سیدحمیدرضا پسندیده - دانشکده مهندسی صنایع و مکانیک، واحد قزوین، دانشگاه آزاد اسلامی قزو
سیدمهدی اطیابی - دانشکده مهندسی صنایع و مکانیک واحد قزوین

این پژوهش به روش جدیدی برای حل مسائل بهینه سازی آماری چند پاسخه می پردازد. روش های معمول بهینه سازی اغلب با تخمین رابطه بین متغیر پاسخ با متغیر های کنترلی آغاز می شوند. در بعضی موارد ارتباط بین متغیر پاسخ با عامل های کنترلی آنقدر پیچیده است که نمی توان با مدل های رگرسیون چند جمله ای به تخمین مناسبی از آن دست یافت. رویکرد جایگزین ارائه شده در این پژوهش، استفاده از شبکه عصبی مصنوعی برای تخمین توابع پاسخ است. روش دسترسی به مقصد مسئول مدل کردن مسئله آماری چند پاسخه است، رویکرد شبکه عصبی داده های ورودی مورد نیاز را تولید می کند و نهایتا الگوریتم ژنتیک سعی می کند مدل را بهینه کند. به علاوه عملکرد رویکرد شبکه عصبی بر روی یک مثال عددی مرتبط با پالایش نفت بررسی می شود و نتایج گزارش می شوند.

بهینه سازی مسائل چندپاسخه، مدلسازی پالایش، الگوریتم ژنتیک، روش دسترسی به مقصد، شبکه های عصبی مصنوعی