فرادرس

مسائل بهینه سازی از نظر تعداد توابع هدف و معیارهای بهینه سازی، به دو نوع تقسیم پذیر هستند: (1) مسائل بهینه سازی تک هدفه و (2) مسائل بهینه سازی چند هدفه. در مسائل بهینه سازی تک هدفه، هدف از حل مسأله بهبود یک شاخص عملکرد (Performance Index) یگانه است که مقدار کمینه یا بیشینه آن، کیفیت پاسخ به دست آمده را به طور کامل منعکس می کند. اما در برخی موارد، نمی توان صرفا با اتکا به یک شاخص، یک پاسخ فرضی برای مسأله بهینه سازی را امتیازدهی نمود. در این نوع مسائل، ناگزیریم که چندین تابع هدف یا شاخص عملکرد را تعریف نماییم و به طور همزمان، مقدار همه آن ها را بهینه کنیم. بهینه سازی چند هدفه، یکی از زمینه های بسیار فعال و پرکاربرد تحقیقاتی در میان مباحث بهینه سازی است. غالبا بهینه سازی چند هدفه (یا Multi-obje...

«الگوریتم تکاملی چند هدفه مبتنی بر تجزیه» یا Multiobjective Evolutionary Algorithm based on Decomposition (به اختصار MOEA/D)، یکی از جدیدترین الگوریتم های بهینه سازی تکاملی چندهدفه است، که دارای ماهیتی کاملا متفاوت با سایر الگوریتم های تکاملی چندهدفه ای است که پیش از آن معرفی شده اند. در ساختار این الگوریتم، مسأله بهینه سازی چندهدفه به چندین زیر مسأله تک هدفه تجزیه می شود و همه این زیر مسائل، به صورت یکجا حل می شوند. اما حل این زیر مسائل، که توسط اعضای یک جمعیت و به صورت موازی انجام می شود، به صورت تعاملی پیش می رود و با استفاده از مولفه های رقابتی (Competitive) و همکاری (Cooperative) که در ساختار الگوریتم گنجانده شده است، تکامل راه حل های پیشنهادی، به مرور انجام می شود. در «فیلم آموزشی جامع...