ترجمه مقاله رتبه بندی الگوریتم ژنتیک چند هدفه و روش ELECTRE برای منطقه نابرابر - نشریه الزویر

ترجمه مقاله رتبه بندی الگوریتم ژنتیک چند هدفه و روش ELECTRE برای منطقه نابرابر - نشریه الزویر
قیمت خرید این محصول
۳۳,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
رتبه بندی الگوریتم ژنتیک چند هدفه و روش ELECTRE برای مسائل طرح تسهیلات منطقه نابرابر
عنوان انگلیسی
A non dominated ranking Multi Objective Genetic Algorithm and electre method for unequal area facility layout problems
صفحات مقاله فارسی
18
صفحات مقاله انگلیسی
8
سال انتشار
2013
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
6495
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی صنایع
گرایش های مرتبط با این مقاله
بهینه سازی سیستم ها و برنامه ریزی و تحلیل سیستم ها
مجله
سیستم های خبره با کاربردهای آن - Expert Systems with Applic ations
دانشگاه
دانشگاه پالرمو ایتالیا
کلمات کلیدی
مسائل طرح تسهیلات، رتبه بندی الگوریتم ژنتیک، ساختار برش، روش ELECTRE
فهرست مطالب
چکیده
مقدمه
2. الگوریتم‌های ژنتیکی
2.1 مکانیزم کشف و روش رتبه بندی
3. روش نشانه گذاری
4. انتخاب با نخبه سالاری
1.4 پارامترهای الکتره
2.4 نتایج
5. جمع بندی
نمونه چکیده متن اصلی انگلیسی
Abstract

The unequal area facility layout problem (UA-FLP) comprises a class of extremely difficult and widely applicable optimization problems arising in diverse areas and meeting the requirements for real-world applications. Genetic Algorithms (GAs) have recently proven their effectiveness in finding (sub) optimal solutions to many NP-hard problems such as UA-FLP. A main issue in such approach is related to the genet ic encoding and to the evolutionary mechanism implemented, which must allow the efficient exploration of a wide solution space, preserving the feasibility of the solutions and ensuring the convergence towards the optimum. In addition, in realistic situation s where several design issues must be taken into account, the layout problem falls in the broader frame work of multi-objective optimization problems. To date, there are only a few multi-objective FLP approaches, and most of them employ over-simplified optimization techniques which eventually influence the quality of the solutions obtained and the performance of the optimization procedure. In this paper, this difficulty is overcome by approaching the problem in two subsequent steps: in the first step, the Pareto-optimal solutions are determined by employing Multi Objective Genetic Algorithm (MOGA) implementing four separate fitness functions within a Pareto evolutionary procedure, following the general structure of Non-dominated Ranking Genetic Algorithm (NRGA) and the subsequent selection of the optimal solution is carried out by means of the multi-criteria decision-making procedure Electre. This procedure allows the decision maker to express his preferences on the basis of the knowledge of candidate solution set. Quantitative and qualitative objectives are considered referring to the slicing-tree layout representation scheme. The numerical results obtained outperform previous referenced approaches, thus confirming the effectiveness of the proce dure proposed.

نمونه چکیده ترجمه متن فارسی
چکیده
مسئله چیدمان با مساحت نابرابر (UA-FLP) شامل ردهای از مسائل بهینه سازی بسیار مشکل است که در محلهای متفاوت به وجود می‌آید و مطابق شرایط نیازهای اپلیکیشن‌های دنیای واقعی می‌باشد. الگوریتم‌های ژنتیکی (GAs) به تازگی اثر خود را در پیدا کردن جواب‌های بهینه برای خیلی از مسائل NP مانند UA-FLP ثابت کرده‌اند. قضیه‌ اصلی در چنین رویکردی مربوط به رمزگذاری ژنتیکی و مکانیزم تکامل می‌باشد که باید اجازه دهد تا اکتشافی میان فضای وسیعی از صورت گرفته, امکان پذیری راه‌حل‌ها را نگهداری کند و از همگرا شدن به سوی بهینه اطمینان بدهد. علاوه بر این در موقعیت‌های واقعی هنگامی‌که چندین قضیه طراحی باید باید حساب شوند, مشکل چیدمان درون چارچوبی از وسیع‌تر از مسائل بهینه سازی چند هدفه قرار می‌گیرد. تا قبل از این تعداد کمی از رویکرد‌های FLP چند هدفه وجود داشت و اکثر آنها تکنیک‌های بهینه خیلی ساده‌سازی شده‌ای را به کار می‌گیرند که در آخر بر روی کیفیت جواب بدست آمده و عملکرد روش بهینه سازی تأثیر گذارند. در این مقاله بر این مشکل با مواجهه با مسئله در دو گام پشت هم غلبه شده است: در گام نخست جواب‌های بهینه پارتو با استفاده از الگوریتم ژنتیکی چند هدفه (MGOA) تعیین می‌شود که اجرایی از چهار عملکرد سازگاری مجزا به همراه روش تکاملی پارتو می‌باشد که در ادامه ساختار کلی الگوریتم رتبه بندی غیر غالب (NRGA) و انتخاب‌های بعدی از جواب بهینه توسط روش تصمیم گیری چند معیاره الکتر صورت می‌پذیردو این روش به تصمیم گیرنده اجازه می‌دهد تا ترجیحات خود را بر اساس دانش سری جواب‌های کاندید شده بیان کند. به اهداف کیفی و کمی با استفاده ازچیدمان طرح نماینده چیدمان درخت برشی مورد توجه قرار می‌گیرد. نتایج عددی بدست آمده به رویکردهای قبلی برتری دارد بنابراین تأیید کننده مؤثر بودن روش پیشنهادی می‌باشد.

بدون دیدگاه