دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن
اختصاصی از یارا فایل دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن دانلود با لینک مستقیم و پرسرعت .
چکیده
بهینه‌سازی یک فعالیت مهم و تعیین‌کننده در طراحی ساختاری است. طراحان زمانی قادر خواهند بود طرح‌های بهتری تولید کنند که بتوانند با روش‌های بهینه‌سازی در صرف زمان و هزینه طراحی صرفه‌جویی نمایند. بسیاری از مسائل بهینه‌سازی در مهندسی، طبیعتاً پیچیده‌تر و مشکل‌تر از آن هستند که با روش‌های مرسوم بهینه‌سازی نظیر روش برنامه‌ریزی ریاضی و نظایر آن قابل حل باشند. بهینه‌سازی ترکیبی (Combinational Optimization)، جستجو برای یافتن نقطه بهینه توابع با متغیرهای گسسته (Discrete Variables) می‌باشد. امروزه بسیاری از مسائل بهینه‌سازی ترکیبی که اغلب از جمله مسائل با درجه غیر چندجمله‌ای (NP-Hard) هستند، به صورت تقریبی با کامپیوترهای موجود قابل حل می‌باشند. از جمله راه‌حل‌های موجود در برخورد با این گونه مسائل، استفاده از الگوریتم‌های تقریبی یا ابتکاری است. این الگوریتم‌ها تضمینی نمی‌دهند که جواب به دست آمده بهینه باشد و تنها با صرف زمان بسیار می‌توان جواب نسبتاً دقیقی به دست آورد و در حقیقت بسته به زمان صرف شده، دقت جواب تغییر می‌کند.
مقدمه
هدف از بهینه‌سازی یافتن بهترین جواب قابل قبول، با توجه به محدودیت‌ها و نیازهای مسأله است. برای یک مسأله، ممکن است جواب‌های مختلفی موجود باشد که برای مقایسه آنها و انتخاب جواب بهینه، تابعی به نام تابع هدف تعریف می‌شود. انتخاب این تابع به طبیعت مسأله وابسته است. به عنوان مثال، زمان سفر یا هزینه از جمله اهداف رایج بهینه‌سازی شبکه‌های حمل و نقل می‌باشد. به هر حال، انتخاب تابع هدف مناسب یکی از مهمترین گام‌های بهینه‌سازی است. گاهی در بهینه‌سازی چند هدف به طور همزمان مد نظر قرار می‌گیرد؛ این گونه مسائل بهینه‌سازی را که دربرگیرنده چند تابع هدف هستند، مسائل چند هدفی می‌نامند. ساده‌ترین راه در برخورد با این گونه مسائل، تشکیل یک تابع هدف جدید به صورت ترکیب خطی توابع هدف اصلی است که در این ترکیب میزان اثرگذاری هر تابع با وزن اختصاص یافته به آن مشخص می‌شود. هر مسأله بهینه‌سازی دارای تعدادی متغیر مستقل است که آنها را متغیرهای طراحی می‌نامند که با بردار n بعدی x نشان داده می‌شوند.
هدف از بهینه‌سازی تعیین متغیرهای طراحی است، به گونه‌ای که تابع هدف کمینه یا بیشینه شود.
مدل بهینه‌سازی چندمنظوره برای زمان‌بندی چندین پروژه در زنجیره بحرانی
اختصاصی از یارا فایل مدل بهینه‌سازی چندمنظوره برای زمان‌بندی چندین پروژه در زنجیره بحرانی دانلود با لینک مستقیم و پرسرعت .
عنوان انگلیسی مقاله: Multi-objective optimization model for multi-project scheduling on critical chain
عنوان فارسی مقاله: ترجمه مقاله مدل بهینه سازی چندمنظوره برای زمان بندی چندین پروژه در زنجیره بحرانی
چکیده
در این مقاله، زمان‌بندی چندین پروژه در مسأله‌ی زنجیره بحرانی بیان شده است. این مسأله اثر عوامل عدم قطعیت و اهداف مختلف در کسب نسبت تکمیل، زمان کل پروژه را بررسی می‌کند. این مقاله مدل بهینه‌سازی چندمنظوره را برای زمان‌بندی چندین پروژه در زنجیره بحرانی شرح می‌دهد که چندمنظوره مثل مدت زمان کلی، هزینه‌ها و قدرتمندی را بررسی می‌کند. مدل پیشنهادی را می‌توان در تولید زمان‌بندی‌های متناوب بر مبنای اهمیت نسبی و اهمیت اهداف مختلف استفاده کرد. برای پاسخ به این نیاز، الگوریتم ژنتیکی ابری پیشنهاد شده است. این الگوریتم از تصادفی بودن و پایداری مدل ابری نرمال استفاده می‌کند. الگوریتم ژنتیکی ابری برای اولویت اقدامات زمان‌بندی چندین پروژه و کسب زمان‌بندی چندین پروژه در زنجیره اجرایی پیشنهاد شد. مقایسه عملکرد نشان می‌دهد که الگوریتم ژنتیکی ابری اصولاً بهتر از الگوریتم چندین منظوره قبلی عمل می‌کند.
فرمت ترجمه: WORD (قابل ویرایش) + فایل اصلی مقاله
تعداد صفحات ترجمه: 19
دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن
اختصاصی از یارا فایل دانلود مقاله بهینه‌سازی و معرفی انواع مختلف روش‌های آن دانلود با لینک مستقیم و پرسرعت .
فرمت فایل : word(قابل ویرایش)
تعداد صفحات:29
فهرست مطالب
چکیده
۱- مقدمه
۱-۱- بررسی روش‌های جستجو و بهینه‌سازی
شکل ۱ ـ ۱: طبقه‌بندی انواع روش‌های بهینه‌سازی
۱-۱-۱- روش‌های شمارشی
۱-۱-۲- روش‌های محاسباتی (جستجوی ریاضی یا- Based Method Calculus)
۱-۱-۳- روش‌های ابتکاری و فرا ابتکاری (جستجوی تصادفی)
۲- مسائل بهینه‌سازی ترکیبی (Optimization Problems Combinational)
۲-۱- روش حل مسائل بهینه‌سازی ترکیبی
۱- آزاد‌سازی
۲- تجزیه
۲-۱- تکرار
۲-۲- روش تولید ستون (Column Generation)
۱- جستجوی سازنده (Constructive Search)
۲- جستجوی بهبود یافته (Improving Search)
۴-۱- روش جستجوی همسایه ( NS= Neighbourhood Search)
روش‌های فرا ابتکاری (Metaheuristic) برگرفته از طبیعت
۳-۱- مسأله فروشنده دوره‌گرد (Travelling Salesman Problem = TSP)
۳-۲- انواع روش‌های فرا ابتکاری برگرفته از طبیعت
۱ – الگوریتم ژنتیک
الگوریتم ژنتیک (Genetic Algorithm
۲- آنیلینگ شبیه‌سازی شده
۱- شبکه‌های عصبی
۲- جستجوی ممنوع
۳- سیستم مورچه (Ant System)
منابع
چکیده
بهینه‌سازی یک فعالیت مهم و تعیین‌کننده در طراحی ساختاری است. طراحان زمانی قادر خواهند بود طرح‌های بهتری تولید کنند که بتوانند با روش‌های بهینه‌سازی در صرف زمان و هزینه طراحی صرفه‌جویی نمایند. بسیاری از مسائل بهینه‌سازی در مهندسی، طبیعتاً پیچیده‌تر و مشکل‌تر از آن هستند که با روش‌های مرسوم بهینه‌سازی نظیر روش برنامه‌ریزی ریاضی و نظایر آن قابل حل باشند. بهینه‌سازی ترکیبی (Combinational Optimization)، جستجو برای یافتن نقطه بهینه توابع با متغیرهای گسسته (Discrete Variables) می‌باشد. امروزه بسیاری از مسائل بهینه‌سازی ترکیبی که اغلب از جمله مسائل با درجه غیر چندجمله‌ای (NP-Hard) هستند، به صورت تقریبی با کامپیوترهای موجود قابل حل می‌باشند. از جمله راه‌حل‌های موجود در برخورد با این گونه مسائل، استفاده از الگوریتم‌های تقریبی یا ابتکاری است. این الگوریتم‌ها تضمینی نمی‌دهند که جواب به دست آمده بهینه باشد و تنها با صرف زمان بسیار می‌توان جواب نسبتاً دقیقی به دست آورد و در حقیقت بسته به زمان صرف شده، دقت جواب تغییر می‌کند.
1- مقدمه
هدف از بهینه‌سازی یافتن بهترین جواب قابل قبول، با توجه به محدودیت‌ها و نیازهای مسأله است. برای یک مسأله، ممکن است جواب‌های مختلفی موجود باشد که برای مقایسه آنها و انتخاب جواب بهینه، تابعی به نام تابع هدف تعریف می‌شود. انتخاب این تابع به طبیعت مسأله وابسته است. به عنوان مثال، زمان سفر یا هزینه از جمله اهداف رایج بهینه‌سازی شبکه‌های حمل و نقل می‌باشد. به هر حال، انتخاب تابع هدف مناسب یکی از مهمترین گام‌های بهینه‌سازی است. گاهی در بهینه‌سازی چند هدف به طور همزمان مد نظر قرار می‌گیرد؛ این گونه مسائل بهینه‌سازی را که دربرگیرنده چند تابع هدف هستند، مسائل چند هدفی می‌نامند. ساده‌ترین راه در برخورد با این گونه مسائل، تشکیل یک تابع هدف جدید به صورت ترکیب خطی توابع هدف اصلی است که در این ترکیب میزان اثرگذاری هر تابع با وزن اختصاص یافته به آن مشخص می‌شود. هر مسأله بهینه‌سازی دارای تعدادی متغیر مستقل است که آنها را متغیرهای طراحی می‌نامند که با بردار n بعدی x نشان داده می‌شوند.
هدف از بهینه‌سازی تعیین متغیرهای طراحی است، به گونه‌ای که تابع هدف کمینه یا بیشینه شود.
مسائل مختلف بهینه‌سازی به دو دسته زیر تقسیم می‌شود:
الف) مسائل بهینه‌سازی بی‌محدودیت: در این مسائل هدف، بیشینه یا کمینه کردن تابع هدف بدون هر گونه محدودیتی بر روی متغیرهای طراحی می‌باشد.
ب) مسائل بهینه‌سازی با محدودیت: بهینه‌سازی در اغلب مسائل کاربردی، با توجه به محدودیت‌هایی صورت می‌گیرد؛ محدودیت‌هایی که در زمینه رفتار و عملکرد یک سیستم می‌باشد و محدودیت‌های رفتاری و محدودیت‌هایی که در فیزیک و هندسه مسأله وجود دارد، محدودیت‌های هندسی یا جانبی نامیده می‌شوند.
معادلات معرف محدودیت‌ها ممکن است به صورت مساوی یا نامساوی باشند که در هر مورد، روش بهینه‌سازی متفاوت می‌باشد. به هر حال محدودیت‌ها، ناحیه قابل قبول در طراحی را معین می‌کنند.
به طور کلی مسائل بهینه‌سازی با محدودیت را می‌توان به صورت زیر نشان داد:
Minimize or Maximize : F(X) (1-1 )
Subject to : I = 1,2,3,…,p
j = 1,2,3,…,q
k = 1,2,3,…,n
که در آن X={ بردار طراحی و رابطه‌های (1-1) به ترتیب محدودیت‌های نامساوی، مساوی و محدوده قابل قبول برای متغیرهای طراحی می‌باشند.
1-1- بررسی روش‌های جستجو و بهینه‌سازی
پیشرفت کامپیوتر در طی پنجاه سال گذشته باعث توسعه روش‌های بهینه‌سازی شده، به طوری که دستورهای متعددی در طی این دوره تدوین شده است. در این بخش، مروری بر روش‌های مختلف بهینه‌سازی ارائه می‌شود.
شکل 1-1 روش‌های بهینه‌سازی را در چهار دسته وسیع دسته‌بندی می‌کند. در ادامه بحث، هر دسته از این روش‌ها مورد بررسی قرار می‌گیرند.
شکل 1 ـ 1: طبقه‌بندی انواع روش‌های بهینه‌سازی
1-1-1- روش‌های شمارشی
در روش‌های شمارشی (Enumerative Method)، در هر تکرار فقط یک نقطه متعلق به فضای دامنه تابع هدف بررسی می‌شود. این روش‌ها برای پیاده‌سازی، ساده‌تر از روش‌های دیگر می‌باشند؛ اما به محاسبات قابل توجهی نیاز دارند. در این روش‌ها سازوکاری برای کاستن دامنه جستجو وجود ندارد و دامنه فضای جستجو شده با این روش خیلی بزرگ است. برنامه‌ریزی پویا (Dynamic Programming) مثال خوبی از روش‌های شمارشی می‌باشد. این روش کاملاً غیرهوشمند است و به همین دلیل امروزه بندرت به تنهایی مورد استفاده قرار می‌گیرد.