توسعه و ارزیابی الگوریتم ALNN-GA درعملکرد مدلهای شبیه سازی بهینه سازی چند هدفه

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,138

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM04_363

تاریخ نمایه سازی: 1 تیر 1390

چکیده مقاله:

امروزه الگوریتم های بهینه سازی تکاملی بسیار مورد توجه محققان قرارگرفته اند این الگوریتم ها با انجام شبیه سازی های مکرر به صورت هدفمند به سمت جوابهای بهینه حرکت کرده و جوابهای بهینه را پیدا می کنند یکی از مزایای الگوریتم های تکاملی نسبت به الگوریتم های کلاسیک توانایی حل مسائل چندهدفه است این در حالی است که در برخی مواقع شبیه سازی های مکرر به تعداد دفعات مورد نیاز مقدور نبوده یا به صرف هزینه و وقت بسیار نیاز دارد به همین دلیل دراین پژوهش یک مدل شبیه سازی تحت عنوان شبکه عصبی مصنوعی با یادگیری تطابقی ALNN برای کاهش تعداد شبیه سازی مورد نیاز برای الگوریتم های تکاملی پیشنهاد شده است با استفاده از این مدل شبیه سازی بجای شبیه سازی تمامی جوابهای ازمایشی توسط مدل شبیه ساز اصلی از مدل شبکه عصبی به عنوان مدل شبیه سازی استفاده خواهد شد مدل شبکه عصبی به عنوان مدل جایگزین طی روندن حل فقط در مناطقی از محدوده جواب که لازم است اموزش داده شود و بصورت موازی با روند بهینه سازی آموزش شبکه عصبی نیز بروز رسانی می گردد.

کلیدواژه ها:

نویسندگان

اشکان شکری

دانشجوی کارشناسی ارشد گروه مهندسی آبیاری و آبادانی دانشگاه تهران

امید بزرگ حداد

استادیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Algorithms in Search, Optimization, and Machine Learning, Geneticه Goldberg, D.E., ...
  • of the convergence speed of evolutionary 4Accelerationه [12] Hong, Y.S., ...
  • شریان، م. موسوی، ج. (1387) "ستفاده از مدل جایگزین در ...
  • Stedinger, J.R., Sule, B.F. and Loucks D.P., (1984), "Stochastic dynamic ...
  • Eberhart, R.C. and Kennedy J., (1995), :A new optimizer using ...
  • Holland, J.H., (1975), "Adaptation in Natural and Artificia Systems", University ...
  • Zhang, X., Julstrom, X. and Cheng, W., (1997). "Design of ...
  • Chen, J.H., Goldberg, D., Ho, S.Y. and Sastry, K., (2002). ...
  • Salami, M. ad Hendtlass, T., (2003). _ fast evaluation strategy ...
  • Ducheyne, E., Baets B.D. and deWulf, R., (2003). :Is fitness ...
  • Akbarzadeh, MR., Davarynejad, M. and Pariz, N., (2008). "Adaptive fuzzy ...
  • an adaptive Surrogate- assisted genetic algorithm.:, :ASAGA:ه [10] Shi, L. ...
  • Jin, Y., Olhofer, M. and Sendhoff, B., (2002). :A Framework ...
  • Won, K.S., Ray, T. and Tai, K., (2003). _ framework ...
  • Yan, S. and Minsker, B., (2006). "Optimal groundwater remediation desing ...
  • Deb, k., (2001).، Multi- objective optimization using evolutionary algorithms", Chichester, ...
  • Veldhuizen, D.V., (1999). "Muliobjective evolutionary algorithms: Classifications, analyses, and mew ...
  • Schott, J.R., (1995). "Fault Tolerant Design Using Single and MultiCriteria ...
  • Zitler, E. and Thiele, L, (1998). _ evolutionary algorithm for ...
  • نمایش کامل مراجع