این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Global Analysis and Discrete Mathematics، جلد ۴، شماره ۱، صفحات ۴۱-۶۰
عنوان فارسی جوابهای بهینه پارتو برای مسایل کنترل بهینه چندهدفه با استفاده از الگوریتم تلفیقی علف هرز و تجمع ذرات
چکیده فارسی مقاله روشهای بهینه سازی اکتشافی به دلیل توانایی آنها برای ایجاد مجموعه‌ای از جوابهای چیره نشده توزیع شده در مرز پارتو یک رویکرد قوی و کارآمد برای استخراج جوابهای تقریبی مسایل چند هدفه می‌باشد. نرخ همگرایی و پراکندگی مناسب جوابها از مهمترین ویژگی الگوریتم های تکاملی چند هدفه می‌باشد. هدف این مقاله ارائه یک روش تلفیقی با ترکیب دو روش بهینه سازی اکتشافی، بهینه سازی علف‌های هرز (IWO) و بهینه سازی ازدحام ذرات (PSO) برای یافتن جوابهای تقریبی مسایل کنترل بهینه چند هدفه (MOCP) می‌باشد. در روش پیشنهادی، فرآیند پراکندگی در روش بهینه سازی علف‌های هرز چند هدفه (MOIWO) اصلاح شده است. این اصلاح باعث افزایش قدرت اکتشاف علف‌های هرز شده و فضای جستجو را به تدریج در طول روند تکرار کاهش می‌دهد. بنابراین، نرخ همگرایی و پراکندگی جوابها در امتداد مرز پارتو بهتر می‌شود. در نهایت، توانایی الگوریتم پیشنهاد شده با الگوریتم های معمول NSGA-II و NSIWO با استفاده از چهار MOCP کاربردی مقایسه شده است. نتایج نشان می‌دهد که الگوریتم پیشنهاد شده از لحاظ زمان محاسباتی، همگرایی و پراکندگی عملکرد بهتری از دیگر روشها دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Pareto-optimal Solutions for Multi-objective Optimal Control Problems using Hybrid IWO/PSO Algorithm
چکیده انگلیسی مقاله Heuristic optimization provides a robust and efficient approach for extracting approximate solutions of multi-objective problems because of their capability to evolve a set of non-dominated solutions distributed along the Pareto frontier. The convergence rate and suitable diversity of solutions are of great importance for multi-objective evolutionary algorithms. The focus of this paper is on a hybrid method combining two heuristic optimization techniques, Invasive Weed Optimization (IWO) and Particle Swarm Optimization (PSO), to find approximate solutions for multi-objective optimal control problems (MOCPs). In the proposed method, the process of dispersal has been modified in the MOIWO. This modification will increase the exploration power of the weeds and reduces the search space gradually during the iteration process. Thus, the convergence rate and diversity of solutions along the Pareto frontier have been promote. Finally, the ability of the proposed algorithm is evaluated and compared with conventional NSGA-II and NSIWO algorithms using three practical MOCPs. The results show that the proposed algorithm has better performance than others in terms of computing time, convergence and diversity.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله Gholam Hosein Askari Robati |
Department of Mathematics, Payame Noor University, P.O.Box 19395-3697, Tehran, Iran

Akbar Hashemi Borzabadi |
School of Mathematics and Computer Science, Damghan University, Damghan, Iran

Aghileh Heydari |
Department of Mathematics, Payame Noor University, Tehran, Iran

نشانی اینترنتی http://gadm.du.ac.ir/article_157_a58d415319be498fdbd8c6f7ace604b0.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/2246/article-2246-2199278.pdf
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات