کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6865223 1439555 2018 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Artificial neural networks used in optimization problems
ترجمه فارسی عنوان
شبکه های عصبی مصنوعی مورد استفاده در مشکلات بهینه سازی
کلمات کلیدی
شبکه های عصبی، مشکلات بهینه سازی بهینه سازی غیر خطی،
ترجمه چکیده
مشکلات بهینه سازی اغلب نیاز به استفاده از روش های بهینه سازی دارند که اجازه می دهد به حداقل رساندن یا به حداکثر رساندن توابع هدف خاص. گاهی اوقات، مشکلات که باید بهینه سازی شوند، خطی یا چندجملهای نیستند؛ آنها نمی توانند دقیقا حل و فصل شوند، و باید تقریب آمیز باشند. در این موارد ضروری است که اوریسایت ها را که می توانند این گونه مشکلات را حل کنند، اعمال کنند. برخی از الگوریتمها محدودیت ها و توابع هدف را در یک نقطه خاص از فضا با استفاده از مشتقات و مشتقات جزئی برای برخی موارد خطیر می کنند، در حالی که در سایر موارد الگوریتم های تکاملی برای تقریبی راه حل استفاده می شوند. این کار پیشنهاد استفاده از شبکه های عصبی مصنوعی را برای تقریب تابع هدف در مشکلات بهینه سازی ارائه می دهد تا امکان استفاده از تکنیک های دیگر برای حل مشکل را فراهم کند. تابع هدف با یک رگرسیون غیر خطی تقریب می یابد که می تواند برای حل یک مشکل بهینه سازی استفاده شود. مشتق تابع هدف جدید باید چندجمله ای باشد تا راه حل مشکل بهینه سازی محاسبه شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
شبکه های عصبی مصنوعی مورد استفاده در مشکلات بهینه سازی
چکیده انگلیسی
Optimization problems often require the use of optimization methods that permit the minimization or maximization of certain objective functions. Occasionally, the problems that must be optimized are not linear or polynomial; they cannot be precisely resolved, and they must be approximated. In these cases, it is necessary to apply heuristics, which are able to resolve these kinds of problems. Some algorithms linearize the restrictions and objective functions at a specific point of the space by applying derivatives and partial derivatives for some cases, while in other cases evolutionary algorithms are used to approximate the solution. This work proposes the use of artificial neural networks to approximate the objective function in optimization problems to make it possible to apply other techniques to resolve the problem. The objective function is approximated by a non-linear regression that can be used to resolve an optimization problem. The derivate of the new objective function should be polynomial so that the solution of the optimization problem can be calculated.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 272, 10 January 2018, Pages 10-16
نویسندگان
, , , ,