Genetic-algorithm-based simulation optimization considering a single stochastic constraint

در این مقاله، بهینه سازی گسسته را از طریق مسئله شبیه سازی با یک محدودیت تصادفی ساده در نظر می گیریم. ما دو الگوریتم مبتنی بر الگوریتم ژنتیکی ارائه می دهیم که قوانین نمونه گیری و مکانیزم های جستجو را اتخاذ می کنند و بنابراین تضمین های آماری مختلف ارائه می دهند. اولین الگوریتم همگرایی جهانی را ارائه می دهد به عنوان تلاش شبیه سازی به بی نهایت می رود. با این حال، بازده محدودیت زمان الگوریتم ممکن است برای حفظ این ویژگی تئوری جذاب قربانی شود. بنابراین، الگوریتم دوم اکتشافی را پیشنهاد می کنیم که می تواند از مکانیک مطلوب الگوریتم ژنتیک بهره بگیرد و ممکن است بهتر بتواند راه حل های نزدیک به مطلوب را در یک زمان منطقی پیدا کند. مطالعات تجربی برای مقایسه کارایی الگوریتم های پیشنهادی با سایر موجودات انجام شده است.