شریف پژوه

الگوریتم مناسب ژنتیک طبقه بندی شده (NSGA_III) یک الگوریتم بهینه چندگانه می باشد که با استفاده از چند جهت مرجع از پیشتعریف شده و در عین حال سازگار به حفظ تنوع در میان راه حل های آن است. خصوصا طراحی حل مسایل چندگانه ای که دارای چهاریا بیشتر تابع هدف است. محدودیتی وجود دارد که مانع از استفاده NSGA_III به مسایل بهینه سازی تک هدفه که در آن تنها یکجهت مرجع وجود دارد شده است که برای این منظور یک الگوریتم یکپارچه U_ NSGA_III به تازگی طراحی شده تا مطالعه اینمقاله را به عهده گیرد.U_ NSGA_III قابلیت تطبیق دهی خودکار به ابعاد شکل را دارد.به هر حال طراحان در این مقاله امکان چشم پوشی از محدودهNSGA_III و استفاده از ارزیابی عملکرد چند گانه برای حل مسایل چند گانه ، ضربه دری و تکی را داریم.در اینجا عملکرد ارزیابی روی یک سری مسایل چند گانه ،ضربه دری ، تکی ثابت و غیر ثابت به این منظورانجام می شوند که ضعفو عیب NSGA_III چند رشته ای در مقایسه با U_ NSGA_III بررسی شوند نقطه قوت NSGA_III در هر نوع مساله نیز شرحداده شده است این مطاله یک ارزیابی مقایسه ای در مورد روند کاری NSGA_III اصلی فراهم می کند.

در این مقاله ما به تشریح الگوریتم بهینه سازی ازدحام ذرات با رویکرد چند هدفه می پردازیم، همچنین عملگر جهش را در آن به کار بردیم تا ظرفیت جستجوی فضای هدف را افزایش دهیم چون این الگوریتم در معرض خطر افتادن در بهینه محلی می باشد. برنامه پیاده سازی شده را به تعداد ده مرتبه با دو نوع تابع هدف MOP 2 ,MOP 4 اجرا نموده و حالات مختلف را درنظر گرفته تا نتایج را با یکدیگر مقایسه نمائیم. نتایج بدست آمده از آزمایشات بیانگراین موضوع می باشد که اگر از عملگر جهش بخوبی استفاده شود نتایج بهبود یافته و این امر به این دلیل تحقق پیدا می کند که هر زمان ذره ای در بهینه محلی قرار بگیرد با اعمال کردن عملگر جهش از آن خارج شده و باعث می شود تا به کار خود ادامه دهد.