– انتخاب

در انتخاب ، افراد والد ( به مقصود تكثير براي نسل آينده ) انتخاب شده هستند اولين گام تابع برازندگي می باشد هر فرد در فضاي (‌استخر ) انتخاب ، يك احتمال توليد مثل (reproduction) كه وابسته به مقدار هدف خودش و مقدار هدف بقيه افراد ديگر در فضاي انتخاب دارد را دريافت مي كند . اين برازندگي بعنوان انتخاب واقعي جلو رونده و مرحله‌اي ، انجام ميگيرد .

نکته مهم : برای بهره گیری از متن کامل پژوهش یا مقاله می توانید فایل ارجینال آن را از پایین صفحه دانلود کنید. سایت ما حاوی تعداد بسیار زیادی مقاله و پژوهش دانشگاهی در رشته های مختلف می باشد که می توانید آن ها را به رایگان دانلود کنید

آغاز بعضي از عبارتهاي خاص كه براي مقايسه طرحهاي مختلف انتخاب ، بهره گیری شده تعريف مي‌گردد . تعريف اين عبارت از [Bak87],[BT95] بدست آمده می باشد .

فشار انتخاب

احتمال بهترين فرد انتخاب شده در مقايسه با احتمال انتخاب متوسط بقيه افراد

تمايل( پايه و اساس )

قدر مطلق اختلاف بين برازندگي نرمال شده فرد و احتمال مورد انتظار توليد مثل آن (ميانگين احتمال توليد مثل )

محدوده

محدودة مقادير احتمال براي تعداد تكثير فرد

عدم تنوع

نسبت افراد جمعيت كه در طول فرآيند انتخاب ، انتخاب نشده اند.

قدرت انتخاب

مقدار برازندگي متوسط (مورد انتظار) جمعيت و بصورت توزيع نرمال استاندارد شده بعد از بكاربردن يك روش انتخاب

واريانس انتخاب

واريانس مورد انتظار ( ميانگين واريانس ) توزيع برازندگي جمعيت به صورت توزيع نرمال استاندارد شده بعد از بكاربردن يك روش انتخاب

1-3- تابع برازندگي بر اساس رتبه بندي

در تابع برازندگي بر اساس رتبه ، جمعيت مطابق با مقادير هدف دسته بندي مي گردد . اين برازندگي براي هر فرد فقط وابسته به موقعيت رتبه افراد ( نه مقدار واقعي هدف ) تعيين مي گردد .

تابع برازندگي بر اساس رتبه بر مشكلات مقياس بندي تابع برازندگي متناسب ، غلبه مي كند.

(‌حالت ايستايي يا سكون : وقتي كه فشار انتخابي بيش از اندازه كوچك باشد ، يا همگرايي نابهنگام :وقتي كه جستجوي روش انتخاب در محدودة كوچكي انجام گردد بنابراين بيش از اندازه سريع خواهد بود )

همچنين محدودة‌ توليد مثل محدود شده می باشد بنابراين هيچكدام از افراد تعداد زاد و ولد اضافي را توليد
نمي كنند .

رتبه بندي يك مقياس همگن در جمعيت را معرفي مي كند و.همچنين يك روش مؤثر و ساده براي كنترل كردن فشار انتخابي را ارائه مي دهد .

تابع برازندگي بر اساس رتبه بندي حالت قوي تر نسبت به تابع برازندگي متناسب اقدام مي كند و بنابراين روش نخبه گرايا برگزيده ، می باشد .

1-1-3- رتبه بندي خطي

Nind تعداد افراد جامعه ،Pos موقعيت يك فرد در جامعه (حداقل برازندگي فرد Pos=1 و برازنده ترين فرد Pos= Nind می باشد ) و SP هم فشار انتخاب می باشد مقدار برازندگي براي يك فرد بصورت ذيل محاسبه مي گردد.

(1-3)                                                     

در رتبه بندي خطي مقادير فشار انتخاب بين [2-1] خواهد بود

2-1-3- رتبه بندي غير خطي

روش جديدبراي رتبه بندي با بهره گیری از توزيع غير خطي در [poh95] معرفي شده می باشد بهره گیری از رتبه بندي غير خطي ، فشار انتخاب بيشتري رانسبت به روش رتبه‌بندي خطي ارائه مي دهد.

(2-3)                                                                                  

x ريشه معادله چند جمله‌اي ذيل مي باشد .

(3-3)                                   

در رتبه بندي غير خطي مقادير فشار انتخاب بين [1,Nind-2] خواهد بود

3-1-3- مقايسه رتبه بندي خطي و غير خطي

شكل 1-3، رتبه بندي خطي و غير خطي را بصورت گرافيكي مقايسه مي‌كند .

احتمال هر فرد انتخاب شده براي توليد مثل ، به برازندگي نرمال شده ، نسبت به برازندگي كل جمعيت آن بستگي دارد .

جدول ذيل، مقادير برازندگي افراد در مقادير مختلف فشار انتخاب ، با فرض اينكه جمعيت 11 نفر با هدف مينيمم كردن را نشان مي دهد

4-1-3- آناليز رتبه بندي خطي

در [BT95] آناليز انتخاب رتبه بندي خطي ارايه گرديده می باشد .

قدرت انتخاب

(4-3)                                                           

عدم تنوع

(5-3)                                                         

واريانس انتخاب :

(6-3)                              

2-3- رتبه بندي چند منظوره ( چند تابع )

در تابع برازندگي بر اساس رتبه بندي و تناسبي ، فرض شده می باشد كه افراد فقط يك مقدار تابع هدف رانشان مي دهند. در صورتيكه معمولاً در جهان واقعي چند مقدار (بيش از يك مشكل ) هست . بنابراين بايد چند معيار براي ارزيابي كيفيت فرد در نظر گرفته گردد . فقط بر اساس مقايسه اين چند معيار ( در نتيجه چند هدف ) مي‌توان در مورد برتري يك فرد نسبت به ديگري تصميم گيري نمود .

بنابراين ، مشابه مشكلات با يك هدف ، ترتيب افراد در جمعيت از مقايسه متقابل رتبه بندي چند منظوره ، مي تواند بدست آيد .

بعد از اينكه اين ترتيب حاصل گرديد روشهاي رتبه بندي با يك هدف (از قسمت 1-3) مي تواند براي برگردان كردن ترتيب افراد مرتبط با مقادير برازندگي آنها بهره گیری گردد . بنابراين تابع برازندگي چند منظوره ( بهينه كردن چند تابع ) با، هم زمان مينيمم كردن Nobj‌با معيار fr( بطوريكه r=1,…..,Nobj) انجام گيرد .

اين مقادير fr بوسيله تابع هدف كه به متغيرهاي افراد ( متغيرهاي تصميم ) وابسته می باشد مشخص مي گردند . يك مثال مي تواند نكات قابل توجه در اين نوع مسائل را روشن كند . فرض كنيد كالايي توليد مي گردد كه مي‌خواهيم هزينه هاي توليد پايين و همچنين كالا را سريع توليد كند .

راه حل هاي مختلفي در طراحي توليد هست كه به پارامترهاي مختلفي شامل تعداد و نوع ماشين هاي به كار رفته ، همچنين تعداد كارگرها بستگي دارند .

معيار هزينه هاي توليد f1 و زمان توليد f2 هر دو بوسيله تابع هدف و بكاربردن ارزيابي معيار براي هر راه حل ، مشخص خواهد گرديد .

1-2-3- رتبه بندي پارتو

برتري يك راه حل نسبت به ديگري بوسيله مقايسه دو راه حل مي تواند تصميم گيري گردد. كه هم بصورت كلي و هم بصورت چند معيار مورد نظر مي‌تواند انجام گيرد (مطابق با طرح شماتيك در معادله 7-3)

: غلبه پارتو .رتبه بندي پارتو

(7-3)                     

اگر P راه حل (1)، كمتر ( قسمتي كمتر ) از راه حل (2) باشد . بنابراين ، يعني راه حل اول بر راه حل دوم غلبه كرده می باشد . با در نظر داشتن مثال قبلي خواهيم داشت ، اگر هزينه ها و زمان براي راه حل اول نسبت به راه حل دوم كمتر هستند پس نتيجه مي دهد كه راه حل اول ، نسبت به راه حل دومي برتري دارد . لازم به ذكر می باشد كه اگر حتي يكي از دو مقادير براي هر دو راه حل مساوي باشند و مقدارديگر كمتر باشد ( بطور مثال هزينه ها براي هر دو راه حل يكسان و براي راه حل اول زمان كمتر باشد ) نيز رضايت بخش مي باشد.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

اگر هيچكدام از راه حل ها بر ديگري غلبه پيدا نكند هر دو راه حل بعنوان معادل در ترتيب پارتو در نظر گرفته مي گردد و رتبه يكسان براي افراديكه بر يكديگر غلبه پيدا نكرده اند شناسايي مي شوند .

رتبه يك فرد در جمعيت (Ranki) به تعداد افراديكه Numlnd dominated)) بر اين فرد غلبه پيدا كرده بستگي خواهد داشت [Fon95]

(8-3)                                                            Rang=1+Numlnd (dominated)

براي همه راه حل هائيكه در طول مدت بهينه كردن بدست آمده و توسط تركيب راه حل‌هاي مختلف از راه حل هاي بهينه پارتو ( مجموعه بهينه پارتو) مربوط به مسئله (‌بهينه‌سازي پارتو) نمي توانند بر اين راه حل ها غلبه كنند رتبه 1 در نظر گرفته مي گردد و غير ممكن می باشد كه در مورد اين راه حل بهينه پارتو، بتوان ملاك يا معياري را، بدون اينكه يك يا چند معيار ديگر از بين برود، را توسعه داد.

2-2-3- دستيابي به هدف يا روش عدم تساويها

وقتي كه از رتبه بندي پارتو ساده در معادله(7-3) بهره گیری نموده وهمة راه حل هاي بهينه پارتو معادل باشند ممكن می باشد بتوان براي تعدادي از مسائل عملي تفكيك بيشتري را در نظر گرفت فرض كنيد در مثال قبل ، بتوان ، براي توليد كالا ، توضيح كاملتري ارائه كرد . هميشه در حالت حداكثري يك راه حل ، هيچ چيز مشخص نمي‌گردد .فرض كنيد هزينه صفر و زمان نامحدود بدست آيد بنابراين هيچ راه حل ديگري نمي تواند كالاهايي در هزينه هاي كمتر را توليد كند . بنابراين ، اگر هيچ راه حلي نتواند غلبه پيدا كند آن راه حل بعنوان راه حل بهينه پارتو در نظر گرفته مي گردد ( شرط اينكه راه حل منحصر به فرد باشد ) حالت حداكثري دومي در اين مثال اين می باشد كه يك كالا را در زمان خيلي كوتاه توليد كند اين هم مخارج بسيار زياد و بنابراين هزينه هاي فوق العاده زيادي را نتيجه خواهد داد . كاملاً واضح می باشد كه هر دو حالت مطلوب نمي باشند اگرچه آنها به راه حل هايي بدون غلبه ( هيچ راه حل ديگري به اين راه حل غلبه پيدا نمي كند ) متعلق مي باشند .

اهدافي بعنوان معيارهاي شخص يا كاربر مي تواند به مقصود مانع اين گونه راه حل هاي مجموعه بهينه پارتو، معرفي گردند كه نتايج نامطلوب را در نظر نگيرد . يك راه حل فقط زماني قابل پذيرش می باشد كه اهداف معيارهاي كاربر را نيز پوشش بدهد . اين فرآيند به روش عدم تساويها« MoI»يا برنامه ريزي هدف اتلاق مي گردد. اهداف فرد بعنوان عدم تساويها از قبل، تعريف مي گردد.

در مثال توليدي ارائه شده ، مي توان يك حد بالا براي هزينه ها و زمان توليد را در نظر گرفت بنابراين هيچ راه حلي قابل قبول نمي باشد . مگر اينكه بطور همزمان با اين دو معيار بيان شده نيز بررسي گرديده باشد .

وقتي اهداف شامل رتبه بندي چند منظوره هستند تا حدودي مقايسه دو راه حل پيچيده تر خواهد بود . فرضيات ذيل ، ايجاد شده می باشد .

(9-3)                                                 

(عملگر«P< قسمتي كمتر » از معادله (7-3) براي تعاريف بعدي نيز بهره گیری خواهد گردید )با در نظر داشتن فرضيات فوق سه حالت مختلف ذيل تشخيص داده مي‌گردد .

  • راه حل (1)، هيچ هدفي را بدست نمي آورد .

(10-3)                                                                         F>Goals ^ Solution1 P<Solution

راه حل (1 )ترجيح داده مي گردد.                                                 è solution1 Preferd

  • راه حل 1، همه اهداف را به دست آورد .

راه حل (1) ترجيح داده مي‌گردد‌.

  • راه 1، بعضي از اهداف را بدست آورد .

راه حل (1) ترجيح داده مي گردد :

رتبه بندي پاراتو از يك بردار اهداف معيارهاي كاربر بهره گیری مي نمايد . بنابراين نسل جديد توسعه يافته ، متوالي و مرتب شده از راه حل ها ، در مقايسه با رتبه بندي ساده را ارائه مي دهد .

بهينه سازي چند منظوره به منظورپيدا كردن يك سري راه حل، بدون غلبه از مجموعه بهينه پارتو مي باشد . اگر چه اين الگوريتم تكاملي نرمال ، در نهايت به يك راه حل منحصر به فرد همگرا خواهد گردید .

اما اين فرآيند ، بعنوان فرآيند شناور ژنتيكي در نظر گرفته مي گردد . به همين مقصود بايد روشهايي ايجاد گردد كه گسترش مطلوب همگرايي جمعيت (‌جلوگيري از همگرايي نابهنگام) را كسب نمايد .

3-2-3- اشتراك

از يك طرف فرآيند شناور ژنتيكي مي تواند بدليل كاربرد اشتراك برازندگي اثر متقابل داشته باشد و از طرف ديگر الگوريتم اثري دارد كه قسمت بزرگتر از راه حل بهينه پارتو را بدست مي آورد .

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

اصل اساسي اين می باشد كه افراد بايد در يك محل خاص، منابع در دسترس را در بين خودشان به اشتراك بگذارند . بنابراين در اين روش افراد بيشتر نزديك يك فردهستند و برازندگي آن كمتر خواهد گردید . در مدت كاربرد ، بايد اندازه آن محلهاي خاص و جاي منابع در هر محل خاص بدست‌آمده باشد .

روشهاي اشتراك برازندگي در بين افراد ديگر در [fon95], [SD94],[HN93] پيشنهاد شده می باشد .

4-2-3- اطلاعات بيشتر در مورد بهينه كردن چند منظوره

در اين قسمت فقط يك معرفي كوتاه از شناسايي برازندگي چند منظوره در زمينه الگوريتم تكاملي ، ارائه مي گردد. مطلوب عملي و نكات خاص بيشتر با در نظر داشتن فرآيندهاي خاص آن به‌[Ve199],[SD94],[HN93],[ZT98],[Fon95],[Hor97] ارجاع داده مي گردد .

همچنين يك منبع كامل از دانش و اطلاعات در مورد بهينه كردن چند منظوره در الگوريتم تكاملي در [Coe99] قابل دسترس مي باشد .

يك منبع كامل علمي در مورد بهينه كردن چند منظوره بصورت عمومي ( نه بطور خاص روي الگورتيم تكاملي) نيز هست . منبع [Mie99] بعنوان يك نقطه شروع خوب توصيه مي گردد .

5-2-3- : برآيند مجموع وزن دار شده يا اسكالر كردن (‌عددي كردن) چند منظوره

وقتي به روشهاي مختلف و قسمتهاي تركيبي مورد بهره گیری براي بهينه كردن چند منظوره توجه مي كنيم نبايد روشهاي كلاسيك براي ادغام چند معيار را فراموش كنيم (‌روش عددي كردن ، تجمع اهداف نيز ، ناميده مي گردد ).

مجموع وزن دار ، شناخته ترين روش می باشد كه براي هر معيار، يك مقدار وزن خالص بكار برده مي گردد يعني اينكه از تركيب خطي همه معيارهاي وزني يك تابع هدف تركيبي Fws بدست مي آيد

(13-3)                                                                        

اين مجموع وزن دار شده بخصوص براي وقتي كه اهميت مختلف از معيار افراد شناخته شده و يا قابل تخمين زدن هستند ، بكار مي طریقه . و بيشتر در كاربردهاي عملي اتفاق مي‌افتد بنابراين اغلب از مجموع وزن دار شده بهره گیری مي گردد .


پاسخ دهید