|
Title
|
یک بهینه ساز طوطی بهبودیافته با دقت بالا و همگرایی سریع برای حل مسائل بهینه سازی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
بهینه ساز طوطی، همگرایی، مسائل بهینه سازی، دقت
|
|
Abstract
|
فرآیند بهینه سازی یکی از اصول کلیدی در علوم مهندسی و ریاضی به شمار می آید که هدف آن انتخاب بهترین راه حل از میان مجموعه ای از گزینه های ممکن است. این راه حل باید به گونه ای انتخاب شود که تمام محدودیت ها، نیازها و شرایط تعریف شده در مسأله را به خوبی برآورده کند. بهینه سازی در بسیاری از سیستم ها به عنوان ابزاری برای تصمیم گیری دقیق و مؤثر مورد استفاده قرار می گیرد، چرا که انتخاب های نادرست می توانند منجر به اتلاف منابع، زمان یا انرژی شوند. بنابراین، یافتن پاسخ بهینه از نظر اقتصادی، فنی و اجرایی اهمیت بسزایی دارد [1]. با گسترش فناوری و پیچیده تر شدن ساختارهای علمی و صنعتی، مسائل بهینه سازی نیز با چالش های جدیدی مواجه شده اند. در حوزه هایی همچون مهندسی، علوم پایه، اقتصاد، لجستیک، و هوش مصنوعی، مسائل بهینه سازی اغلب در قالب مسائل پیچیده و بزرگ مقیاس مطرح می شوند. بخش عمده ای از این مسائل در رده ی مسائل NP-سخت قرار دارند؛ یعنی مسائلی که حل دقیق آن ها در زمان چندجمله ای ممکن نیست و نیازمند صرف زمان و منابع محاسباتی بسیار زیادی هستند. این گستردگی فضای جستجو موجب می شود که روش های کلاسیک مانند برنامه ریزی خطی، الگوریتم های گرادیانی یا روش های مبتنی بر مشتق، در برخورد با این مسائل ناکارآمد یا غیردقیق باشند [2]. برای غلبه بر این محدودیت ها، روش های تصادفی و الگوریتم های مبتنی بر جستجوی هوشمند توسعه یافته اند که با استفاده از فرآیندهایی غیرقطعی، به دنبال یافتن پاسخ هایی نزدیک به مقدار بهینه هستند. این روش ها که اغلب به عنوان الگوریتم های فراابتکاری نیز شناخته می شوند، قادرند در فضای جستجوی بسیار بزرگ با بهره گیری از شبیه سازی، جهش، انتخاب تصادفی و یادگیری، به راه حل های قابل قبول و کارآمدی دست یابند. هرچند که این پاسخ ها ممکن است دقیق ترین جواب ممکن نباشند، اما به دلیل سرعت و سادگی محاسبات، برای حل مسائل بهینه سازی در مقیاس بالا بسیار ارزشمند و کاربردی محسوب می شوند.
هر مساله ی بهینه سازی از سه جزء اساسی تشکیل شده است: تابع هدف f، مجموعه ای از متغیرهای مستقل V، و مجموعه ای از محدودیت های C. تابع هدف بیانگر معیاری است که باید بیشینه یا کمینه شود. نکته ی بدیهی این است که بیشینه سازی تابع f معادل با کمینه سازی تابع -f است. برخی از مسائل در دسته ی مسائل ارضای محدودیت (CSP) قرار می
|
|
Researchers
|
- - (Student)، Einollah Pira (Primary Advisor)، Alireza Rouhi (Advisor)
|