فرااکتشافات در بهینه سازی ترکیبی
الگوریتمهای فرااکتشافی
بهینه سازی ترکیبی
مسایل بهینه سازی
دانلود مقاله ترجمه شده فرااکتشافات در بهینه سازی ترکیبی
دانلود مقالات ترجمه شده مهندسی کامپیوتر
دانلود مقالات ترجمه شده کامپیوتر
دانلود مقالات ترجمه شده مهندسی نرم افزار
دانلود مقاله ترجمه شده مهندسی کامپیوتر
فرااکتشافات در بهینه سازی ترکیبی
مرور و مقایسه مفهومی
مقدمه:
بسیاری از مسایل بهینه سازی عملی و نظری، شامل جستجوی بهترین پیکربندی برای مجموعه¬ای از متغیرها برای رسیدن به هدفهاست. آنها به طور طبیعی، به دو مقوله تقسیم می شوند: مسائلی که راه حل آنها با متغیرهای دارای مقادیر حقیقی کدگذاری شده و آنهایی که با متغیرهای گسسته کدگذاری شده-اند. در میان دسته دوم، کلاسی از مسائل به نام مسائل بهینه سازی ترکیبی (CO) وجود دارد. در مسائل بهینه سازی ترکیبی، ما در یک مجموعه متناهی یا نامتناهی¬شمارا به دنبال یک شئ می گردیم، مانند یک عدد صحیح، زیر مجموعه، جایگشت یا ساختار گراف.
Metaheuristics in Combinatorial Optimization:
Overview and Conceptual Comparison
Many optimization problems of practical as well as theoretical importance consist of the search for a “best” configuration of a set of variables to achieve some goals. They seem to divide naturally into two categories: those where solutions are encoded with real-valued variables, and those where solutions are encoded with discrete variables. Among the latter ones we find a class of problems called Combinatorial Optimization (CO) problems. According to Papadimitriou and Steiglitz [1982], in CO problems, we are looking for an object from a finite—or possibly countably infinite—set. This object is typically an integer number, a subset, a permutation, or a graph structure.
فهرست مطالب
فرااکتشافات در بهینه سازی ترکیبی 1
5. فرااکتشافات در بهینه سازی ترکیبی 2
5. 1 . تعاریف اولیه 3
5. 2. طبقه بندی فرااکتشافات 9
5. 3. روشهای خط سیر 11
5. 3. 1. جستجوی محلی پایه: بهبود تکراری 12
شکل 2 – الگوریتم بهبود تکراری 13
5 .3 . 2. آنیلینگ شبیه سازی شده 13
شکل 3- الگوریتم : آنیلینگ شبیه سازی شده 14
5 .3 . 3. جستجوی ممنوع 16
5 .3 . 4 . روشهای جستجوی محلی کاوشگرانه 18
5 .3 . 4 . 1 . GRASP 19
5 .3 . 4 . 2 . جستجوی همسایگی متغیر 20
5 .3 . 4 . 3 . جستجوی محلی هدایت شده 21
شکل 4 – ایدهء GLS پایه: گریز از دره های چشم انداز با افزایش مقدار تابع هدف در این راه حلها 21
5 .3 . 4 . 4. جستجوی محلی تکراری (ILS) 22
5 .4. روشهای مبنی بر جمعیت 24
5 .4 . 1 . محاسبه تکاملی 24
شکل 5- یک مرحلهء دلخواه از ILS : کمینه محلی ŝ دچار آشفتگی شده، سپس LS اعمال گشته و کمینه محلی جدید یافت میشود. 25
شکل 6- الگوریتم : محاسبه تکاملی(EC) 26
5 .4 . 1 . 1 .جستجوی پخشی و اتصال مجدد مسیر 29
شکل 7- الگوریتم: جستجوی پخشی و اتصال مجدد مسیر 30
5 .4 . 2 . بهینه سازی گروه مورچه ها (ACO) 31
5 .5. دیدگاه متمرکزسازی و متنوع سازی 33
5 .5 . 1 . متمرکزسازی و متنوع سازی 34
5 .5 . 2 .کنترل استراتژیک متمرکزسازی و متنوع سازی 35
5 .5 . 3 .ترکیب فرااکتشافات 37
مرجع 42
