع متغیرهای زیر انحرافی اهداف عضویت در تابع حاصل آوردن هدف بر مبنای وزن های نسبی اهمیت مرتبط با حصول هر کدام از سطوح اهداف مورد نظر ارائه شده و تحت بررسی قرار می گیرند.
مدل FGP کمینه مجموع کلی را می توان به شرح ذیل [۷] ارائه نمود:
برنامه نویسی آرمانی فازی تصمیم چندهدفه ژنتیک
۵- مثال عددی
مسئله MOMD کسری ذیل ارائه می شود:
یافته به گونه ای که:
برنامه نویسی آرمانی فازی تصمیم چندهدفه ژنتیک
۶- نتیجه گیری
مزیت اصلی رویکرد راه حل الگوریتم ژنتیک در زمینه مدل FGP کمینه مجموع در رابطه با مسئله ارائه شده را می توان در این قالب در نظر گرفت که میزان بالای رضایت در ارتباط با این مسئله، قابلیت جستجو بر حسب نیازها و ویژگی های مطلوب DMها در محیط تصمیم گیری را میسر می سازد. مجدداً، بار محاسباتی با استفاده از تکنیک خطی سازی متعارف را می توان در اینجا با کاربرد طرح الگوریتم ژنتیک پیشنهادی تقلیل داد. این رویکرد را می توان به آسانی برای مسایل MODM دنیای حقیقی پیچیده امروزی با استفاده از فرم های کوادراتیک و همچنین قالب های غیرخطی کلی در افق تصمیم گیری بکار گرفت. در مطالعه آینده، رویکرد پیشنهادی را می توان جهت حل مسایل تصمیم گیری سلسله مراتبی بزرگ مقیاس در یک محیط نامشخص بکار گرفت. با این وجود، امید بر آن است که رویکرد پیشنهادی چشم اندازهای جدیدی را برای مطالعه در زمینه ویژگی های MODM غیردقیق کنونی فراهم آورد.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
