ترجمه مقاله بهینه سازی چند منظوره تکاملی بر اساس الگوریتم کان مانکرز - نشریه اشپرینگر

ترجمه مقاله بهینه سازی چند منظوره تکاملی بر اساس الگوریتم کان مانکرز - نشریه اشپرینگر
قیمت خرید این محصول
۳۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
بهینه سازی چند منظوره تکاملی بر اساس الگوریتم کان – مانکرز
عنوان انگلیسی
Evolutionary Many-objective Optimization based on Kuhn-Munkres’ Algorithm
صفحات مقاله فارسی
15
صفحات مقاله انگلیسی
15
سال انتشار
2015
نشریه
اشپرینگر - Springer
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5826
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه نشده 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
ریاضی و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی الگوریتم ها و محاسبات، تحقیق در عملیات و ریاضی کاربردی
مجله
بهینه سازی چند معیاره تکاملی
دانشگاه
علوم کامپیوتر، مکزیک
کلمات کلیدی
بهینه سازی چند منظوره، الگوریتم های تکاملی چند منظوره، الگوریتم کان-مانکرز
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1-مقدمه
2 الگوریتم کان مانکرز
3 رویکرد پیشنهادی ما
3.1 ایجاد بردارهای وزن با استفاده از طراحی یکنواخت
4 نتایج آزمایش
4.1 بحث نتایج
5 نتیجه گیری و کار آتی
نمونه چکیده متن اصلی انگلیسی
Abstract

In this paper, we propose a new multi-objective evolutionary algorithm (MOEA), which transforms a multi-objective optimization problem into a linear assignment problem using a set of weight vectors uniformly scattered. Our approach adopts uniform design to obtain the set of weights and Kuhn-Munkres’ (Hungarian) algorithm to solve the assignment problem. Differential evolution is used as our search engine, giving rise to the so-called Hungarian Differential Evolution algorithm (HDE). Our proposed approach is compared with respect to a MOEA based on decomposition (MOEA/D) and with respect to an indicatorbased MOEA (the S metric selection Evolutionary Multi-Objective Algorithm, SMS-EMOA) using several test problems (taken from the specialized literature) having from two to ten objective functions. Our preliminary experimental results indicate that our proposed HDE outperforms MOEA/D and is competitive with respect to SMS-EMOA, but at a significantly lower computational cost.

نمونه چکیده ترجمه متن فارسی
چکیده
در این مقاله ما الگوریتم تکاملی چند منظوره جدیدی را مطرح می کنیم که مسئله بهینه سازی چند منظوره را با استفاده از مجموعه بردارهای وزنی با توزیع یکپارچه به مسئله تمرین خطی تبدیل می کند. رویکرد ما طراحی یکپارچه ای اتخاذ می کند تا مجموعه وزن ها و الگوریتم کان-مانکرز به دست آورد تا مسئله تمرین را حل کند. تکامل دیفرانسیل به عنوان موتور جستجوی ما به کار می رود که منجر به الگوریتم تکامل دیفرانسیل مجارستانی می شود. رویکرد مطرح شده ما با توجه به الگوریتم تکاملی چند منظوره بر اساس تجزیه و با توجه به الگوریتم تکاملی چند منظوره علامت محور با استفاده از چند مسئله آزمایش ( برگرفته از نوشته های تخصصی) با داشتن ده الی ده تابع هدف تطبیق داده می شود. نتایج آزمایشی مقدماتی ما نشان می دهد که الگوریتم تکاملی دیفرانسیل بهتر از الگوریتم تکاملی چند منظوره/تجزیه ای عمل می کند و با توجه به انتخاب متریک اس- الگوریتم تکاملی چند منظوره رقابت آمیز می باشد اما میزان هزینه محاسباتی آن به طور عمده پایین می باشد.

بدون دیدگاه