|
Title
|
توسعه الگوریتم تکامل شوراهای شهر برای حل مسائل بهینه سازی چندهدفه
|
|
Type of Research
|
Article
|
|
Keywords
|
الگوریتم های فراابتکاری، بهینه سازی، چندهدفه، تکامل شورای شهر، جبهه پرِتو
|
|
Abstract
|
پیشرفت فناوری و ظهور مسائل بهینه سازی چندهدفه در شاخه های علوم مختلف باعث تحقیق و ارائه الگوریتم های فراابتکاری جدید برای حل چنین مسائلی شده اند. اگرچه این الگوریتم ها تا حدودی توانسته اند تقریب نسبتاً خوبی از جبهه بهینه پرِتو را پیدا کنند ولی هنوز بهینه سازی به طور کامل انجام نشده است. در این مقاله، برای افزایش میزان بهینگی جبهه پرِتو تولید شده، نسخه چندهدفه ای از الگوریتم تکامل شوراهای شهر (CCE) با نام الگوریتم تکامل شوراهای شهر چندهدفه (MOCCE) ارائه می شود. در الگوریتم ارائه شده، یک آرشیو با اندازه ثابت برای ذخیره و بازیابی راه حل های بهینه پرِتو در نظر گرفته می شود. از این آرشیو برای تعریف ساختار هرم گونه شوراهای شهرها و شبیه سازی تکامل آن در فضاهای جستجوی چندهدفه استفاده می شود. کارایی الگوریتم MOCCE روی 18 تابع تست چندهدفه شناخته شده موسوم به UF و IMOP مورد ارزیابی قرار گرفته و با نتایج الگوریتم های بهینه سازی شیر مورچه چندهدفه (MOALO)، کپک مخاطی چندهدفه (MOSMA) و مرغ مگس خوار مصنوعی چندهدفه (MOAHA) مقایسه شده اند. مطابق با نتایج آزمون میانگین رتبه ی فریدمن، در همه توابع تست UF، الگوریتم MOCCE اولین رتبه را در بین الگوریتم های مقایسه شده از لحاظ معیارهای فاصله نسلی (GD)، فاصله نسلی معکوس (IGD) و بیشینه گستردگی (MS) کسب می کند. همچنین، این الگوریتم اولین رتبه را در همه توابع تست IMOP از لحاظ معیار GD و دومین رتبه را از لحاظ معیارهای IGD و MS به خود اختصاص می دهد.
|
|
Researchers
|
(First Researcher)، Einollah Pira (Second Researcher)، Alireza Rouhi (Third Researcher)
|