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

ترجمه این مقاله با کیفیت متوسط 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- 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.