ترجمه مقاله بهینه سازی چند هدفی با استفاده از الگوریتم های ژنتیک - نشریه الزویر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

بهینه سازی چند هدفی با استفاده از الگوریتم های ژنتیک: یک آموختار

عنوان انگلیسی

Multi-objective optimization using genetic algorithms: A tutorial

صفحات مقاله فارسی

34

صفحات مقاله انگلیسی

16

سال انتشار

2006

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده و pdf

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی (تحقیقاتی)

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

5.191 در سال 2018

شاخص H_index مجله

119 در سال 2019

شاخص SJR مجله

1.944 در سال 2018

شناسه ISSN مجله

0951-8320

شاخص Q یا Quartile (چارک)

Q1 در سال 2018

کد محصول

F1546

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه نشده است ☓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است ☓

وضعیت ترجمه منابع داخل متن

درج نشده است ☓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است ✓

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

رفرنس در ترجمه

در انتهای مقاله درج شده است

رشته و گرایش های مرتبط با این مقاله

مهندسی صنایع، بهینه سازی سیستم ها، برنامه ریزی و تحلیل سیستم ها

مجله

مهندسی قابلیت اطمینان و ایمنی سیستم - Reliability Engineering and System Safety

دانشگاه

علوم و فناوری اطلاعات، ایالات متحده آمریکا

doi یا شناسه دیجیتال

https://doi.org/10.1016/j.ress.2005.11.018

ترجمه این مقاله با کیفیت متوسط و نسبتا خلاصه انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1- مقدمه
2- فرمولاسیون بهینه سازی چند منظوره (شیئی)
3- الگوریتم های ژنتیک
4- GA چند هدفی
5- موضوعات طراحی و مولفه های GA چند هدفی
1-5 توابع تناسب
2-5 تنوع: تخصیص تناسب، اشتراک گذاری تناسب و ایجاد تورفتگی
5-3 نابغه گرایی
4-5 کنترل محدود
5-5 GA چند منظوره موازی و پیوندی
6- GA چند منظوره برای بهینه سازی قابلیت اطمینان

نمونه چکیده متن اصلی انگلیسی

Abstract

Multi-objective formulations are realistic models for many complex engineering optimization problems. In many real-life problems, objectives under consideration conflict with each other, and optimizing a particular solution with respect to a single objective can result in unacceptable results with respect to the other objectives. A reasonable solution to a multi-objective problem is to investigate a set of solutions, each of which satisfies the objectives at an acceptable level without being dominated by any other solution. In this paper, an overview and tutorial is presented describing genetic algorithms (GA) developed specifically for problems with multiple objectives. They differ primarily from traditional GA by using specialized fitness functions and introducing methods to promote solution diversity.

نمونه چکیده ترجمه متن فارسی

چکیده
فرمولاسیون های چند شیئی (هدفی) مدل های واقعی مسائل بهینه سازی مهندسی پیچیده متعددی هستند. در بسیاری از مسائل زندگی واقعی، اشیای تحت نظر با یکدیگر تناقض پیدا می کنند، و بهینه سازی راه حلی خاص با توجه به یک شیء منفرد می تواند حاصل نتایج غیر قابل قبول از نظر دیگر اشیاء باشد. راه حل منطقی برای مسأله چند منظوره (شیئی) بررسی مجموعه ای از راه حل هاست، که هر یک از آن ها اهداف را در سطح قابل قبولی بدون اینکه دیگر راه حل ها بر آن تفوق یابند، برطرف می کنند. در این مقاله، بررسی اجمالی و آموختاری ارائه شده که الگوریتم های ژنتیک (GA) توسعه یافته را شرح می دهند، خصوصاً الگوریتم هایی که برای مسائل همراه با چند هدف طراحی شده اند. آن ها عمدتاً از GA مرسوم بواسطه استفاده از توابع تناسب تخصصی و معرفی روش هایی برای توسعه و پیشرفت تنوع راه حل ها متمایز شده اند.