کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4943400 1437632 2017 33 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multi-objective optimization: A method for selecting the optimal solution from Pareto non-inferior solutions
ترجمه فارسی عنوان
بهینه سازی چند هدفه: یک روش برای انتخاب راه حل بهینه از راه حل های ناپایدار پارتو
کلمات کلیدی
بهینه سازی چند هدفه، راه حل مطلوب پارتو، عملکرد-قیمت نسبت، میانگین تنوع نسبت حساس،
ترجمه چکیده
بر اساس مفهوم نسبت قیمت به عملکرد، ما یک روش کمی برای حل مشکلات بهینه سازی چند منظوره پیشنهاد می کنیم. فرضیه جدیدی در این مقاله مطرح شده است: قوانین بازار که به دنبال یک محصول با عملکرد بالاتری با قیمت پایین هستند، برای مقایسه و انتخاب راه حل های ناپایدار پارتو استفاده می شود. پس از دقت بررسی توزیع جبهه پارتو، متوجه می شویم که توزیع به طور یکنواخت افزایش یا کاهش می یابد. این بدان معنی است که تنوع متغیر در جبهه پارتو وجود دارد و رشته های ذاتی جدید را می توان یافت. براساس این کشف، از نسبت قیمت-عملکرد به عنوان مرجع برای ایجاد تغییرات متوسط ​​استفاده می کنیم که مجددا راه حل های غیر زیرین مطابق با مقادیر عملکرد هدف هستند. سپس، حساسیت نسبت به نسبت عملکرد-قیمت به دست می آید و یک روش کمی برای ارزیابی راه حل های ناپایدار پارتو طراحی شده است. دو دستاورد مهم مشتق شده است: (1) بر اساس حساسیت نسبت، یک زیر مجموعه جدید از مجموعه راه حل ناپایدار پارتو مطابق با رابطه سلطه شکل گرفته است. تعدادی از راه حل های ناپایدار پارتو کاهش می یابد، و درجه تعادلی مربوط به هر راه حل ناپایدار پارتو برای اهداف مختلف بدست می آید. بنابراین، تصمیم گیرندگان مناسب برای تصمیم گیری های ناپروتر پارتو بر اساس اولویت هایشان مناسب است. (2) در زیر مجموعه های جدیدی از راه حل های ناپایدار پارتو، راه حل که مربوط به حداقل اختلاف ارزش مطلق نسبت حساسیت برای اهداف مختلف بهینه سازی است، به عنوان یک راه حل بی طرف و مناسب تعریف شده است. بر این اساس، ما بهینه سازی می کنیم که برای هر هدف قابل قبول است. در نهایت، روش با مثال عددی نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
بهینه سازی چند هدفه: یک روش برای انتخاب راه حل بهینه از راه حل های ناپایدار پارتو
چکیده انگلیسی
Based on the concept of performance-price ratio, we propose a quantitative method to solve multi-objective optimization problems. A new hypothesis is established in this paper: market rules that seek a higher-performing product with a lower price are used to compare and select Pareto non-inferior solutions. After carefully observing the distribution of the Pareto front, we find that the distribution is monotonically increasing or decreasing. This means that different variability exists in the Pareto front and that new inherent disciplines can be found. Based on this discovery, we use the performance-price ratio as a reference to construct the average variability that adjacent non-inferior solutions correspond to the objective function values. Then, the sensitivity ratio that is similar to the performance-price ratio is obtained, and a quantitative method is developed to evaluate Pareto non-inferior solutions. Two important achievements are derived: (1) based on the sensitivity ratio, a new subset of the Pareto non-inferior solution set is formed in accordance with the dominance relationship. The number of Pareto non-inferior solutions is reduced, and the bias degree corresponding to every Pareto non-inferior solution is obtained for different objectives. Thus, it is convenient for decision makers to select Pareto non-inferior solutions based on their preferences. (2) In the new subset of Pareto non-inferior solutions, the solution that corresponds to the minimal absolute value difference of the sensitivity ratio for different optimization objectives is defined as an unbiased and good solution. Accordingly, we obtain the optimal solution that is acceptable for every objective. Finally, the method is illustrated with a numerical example.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 74, 15 May 2017, Pages 96-104
نویسندگان
, , , ,