الگوريتم ژنتيك (GA)

[ravegoat]

سلام.خستاه نباشيد..
با تشكر از سايت خوبتون ميخواستم خواهش كنم در مورد الگوريتم ژنتيك چند هدفي و NSGA و SPEA و نمودارهاي PDF و CDF بيشتر توضيح بدين..22 خرداد امتحان دارم...اكه ميتونين واسم ميل كنين..با تشكر
porebrahimisadegh@<a href="http://ww...>Gmail</a>.com

سلام!
عضویت تون رو در شهر سخت افزار تبریک می گم. برای مشاهده این لینک/عکس می بایست عضو شوید ! برای عضویت اینجا کلیک کنید

الگوریتم ژنتیک چند هدفی (MOGA) بهینه سازی یه مسئله با الگوریتم ژنتیک هستش که در اون بیش از یک تابع هدف (Cost Function) وجود داشته باشه؛ فرضا" یه سازه رو چه جوری بهینه کنیم که هم جرم مناسبی داشته و هم مقاومت مناسبی. در این صورت بهینه کردن جرم و مقاومت به عنوان دو تابع هدف در تزاحم، یه بهینه سازی چند هدفی به حساب میاد. غالبا" در MOGA از مفهومی به نام Pareto جهت شناسایی نقاط بهینه ی طراحی استفاده میشه.

NSGA نسخه ای از الگوریتم ژنتیک برای بهینه سازی مسائلی با دو تابع هدف هستش. نسخه ی اولیه ی این الگوریتم سال 2002 توسط Deb ارایه شد و بعدا" نسخه ی بهبود یافته ی اون تحت عنوان NSGA-II توسط ایشون مطرح شد. در NSGA-II توسط مفهومی به نام معیار شلوغی، نقاط طراحی در جبهه ها (Pareto Front) انتخاب میشن به طوری که نفاط نزدیک به هم حذف و نقاط تنها به نسل بعد منتقل میشن. مفهوم معیار شلوغی تنها در فضای دو بعدی قابل تصوره. این الگوریتم پاسخ های بهتری رو نسبت به الگوریتم های هم رده ی خودش ارایه میده. برای اطلاعات بیش تر

SPEA نسخه ای از الگوریتم ژنتیک برای بهینه سازی مسائلی با بیش از یک تابع هدف هستش. در این الگوریتم با مفهومی به نام فضای غالب (قابل تعریف در هر فضای n بعدی) نقاط طراحی در جبهه ها انتخاب میشن. برای اطلاعات بیش تر

PDF یا تابع چگالی احتمالات نحوه ی توزیع احتمالاتی مقادیر یه متغیر رو بیان می کنه. فرضا" این تابع میگه اگه شما برید بازار و یه میله ی یک متری بخرید چقدر احتمال داره که این میله دقیقا" یک متر باشه و چقدر احتمال داره که این میله یک متر و دو سانتی متر باشه. برای اطلاعات بیش تر

CDF یا تابع توزیع تجمعی انتگرال زیر سطح PDF هستش. طبق مثال این تابع بهتون میگه میله ی یک متری که شما خریدید چقدر احتمال داره که طولش از یک متر و دو سانتی متر بیش تر باشه و یا چقدر احتمال داره که طول از یک متر کم تر باشه. برای اطلاعات بیش تر

لازم به ذکره که PDF و CDF دو تابع پرکاربرد در الگوریتم های بهینه سازی مقاوم (Robust) نظیر RDO یا RBDO محسوب میشن که نمونه ای از سورس متلب این نوع بهینه سازی ها از این پیوند قابل دریافته.

موفق باشید
آرمین

[ravegoat]

در دو مقاله ی پیوست شده معیار هایی جهت تعیین تعداد نسل ها در الگوریتم ژنتیک و به عبارتی شرط توقف الگوریتم بهینه سازی ارایه شده است. این معیار ها با در نظر گرفتن پارامتر های مساله بهینه سازی تک هدفه و یا چند هدفه، کم ترین تعداد تکرار الگوریتم جهت همگرایی آن ارایه می کنند.