کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4959178 1445469 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A population-based algorithm for solving linear assignment problems with two objectives
ترجمه فارسی عنوان
یک الگوریتم مبتنی بر جمعیت برای حل مشکلات تخصیص خطی با دو هدف
ترجمه چکیده
این مقاله الگوریتم مبتنی بر جمعیت را برای محاسبه تقریبی راه حل کارآمد برای مسئله تخصیص خطی با دو هدف ارائه می دهد. این متاگیریست چند منظوره مبتنی بر استفاده شدید از سه اپراتور است - یک جستجو محلی، یک متقاطع و مسیریابی مجدد - انجام شده بر روی یک جمعیت که تنها از راه حل های نخبگان تشکیل شده است. جمعیت اولیه مجموعه ای از راه حل های امکان پذیر است، که در آن هر راه حل یک توافق مطلوب برای مجموع وزن مناسب دو هدف است. اطلاعات ژنتیکی از راه حل نخبگان مشتق شده است، و میراث مفید ژنتیکی را به وسیله اپراتورهای متقاطع مورد بهره برداری قرار می دهد. یک مجموعه بالایی که در فضای هدف تعریف شده است، یک حد قابل قبول برای انجام جستجوی محلی را فراهم می کند. نتایج گزارش شده با استفاده از داده های ارجاعی داده شده نشان داده است که اکتشافی قادر است به سرعت یک تقریب بسیار خوبی از مرز کارآمد را پیدا کند، حتی در شرایط ناهمگونی توابع هدف. علاوه بر این، این اکتشافی دارای دو مزیت عمده است. این بر اساس اصول ساده و آسان برای پیاده سازی است و نیازی به مرحله تنظیم پارامتر ندارد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
The paper presents a population-based algorithm for computing approximations of the efficient solution set for the linear assignment problem with two objectives. This is a multiobjective metaheuristic based on the intensive use of three operators - a local search, a crossover and a path-relinking - performed on a population composed only of elite solutions. The initial population is a set of feasible solutions, where each solution is one optimal assignment for an appropriate weighted sum of two objectives. Genetic information is derived from the elite solutions, providing a useful genetic heritage to be exploited by crossover operators. An upper bound set, defined in the objective space, provides one acceptable limit for performing a local search. Results reported using referenced data sets have shown that the heuristic is able to quickly find a very good approximation of the efficient frontier, even in situation of heterogeneity of objective functions. In addition, this heuristic has two main advantages. It is based on simple easy-to-implement principles, and it does not need a parameter tuning phase.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 79, March 2017, Pages 291-303
نویسندگان
, , ,