کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6855383 | 1437613 | 2018 | 40 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A flexible programming approach based on intuitionistic fuzzy optimization and geometric programming for solving multi-objective nonlinear programming problems
ترجمه فارسی عنوان
یک رویکرد برنامه نویسی انعطاف پذیر مبتنی بر بهینه سازی فازی شهودی و برنامه نویسی هندسی برای حل مسائل برنامه نویسی چند هدفه برنامه نویسی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
چند هدفه برنامه نویسی غیر خطی، برنامه نویسی هندسی بهینه سازی فازی متحرک، تصمیم گیری تعاملی،
ترجمه چکیده
در این مقاله روش پیشنهادی برای حمایت از فرایند حل مسائل برنامه نویسی چند هدفه برنامه ریزی شده با محدودیت های شدید یا انعطاف پذیر ارائه شده است. این روش فرض می کند که مشکلات عملی در قالب مشکلات برنامه نویسی هندسی بیان می شود. یکپارچه سازی مفهوم مجموعه های فازی شهودی در روش حل، یک ساختار غنی ارائه می شود که می تواند شامل عدم قطعیت اجتناب ناپذیر در مدل با اهداف و محدودیت های مختلف باشد. یکی دیگر از ویژگی های مهم روش پیشنهادی این است که آن را به طور مداوم با تصمیم گیرنده تعامل می کند. بنابراین، تصمیم گیرنده می تواند در مورد مشکل یاد بگیرد، در نتیجه یک راه حل مصالحه رضایت خود را می تواند ترجیحات می تواند به دست آمده است. علاوه بر این، یک روش برنامه ریزی هندسی جدید دو مرحله ای برای تعیین راه حل های سازش بهینه پارتو برای مشکلات تعریف شده در مراحل مختلف تکرار معرفی شده است. استفاده از اپراتور جبرانی هندوانه هندسی وزنی، اولین گام تمرکز بر یافتن یک راه حل مصالح فازی مؤثر است. در مواردی که یک یا چند اهداف فازی شهودی به طور کامل به دست می آیند، یک مدل برنامه ریزی هندسی دوم برای بهبود راه حل سازش به وجود آمده است. در غیر این صورت، نتیجه گیری می شود که بردارهای حاصل از محلول به طور همزمان هر دو شرایط بازده فازی شهودی و پارتیو مطلوب را برآورده می کنند. مدل هایی که روش پیشنهادی پیشنهاد شده را به طرزی طراحی می کنند به گونه ای طراحی شده اند که جنبه قطعی مشکل تعریف نشده است. این مسئله هنگام حل مسائل برنامه نویسی غیر خطی اهمیت زیادی دارد. یک مثال عددی از چند هدفه ی برنامه نویسی غیر خطی نیز برای درک بهتر روش پیشنهادی پیشنهاد شده استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
In this paper, a novel method is proposed to support the process of solving multi-objective nonlinear programming problems subject to strict or flexible constraints. This method assumes that the practical problems are expressed in the form of geometric programming problems. Integrating the concept of intuitionistic fuzzy sets into the solving procedure, a rich structure is provided which can include the inevitable uncertainties into the model regarding different objectives and constraints. Another important feature of the proposed method is that it continuously interacts with the decision maker. Thus, the decision maker could learn about the problem, thereby a compromise solution satisfying his/hers preferences could be obtained. Further, a new two-step geometric programming approach is introduced to determine Pareto-optimal compromise solutions for the problems defined during different iterative steps. Employing the compensatory operator of “weighted geometric mean”, the first step concentrates on finding an intuitionistic fuzzy efficient compromise solution. In the cases where one or more intuitionistic fuzzy objectives are fully achieved, a second geometric programming model is developed to improve the resulting compromise solution. Otherwise, it is concluded that the resulting solution vectors simultaneously satisfy both of the conditions of intuitionistic fuzzy efficiency and Pareto-optimality. The models forming the proposed solving method are developed in a way such that, the posynomiality of the defined problem is not affected. This property is of great importance when solving nonlinear programming problems. A numerical example of multi-objective nonlinear programming problem is also used to provide a better understanding of the proposed solving method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 93, 1 March 2018, Pages 245-256
Journal: Expert Systems with Applications - Volume 93, 1 March 2018, Pages 245-256
نویسندگان
E. Jafarian, J. Razmi, M.F. Baki,