ترجمه مقاله تجسم (دیداری سازی) و متریک عملکرد در بهینه سازی چند منظوره - نشریه IEEE

ترجمه مقاله تجسم (دیداری سازی) و متریک عملکرد در بهینه سازی چند منظوره - نشریه IEEE
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
تجسم (دیداری سازی) و متریک عملکرد در بهینه سازی چند منظوره
عنوان انگلیسی
Visualization and Performance Metric in Many-Objective Optimization
صفحات مقاله فارسی
38
صفحات مقاله انگلیسی
17
سال انتشار
2015
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس و تامسون رویترز
ایمپکت فاکتور(IF) مجله
11.016 در سال 2019
شاخص H_index مجله
154 در سال 2020
شاخص SJR مجله
2.968 در سال 2019
شناسه ISSN مجله
1089-778X
شاخص Q یا Quartile (چارک)
Q1 در سال 2019
کد محصول
F1672
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
ضمیمه
ندارد
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مهندسی کامپیوتر، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
مجله
نتایج بدست آمده در حوزه محاسبات تکاملی - Transactions on Evolutionary Computation
دانشگاه
دانشکده مهندسی برق و کامپیوتر، دانشگاه ایالتی اوکلاهما، ایالات متحده آمریکا
کلمات کلیدی
الگورتیم های تکاملی چند منظوره (MaOEA)، مسئله بهینه سازی چند منظوره، نگاشت، متریک عملکرد، تصویر سازی (دیداری سازی)
کلمات کلیدی انگلیسی
Many-objective evolutionary algorithm (MaOEA) - many-objective optimization problem (MaOP) - mapping - performance metric - visualization
doi یا شناسه دیجیتال
https://doi.org/10.1109/TEVC.2015.2472283
فهرست مطالب
چکیده
1- مقدمه
2- مرور منابع
الف: رویکرد های دیداری سازی( تجسم) رایج برای MaOP
1- تصویر سازی( دیداری سازی) بر اساس سیستم مختصات موازی
ب: متریک ها و شاخص های عملکرد موجود برای MaOEAs
3-روش پیشنهادی
الف: روش دیداری سازی
4-دیداری سازی جبهه های پارتو
5-دیداری سازی در زمانی که جبهه پارتو مجهول است
4-نتایج ازمایشی
الف: MaOEAs انتخاب شده برای مقایسه
ب: مسائل تست انتخاب شده
پ: تنظیم پارامتر در ازمایش
ت: نتایج ازمایشی
مشاهده
5-نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

Visualization of population in a high-dimensional objective space throughout the evolution process presents an attractive feature that could be well exploited in designing many-objective evolutionary algorithms (MaOEAs). In this paper, a new visualization method is proposed. It maps individuals from a high-dimensional objective space into a 2-D polar coordinate plot while preserving Pareto dominance relationship, retaining shape and location of the Pareto front, and maintaining distribution of individuals. From it, a decision-maker can observe the evolution process, estimate location, range, and distribution of Pareto front, assess quality of the approximated front and tradeoff between objectives, and easily select preferred solutions. Furthermore, its applications can be scalable to any dimensions, handle a large number of individuals on front, and simultaneously visualize multiple fronts for comparison. Based on this visualization tool, a performance metric, named polar-metric, is designed. The convergence of the approximate front is measured by radial values of all population members on that front. Meanwhile, the diversity performance is mainly determined by niche count of each subregion in a high-dimensional objective space. Experimental results show that it can provide a comprehensive and reliable comparison among MaOEAs.

نمونه چکیده ترجمه متن فارسی
چکیده
دیداری سازی جمعیت در یک فضای عینی با ابعاد بالا در سرتاسر فرایند تکامل یک ویژگی جذاب می باشد که می توان آن را در طراحی الگوریتم های تکاملی چند منظوره (MaOEAs) استفاده کرد. در این مقاله، یک روش مجازی سازی جدید پیشنهاد می شود. این الگوریتم افراد را از فضای عینی با ابعاد بالا به یک محور مختصات قطبی دو بعدی ضمن حفظ رابطه غالبیت پارتو، حفظ شکل و محل جبهه پارتو و حفظ توزیع افراد نگاشته می کند. بر این اساس تصمیم گیرنده قادر به مشاهده فرایند تکامل، براورد موقعیت، دامنه و توزیع جبهه پارتو، ارزیابی کیفیت جبهه و توازن تقریبی بین اهداف و انتخاب راه حل های مطلوب است. به علاوه، کاربرد قابل تعمیم به ابعاد مختلف، مدیریت تعداد زیادی از افراد در جبهه و هم زمان تجسم و دیداری سازی جبهه های متعدد برای مقایسه می باشد. بر اساس این ابزار تجسم و دیداری سازی، یک متریک عملکرد، موسوم به متریک قطبی طراحی می شود. همگرایی جبهه تقریبی با مقادیر شعاعی همه اعضای جمعیت در جبهه اندازه گیری می شود. در عین حال، عملکرد تنوع با تعداد نیچ هر زیر منطقه در یک فضای عینی با ابعاد بالا تعیین می شود. نتایج آزمایشی نشان می دهد که این می تواند مقایسه جامع و قابل اطمینان را در میان MaOEAs ارایه کند.

بدون دیدگاه