دانلود مقاله ترجمه شده فرااکتشافات در بهینه سازی ترکیبی

بوسیله تیم تحریریه در مهر ۲۷, ۱۳۹۹ 0

مشخصات فایل

تعداد صفحات	۴۲
حجم	۰/۴۲۷ کیلوبایت
فرمت فایل اصلی	doc

توضیحات کامل

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 ۱

۵. فرااکتشافات در بهینه سازی ترکیبی ۲

۵. ۱ . تعاریف اولیه ۳

۵. ۲. طبقه بندی فرااکتشافات ۹

۵. ۳. روشهای خط سیر ۱۱

۵. ۳. ۱. جستجوی محلی پایه: بهبود تکراری ۱۲

شکل ۲ – الگوریتم بهبود تکراری ۱۳

۵ .۳ . ۲. آنیلینگ شبیه سازی شده ۱۳

شکل ۳- الگوریتم : آنیلینگ شبیه سازی شده ۱۴

۵ .۳ . ۳. جستجوی ممنوع ۱۶

۵ .۳ . ۴ . روشهای جستجوی محلی کاوشگرانه ۱۸

۵ .۳ . ۴ . ۱ . GRASP ۱۹

۵ .۳ . ۴ . ۲ . جستجوی همسایگی متغیر ۲۰

۵ .۳ . ۴ . ۳ . جستجوی محلی هدایت شده ۲۱

شکل ۴ – ایدهء GLS پایه: گریز از دره های چشم انداز با افزایش مقدار تابع هدف در این راه حلها ۲۱

۵ .۳ . ۴ . ۴. جستجوی محلی تکراری (ILS) ۲۲

۵ .۴. روشهای مبنی بر جمعیت ۲۴

۵ .۴ . ۱ . محاسبه تکاملی ۲۴

شکل ۵- یک مرحلهء دلخواه از ILS : کمینه محلی ŝ دچار آشفتگی شده، سپس LS اعمال گشته و کمینه محلی جدید یافت میشود. ۲۵

شکل ۶- الگوریتم : محاسبه تکاملی(EC) ۲۶

۵ .۴ . ۱ . ۱ .جستجوی پخشی و اتصال مجدد مسیر ۲۹

شکل ۷- الگوریتم: جستجوی پخشی و اتصال مجدد مسیر ۳۰

۵ .۴ . ۲ . بهینه سازی گروه مورچه ها (ACO) ۳۱

۵ .۵. دیدگاه متمرکزسازی و متنوع سازی ۳۳

۵ .۵ . ۱ . متمرکزسازی و متنوع سازی ۳۴

۵ .۵ . ۲ .کنترل استراتژیک متمرکزسازی و متنوع سازی ۳۵

۵ .۵ . ۳ .ترکیب فرااکتشافات ۳۷

مرجع ۴۲

توضیحات بیشتر و دانلود

صدور پیش فاکتور، پرداخت آنلاین و دانلود“