مشخصات مقاله:
عنوان فارسی مقاله:
روش FGP برای حل جزء به جزء مسائل تصمیم گیری چند هدفه با استفاده از GA با انتخاب تورنومنت (رقابتی) و نقطه تقاطع ریاضی
عنوان انگلیسی مقاله:
FGP Approach for Solving Fractional Multiobjective Decision Making Problems using GA with Tournament Selection and Arithmetic Crossover
مناسب برای رشته های دانشگاهی زیر:
مهندسی صنایع و کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
برنامه ریزی و تحلیل سیستم ها، بهینه سازی سیستم ها، مهندسی الگوریتم ها و محاسبات و رایانش ابری
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
2- فرمول بندی مسأله
3- طرح GA برای مسائل MOFP
4- فرمول بندی مدل FGP
4-1- خصوصیات تابع عضویت
4-2- حداقل مجموع مدل FGP
5- مثال عددی
6- نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
This article presents an effective genetic algorithm (GA) based fuzzy goal programming (FGP) for modelling and solving multiobjective decision making (MODM) problems with fractional criteria. In the proposed approach, GA, inspired by the natural selection and population genetics, is introduced first for searching of solutions at different stages and thereby solving the problem. In the proposed GA scheme, tournament selection scheme, arithmetic crossover and uniform mutation are adopted to search a satisfactory solution in complex decision making environment. To illustrate the potential use of the approach, a numerical example is solved and compared with the solutions obtained in previous study.
چکیده
این مقاله یک الگوریتم ژنتیک مؤثر (GA) مبتنی بر برنامه نویسی آرمانی فازی (FGP) برای مدلسازی و حل مسائل تصمیم گیری چند هدفه (MODM) با معیارهای کسری را ارائه می دهد. در روش پیشنهادی، GA، با الهام از انتخاب طبیعی و ژنتیک های جمعیت، در ابتدا برای جستجوی راه حل ها در مراحل مختلف معرفی می شود و در نتیجه مسأله را حل می نماید. در طرح GA پیشنهادی، طرح انتخاب تورنومنت، نقطه تقاطع ریاضی و جهش یکنواخت برای جستجوی یک راه حل رضایت بخش در محیط تصمیم گیری پیچیده اتخاذ شده است. برای نشان دادن پتانسیل استفاده از این رویکرد، یک مثال عددی حل شده است و با راه حل های به دست آمده در مطالعات قبلی مورد مقایسه قرار گرفته است.