دانلود مقاله ترجمه شده فرااکتشافات در بهینه سازی ترکیبی
سه شنبه, ۲۸ ارديبهشت ۱۳۹۵، ۰۳:۳۴ ب.ظ
دانلود مقاله ترجمه شده فرااکتشافات در بهینه سازی ترکیبی
دانلود مقاله ترجمه شده فرااکتشافات در بهینه سازی ترکیبی |
![]() |
دسته بندی | مهندسی نرم افزار و آی تی |
فرمت فایل | doc |
حجم فایل | 427 کیلو بایت |
تعداد صفحات فایل | 42 |
دانلود مقاله ترجمه شده مهندسی کامپیوتر
فرااکتشافات در بهینه سازی ترکیبی
مرور و مقایسه مفهومی
مقدمه:
بسیاری
از مسایل بهینه سازی عملی و نظری، شامل جستجوی بهترین پیکربندی برای
مجموعه¬ای از متغیرها برای رسیدن به هدفهاست. آنها به طور طبیعی، به دو
مقوله تقسیم می شوند: مسائلی که راه حل آنها با متغیرهای دارای مقادیر
حقیقی کدگذاری شده و آنهایی که با متغیرهای گسسته کدگذاری شده-اند. در میان
دسته دوم، کلاسی از مسائل به نام مسائل بهینه سازی ترکیبی (CO) وجود
دارد. در مسائل بهینه سازی ترکیبی، ما در یک مجموعه متناهی یا
نامتناهی¬شمارا به دنبال یک شئ می گردیم، مانند یک عدد صحیح، زیر مجموعه،
جایگشت یا ساختار گراف.
Metaheuristics in Combinatorial Optimization:
Overview and Conceptual Comparison
Many
optimization problems of practical as well as theoretical importance
consist of the search for a “best” configuration of a set of variables
to achieve some goals. They seem to divide naturally into two
categories: those where solutions are encoded with real-valued
variables, and those where solutions are encoded with discrete
variables. Among the latter ones we find a class of problems called
Combinatorial Optimization (CO) problems. According to Papadimitriou and
Steiglitz [1982], in CO problems, we are looking for an object from a
finite—or possibly countably infinite—set. This object is typically an
integer number, a subset, a permutation, or a graph structure.
فهرست مطالب
فرااکتشافات در بهینه سازی ترکیبی 1
5. فرااکتشافات در بهینه سازی ترکیبی 2
5. 1 . تعاریف اولیه 3
5. 2. طبقه بندی فرااکتشافات 9
5. 3. روشهای خط سیر 11
5. 3. 1. جستجوی محلی پایه: بهبود تکراری 12
شکل 2 - الگوریتم بهبود تکراری 13
5 .3 . 2. آنیلینگ شبیه سازی شده 13
شکل 3- الگوریتم : آنیلینگ شبیه سازی شده 14
5 .3 . 3. جستجوی ممنوع 16
5 .3 . 4 . روشهای جستجوی محلی کاوشگرانه 18
5 .3 . 4 . 1 . GRASP 19
5 .3 . 4 . 2 . جستجوی همسایگی متغیر 20
5 .3 . 4 . 3 . جستجوی محلی هدایت شده 21
شکل 4 - ایدهء GLS پایه: گریز از دره های چشم انداز با افزایش مقدار تابع هدف در این راه حلها 21
5 .3 . 4 . 4. جستجوی محلی تکراری (ILS) 22
5 .4. روشهای مبنی بر جمعیت 24
5 .4 . 1 . محاسبه تکاملی 24
شکل 5- یک مرحلهء دلخواه از ILS : کمینه محلی ŝ دچار آشفتگی شده، سپس LS اعمال گشته و کمینه محلی جدید یافت میشود. 25
شکل 6- الگوریتم : محاسبه تکاملی(EC) 26
5 .4 . 1 . 1 .جستجوی پخشی و اتصال مجدد مسیر 29
شکل 7- الگوریتم: جستجوی پخشی و اتصال مجدد مسیر 30
5 .4 . 2 . بهینه سازی گروه مورچه ها (ACO) 31
5 .5. دیدگاه متمرکزسازی و متنوع سازی 33
5 .5 . 1 . متمرکزسازی و متنوع سازی 34
5 .5 . 2 .کنترل استراتژیک متمرکزسازی و متنوع سازی 35
5 .5 . 3 .ترکیب فرااکتشافات 37
مرجع 42
۹۵/۰۲/۲۸