![الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه](../prod-images/689086.jpg)
Normalized Normal Constraint Algorithm for Multi-objective optimization
الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه
به همراه فایل راهنمای کد نویسی در متلب
کد الگوریتم NNC
الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه
Normalized Normal Constraint Algorithm for Multi-objective optimization
الگوریتم محدودیت نرمال عادی برای بهینه سازی چند هدفه
به همراه فایل راهنمای کد نویسی در متلب
کد الگوریتم NNC
عنوان مقاله : مسئله زمانبندی پروژه با در نظر گرفتن محدودیت منابع تک هدفه با الگوریتم مبتنی بر ممتیک ترکیبی قورباغه
رشته: مهندسی صنایع و مدیریت صنعتی
تعداد صفحات:16
قالب بندی Word
فهرست
مقدمه
ادبیات موضوع
مساله زمانبندی پروژه با منابع محدود
مدل های ریاضی مسائل RCPSP
روشهای حل مدلهای RCPSP
الگوریتم جهش قورباغه (SFLA) (الگوریتم پیشنهادی در این پژوهش)
الگوریتم ترکیبی جهش قورباغه
تحقیقات داخلی و خارجی صورت گرفته
منابع
شرح مختصر : الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سالهای اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوهی جستجوی غذای گروههای قورباغه سرچشمه میگیرد. این الگوریتم برای جستجوی محلی میان زیرگروههای قورباغه از روش نمو ممتیک استفاده میکند. SFLA از استراتژی ترکیب استفاده میکند و امکان مبادله پیام در جستجوی محلی را فراهم میسازد. الگوریتم جهش ترکیبی قورباغه مزایای الگوریتم نمو ممتیک و بهینهسازی گروه ذرات (PSO) را ترکیب میکند. یکی از مسائل مشهور در زمینه کنترل پروژه، زمانبندی پروژه با محدودیت منابع و سایر محدودیتها می باشد که زمانبندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل دارای پیشینه تحقیقاتی غنی است. مساله زمانبندی پروژه با منابع محدود در واقع کلی¬ترین مساله زمانبندی است. مسائل زمانبندی کارگاهی ، جریان کارگاهی ، زمانبندی و سایر مسائل زمانبندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. زمانبندی پروژه یکی از وظایف اصلی و فعالیتهای اصلی در مدیریت پروژه است. وجود محدودیت منابع و همچنین روابط پیش نیازی بین فعالیتها مسئله زمانبندی پروژه را امری دشوار میسازد. زمانبندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل با ادبیات غنی در حوزه مسائل تحقیق در عملیات است.این مسئله توجه محققان را در سالهای اخیر بشدت بخود جلب کرده است و تاکنون با الگوریتم های مختلف حل شده است. در این مقاله به بررسی و عملکرد الگوریتم جهش قورباغه (SFLA) در حل مسائل زمانبندی پروژه با محدودت منابع پایه پرداخته می شود که نتایج حاکی از عملکرد مناسب و قوی این الگوریتم فراابتکاری جدید می باشد.
در سازه های فضاکار کمینه بودن وزن به ندرت معرف عملکرد مناسب سازه است و واردکردن دیگر عوامل بهینه سازی به عنوان هدف، همچون حداکثر جابه جایی سازه ضروری به نظر می رسد. در مسائل بهینه سازی چندهدفه ی مقید مانند مسائل سازه ای، راهکار متداولی که برای اعمال قیدها انتخاب می شود، حذف پاسخ های ناموجه حتی با مقادیر کوچک تجاوز از قیود در رقابت با پاسخ های ممکن است. این روند می تواند موجب از دست دادن پاسخی از مجموعه ی بهینه ی پارتو شود که در نزدیکی یک پاسخ نقض کننده ی قید قرار دارد. در این تحقیق در یک الگوریتم چندهدفه ی تکاملی، از منطق فازی جهت تقویت بهینه سازی چندهدفه ی سازه ای کمک گرفته شده است. ترکیب الگوریتم وراثتی با رتبه بندی نامغلوب به همراه راهکار فازی سازی قیدها و توابع هدف، موجب حفظ پاسخ های ناموجه با مقادیر پایین تجاوز قید در نسل های ابتدایی شده و در نتیجه همگرایی به بهینه ی پارتو افزایش می یابد. برای نمایش کارایی روش پیشنهادی، دو مثال سازه فضاکار شامل یک گنبد 56 عضوی و سازه ی تخت دو لایه با 200 عضو با دو تابع هدف آورده شده است. نتایج نشان می دهد علاوه بر عدم وجود خطا، اکثر معیارها شامل میزان نزدیک شدگی جبهه ی پارتوی نهایی به پاسخ معیار، گستردگی و یکنواختی پاسخ ها در جبهه ی پارتو نیز بهبود یافته است.
سال انتشار: 1393
تعداد صفحات: 18
فرمت فایل: pdf