دانلود مقاله ترجمه شده فرااکتشافات در بهینه سازی ترکیبی
دانلود مقاله ترجمه شده فرااکتشافات در بهینه سازی ترکیبی |
دسته بندی | مهندسی نرم افزار و آی تی |
فرمت فایل | doc |
حجم فایل | 427 کیلو بایت |
تعداد صفحات فایل | 42 |
دانلود مقاله ترجمه شده مهندسی کامپیوتر
فرااکتشافات در بهینه سازی ترکیبی
مرور و مقایسه مفهومی
مقدمه:
بسیاری از مسایل بهینه سازی عملی و نظری، شامل جستجوی بهترین پیکربندی برای مجموعه¬ای از متغیرها برای رسیدن به هدفهاست. آنها به طور طبیعی، به دو مقوله تقسیم می شوند: مسائلی که راه حل آنها با متغیرهای دارای مقادیر حقیقی کدگذاری شده و آنهایی که با متغیرهای گسسته کدگذاری شده-اند. در میان دسته دوم، کلاسی از مسائل به نام مسائل بهینه سازی ترکیبی (CO) وجود دارد. در مسائل بهینه سازی ترکیبی، ما در یک مجموعه متناهی یا نامتناهی¬شمارا به دنبال یک شئ می گردیم، مانند یک عدد صحیح، زیر مجموعه، جایگشت یا ساختار گراف.
Metaheuristics in Combinatorial Optimization:
Overview and Conceptual Comparison
Many optimization problems of practical as well as theoretical importance consist of the search for a “best” configuration of a set of variables to achieve some goals. They seem to divide naturally into two categories: those where solutions are encoded with real-valued variables, and those where solutions are encoded with discrete variables. Among the latter ones we find a class of problems called Combinatorial Optimization (CO) problems. According to Papadimitriou and Steiglitz [1982], in CO problems, we are looking for an object from a finite—or possibly countably infinite—set. This object is typically an integer number, a subset, a permutation, or a graph structure.
فهرست مطالب
فرااکتشافات در بهینه سازی ترکیبی1
5. فرااکتشافات در بهینه سازی ترکیبی2
5. 1 . تعاریف اولیه3
5. 2. طبقه بندی فرااکتشافات9
5. 3. روشهای خط سیر11
5. 3. 1. جستجوی محلی پایه: بهبود تکراری12
شکل 2 - الگوریتم بهبود تکراری13
5 .3 . 2. آنیلینگ شبیه سازی شده13
شکل 3- الگوریتم : آنیلینگ شبیه سازی شده14
5 .3 . 3. جستجوی ممنوع16
5 .3 . 4 . روشهای جستجوی محلی کاوشگرانه18
5 .3 . 4 . 1 . GRASP19
5 .3 . 4 . 2 . جستجوی همسایگی متغیر20
5 .3 . 4 . 3 . جستجوی محلی هدایت شده21
شکل 4 - ایدهء GLS پایه: گریز از دره های چشم انداز با افزایش مقدار تابع هدف در این راه حلها21
5 .3 . 4 . 4. جستجوی محلی تکراری (ILS)22
5 .4. روشهای مبنی بر جمعیت24
5 .4 . 1 . محاسبه تکاملی24
شکل 5- یک مرحلهء دلخواه از ILS : کمینه محلی ŝ دچار آشفتگی شده، سپس LS اعمال گشته و کمینه محلی جدید یافت میشود.25
شکل 6- الگوریتم : محاسبه تکاملی(EC)26
5 .4 . 1 . 1 .جستجوی پخشی و اتصال مجدد مسیر29
شکل 7- الگوریتم: جستجوی پخشی و اتصال مجدد مسیر30
5 .4 . 2 . بهینه سازی گروه مورچه ها (ACO)31
5 .5. دیدگاه متمرکزسازی و متنوع سازی33
5 .5 . 1 . متمرکزسازی و متنوع سازی34
5 .5 . 2 .کنترل استراتژیک متمرکزسازی و متنوع سازی35
5 .5 . 3 .ترکیب فرااکتشافات37
مرجع42