ترجمه مقاله الگوریتم ترکیبی ارتقا یافته برای مسئله پوشش مجموعه – نشریه الزویر

عنوان فارسی: | الگوریتم ترکیبی ارتقایافته ای برای مسئله پوشش مجموعه |
عنوان انگلیسی: | An improved hybrid algorithm for the set covering problem |
تعداد صفحات مقاله انگلیسی : 7 | تعداد صفحات ترجمه فارسی : 17 |
سال انتشار : 2015 | نشریه : الزویر - Elsevier |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 6172 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 1.99Mb |
رشته های مرتبط با این مقاله: مهندسی کامپیوتر و مهندسی صنایع |
گرایش های مرتبط با این مقاله: مهندسی الگوریتم ها و محاسبات و بهینه سازی سیستم ها |
مجله: مهندسی صنایع و کامپیوتر - Computers & Industrial Engineering |
دانشگاه: گروه مهندسی صنایع، دانشگاه اردن |
کلمات کلیدی: برنامه نویسی خطی، آزادسازی لاگرانژی، سیستم بیشینه – کمینه مورچهها، بهینه سازی کلونی مورچهها، مسئله پوشش مجموعه |
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 |
چکیده
1. مقدمه
2. الگوریتمهای بهینه سازی کلونی مورچهها برای مسئله پوشش مجموعه
2.1 تکنیکهای ابتکاری پویای کاهش یافته برپایه هزینه
2.2 مشکلات در استفاده از تکنیکهای ابتکاری پویای کاهش یافته برپایه هزینه
3. سیستم ترکیبی جدید بیشینه – کمینه مورچهها برای مسئله پوشش مجموعه
3.1 کاهش اندازه مسئله
3.2 بروزرسانی فرمون ها
3.3 احتمالات انتخاب ستون
3.4 خلاصه الگوریتم
4. محک زنی
5. نتیجه گیری
Abstract
The state-of-the-art ant colony optimization (ACO) algorithm to solve large scale set covering problems (SCP) starts by solving the Lagrangian dual (LD) problem of the SCP to obtain quasi-optimal dual values. These values are then exploited by the ACO algorithm in the form of heuristic estimates. This article starts by discussing the complexity of this approach where a number of new parameters are introduced to escape local optimums and normalize the heuristic values. To avoid these complexities, we propose a new hybrid algorithm that starts by solving the linear programming (LP) relaxation of the SCP. This solution is used to eliminate unnecessary columns, and to estimate the heuristic information. To generate solutions, we use a Max–Min Ant System (MMAS) algorithm that employs a novel mechanism to update the pheromone trail limits to maintain a predetermined exploration rate. Computational experiments on different sets of benchmark instances prove that our proposed algorithm can be considered the new state-of-the-art meta-heuristic to solve the SCP.
چکیده
الگوریتم پیشرفته بهینه سازی کلونی مورچهها (ACO) جهت حل مسائل بزرگ مقیاس پوشش مجموعه (SCP) با حل مسئله دوگانه لاگرانژی (LD) SCP جهت بدست آوردن مقادیر دوگانه شبه بهینه شروع میشود. سپس از این مقادیر برای الگوریتم ACO بصورت تخمینهای کلی ابتکاری استفاده میشود. این مقاله با بحث درمورد پیچیدگی این روش در جایی که تعدادی پارامتر جدید جهت یافتن نقاط بهینه داخلی و نرمال سازی مقادیر ابتکاری وارد میشوند آغاز میشود. جهت دوری از پیچیدگیها، الگوریتم ترکیبی جدیدی را پیشنهاد میکنیم با حل آزادسازی برنامه نویسی خطی (LP) SCP آغاز میشود. این راه حل برای حذف ستونهای غیرضروری و تخمین اطلاعات تکنیک ابتکاری بکار میرود. جهت بدست آوردن راه حل، از الگوریتم سیستم بیشینه – کمینه مورچهها (MMAS) بهره میگیریم که مکانیزم جدیدی را برای بروزرسانی حدود دنباله فرمون جهت حفظ سرعت اکتشاف از پیش تعیین شده بکار میگیرد. بررسیهای محاسباتی درمورد مجموعههای مختلف نمونههای معیار ثابت میکنند که میتوان الگوریتم پیشنهادی ما را الگوریتم پیشرفته فراابتکاری ای برای حل مسئله SCP دانست.
محصولات مشابه
