کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4959520 1445950 2017 22 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Increasing the efficiency in integer simulation optimization: Reducing the search space through data envelopment analysis and orthogonal arrays
ترجمه فارسی عنوان
افزایش بهره وری در بهینه سازی شبیه سازی عددی: کاهش فضای جستجو با استفاده از تجزیه و تحلیل پوشش داده ها و آرایه های متعامد
کلمات کلیدی
تحلیل پوششی داده ها، شبیه سازی، بهینه سازی شبیه سازی صحیح، فوق العاده بهره وری،
ترجمه چکیده
توسعه اکتشافی های مختلف بهینه سازی شده را در محیط های شبیه سازی فراهم کرده است. با این وجود، این محدوده تحقیق هنوز تحت بررسی نیست، در درجه اول با توجه به زمان لازم برای همگرایی این اکتشافی. به این معنا، بهینه سازی شبیه سازی تحت تأثیر پیچیدگی مدل شبیه سازی، تعداد متغیرها و دامنه تغییرات آن قرار می گیرد. در این زمینه، این مقاله پیشنهاد می دهد که یک روش قادر به شناسایی بهترین محدوده برای هر متغیر تصمیمی عددی در یک مسئله بهینه سازی شبیه سازی باشد، در نتیجه کاهش هزینه های محاسباتی بدون از دست دادن کیفیت در پاسخ را فراهم می کند. روش پیشنهادی شامل تکنیک های طراحی تجربی، شبیه سازی رویداد گسسته و تجزیه و تحلیل پوشش داده می باشد. طرح های تجربی به نام آرایه های مستطیلی برای تولید سناریوهای ورودی برای شبیه سازی استفاده می شوند و در مدل تحلیل تحلیلی داده ها با بازده متغیر در مقیاس برای رتبه بندی سناریوهای ورودی، تحلیل فوق العاده کارایی مورد استفاده قرار می گیرد. استفاده از مفهوم فوق العاده بهره وری را قادر می سازد تا کارآمد ترین سناریو های ورودی را تشخیص دهد، که اجازه می دهد تا رتبه بندی تمام سناریوهای آرایه متعامد استفاده شود. مقادیر متغیرهای دو سناریوی ورودی که بالاترین مقدار فوق العاده کارایی را ارائه می دهند، به عنوان محدوده جدیدی از مشکل بهینه سازی مورد استفاده قرار می گیرند. برای نشان دادن استفاده از این روش و مزایا، آن را به موارد واقعی مرتبط با مشکلات بهینه سازی شبیه سازی عددی اعمال می شود. بر اساس نتایج، اثربخشی این رویکرد تأیید شده است زیرا باعث کاهش قابل ملاحظه در فضای جستجو و در زمان محاسباتی مورد نیاز برای به دست آوردن یک راه حل بدون تأثیر بر کیفیت است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
افزایش بهره وری در بهینه سازی شبیه سازی عددی: کاهش فضای جستجو با استفاده از تجزیه و تحلیل پوشش داده ها و آرایه های متعامد
چکیده انگلیسی
The development of various heuristics has enabled optimization in simulation environments. Nevertheless, this research area remains underexplored, primarily with respect to the time required for convergence of these heuristics. In this sense, simulation optimization is influenced by the complexity of the simulation model, the number of variables, and by their ranges of variation. Within this context, this paper proposes a method capable of identifying the best ranges for each integer decision variable within the simulation optimization problem, thereby providing a reduction in computational cost without loss of the quality in the response. The proposed method combines experimental design techniques, Discrete Event Simulation, and Data Envelopment Analysis. The experimental designs called orthogonal arrays are used to generate the input scenarios to be simulated, and super-efficiency analysis is applied in a Data Envelopment Analysis model with variable returns to scale to rank the input scenarios. The use of the super-efficiency concept enables to distinguish the most efficient input scenarios, which allows for the ranking of all the orthogonal array scenarios used. The values of the variables of the two input scenarios that present the highest values of super-efficiency are adopted as the new range of the optimization problem. To illustrate this method's use and advantages, it was applied to real cases associated with integer simulation optimization problems. Based on the results, the effectiveness of this approach is verified because it delivered considerable reductions in the search space and in the computational time required to obtain a solution without affecting the quality.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 262, Issue 2, 16 October 2017, Pages 673-681
نویسندگان
, , , ,