دانلود مقالات ISI درباره بهینه سازی چندمنظوره + ترجمه فارسی

بهینه سازی چندمنظوره(به انگلیسی: Multiobjective optimization) در خیلی از طراحی موقعیت های حقیقی چندین ضابطه مختلف وجود دارد که ما می خواهیم آنها را بهینه سازی کنیم و این ضوابط اغلب در تضاد با یکدیگر هستند. به طور رایج، چندین موقعیت بهینه سازی چند ضابطه ای دستی وجود دارند در یک راهی که بدین منظور است موقعی که برخوردهای ضابطه ای مختلف به طور هنرمندانه ای در یک واحد ترکیبی هدف دار یعنی که در آن هنگام بهینه سازی شده است ترکیب شده اند. استفاده غیر طبیعی که به منظور این ابزارهای است به طور واضح بهترین راه برای توصیف یک جنبه طبیعی از استدلال انسان نیست. منطق پیشرفته یک مقدار زیادی از روش طبیعی مسائل بهینه سازی چند ضابطه ای دستی را توصیف می کند. موقعی که ما نمی توانیم همه تضادهای ضابطه ای را به طور %100 بیشینه کنیم، هر کدام را به یک اندازه مشخص که امکان دارد بهینه می کنیم. در بسیاری از کاربردها، تابع هزینه دارای چندین هدف است که اغلب از لحاظ زمانی با یکدیگر در تعارضند. بیائید به مثالی از یک مسئله‌ی بهینه‌سازی چند منظوره نگاهی بیاندازیم. فرض کنید یک زوج در حال جستجوی یک مکان ایده‌آل برای زندگی هستند. یکی از آن‌ها اهل تهران و دیگری اهل اصفهان است؛ بنابراین، آن‌ها دارای نظرات نسبتا متفاوتی راجع به ایده‌آل بودن هستند. دو تابع هزینه به طور تقریبی برای آنها تعریف می شود. واضح است که این زوج با یکدیگر اختلاف نظر دارند. آن‌ها توافق معقولانه‌ای بر روی هزینه‌ی زندگی داشته اما در مورد متغیرهای دیگر نظرات بسیار متفاوتی دارند. اهمیتی که هر کدام از آن‌ها برای هر متغیر قائل‌اند، به وسیله‌ی اندازه و علامت توان متغیر نشان داده می شود. هیچ بهترین راه‌حل یکتایی برای دو تابع این زوج وجود ندارد. رسم نمودار بر حسب برای مقادیر مختلف منجر به شکل زیر می‌شود. نقطه‌ای که حداقل هر تابع مستقل است (min{ }،min{ )، در خارج از ناحیه امکان‌پذیر و عملی در نمودار قرار دارد. مجموعه‌ی نقاطی که پایین ناحیه‌ی عملی را محدود می‌کند، به عنوان نمای پارتو شناخته می‌شود. یک خط نقاط روی نمای پارتو را در شکل زیر به هم وصل می‌کند. در دو زیربخش بعدی، در مورد دو روش برای MOO بحث خواهیم کرد: توابع هزینه‌ی وزن‌دهی شده و یافتن نمای پارتو.