شیوه ی بهینه سازی دسته ی ذره چندمنظوره‌ی جدید برای حل پایایی افزونگی (غیرضروری) مسائل اختصاصی

A new multi-objective particle swarm optimization method for solving reliability redundancy allocation problems

تاریخ: ۲۰۱۳

پایگاه: الزویر

لینک دانلود اصل مقاله

OK

نام مجله: Reliability Engineering & System Safety

قیمت: ۲۰۰,۰۰۰ ریال

تعداد صفحات انگلیسی: ۱۸

تعداد صفحات فارسی: ۴۹

کد: ۴۰۰۸۰

چکیده فارسی

در این مقاله، شیوه‌ی بهینه‌سازی دسته‌ی ذرات چندمنظوره‌ی خودانطباقی دینامیک جدید (DSAMOPSO)، برای حل مسائل تخصیص افزونگی (غیرضروری) پایایی چندمنظوره‌ی دوگانه (MORAPs)، پیشنهاد شده است. ترکیبِ تابع جریمه و استراتژی‌های اصلاح، برای دستکاری محدودیت‌ها در MORAP بکار برده می‌شود. یک استراتژی تابع جریمه‌ی خودانطباقی پویا، برای دستکاری (اداره‌ی) محدودیت‌ها به کار برده شده است. نسبت هزینه – سود ابتکاری نیز برای اصلاح ساختار دسته‌های متجاوز، تهیه شده است. یک پیمایش انطباقی، با بکاربردن چندین مسئله‌ی ازماینده برای تشریح عملکرد شیوه‌ی DSAMOPSOی پیشنهاد شده، انجام شده است. ورژن کارای شیوه‌ی اپسیلن-محدودیتِ (AUGMECON)، شیوه‌ی الگوریتم ژنتیک دسته‌بندی غیرمسلط اصلاح شده‌ی (NSGA-11) و شیوه‌ی بهینه‎سازی دسته‌ی ذرات چندمنظوره‌ی متغیرزمانی سفارشی شده، برای ایجاد راه‌حل‌های غیرمسلط برای مسئله ازماینده، بکار برده شدند. چندین ویژگی شیوه‌ی DSAMOPSO، مثل رتبه‌بندی سریع، اپراتورهای تکاملی – محور، نخبه‌سازی، فاصله تراکم، میزان‌سازی پارامتر پویا، و تورنمنت جهانی بهترین انتخاب، بهترین راه‌حل‌های معروفِ موارد معیارِ MORAP را بالا می‌برد. بعلاوه، صحت مختلف و تنوع متریک‌ها، برتری نسبی شیوه‌ی DSAMOPSO را برای رویکردهای محاسباتی در ادبیات (نوشته ها)، نشان می‌دهد.

چکیده انگلیسی

In this paper, a new dynamic self-adaptive multi-objective particle swarm optimization (DSAMOPSO) method is proposed to solve binary-state multi-objective reliability redundancy allocation problems (MORAPs). A combination of penalty function and modification strategies is used to handle the constraints in the MORAPs. A dynamic self-adaptive penalty function strategy is utilized to handle the constraints. A heuristic cost-benefit ratio is also supplied to modify the structure of violated swarms. An adaptive survey is conducted using several test problems to illustrate the performance of the proposed DSAMOPSO method. An efficient version of the epsilon-constraint (AUGMECON) method, a modified non-dominated sorting genetic algorithm (NSGA-II) method, and a customized time-variant multi-objective particle swarm optimization (cTV-MOPSO) method are used to generate non-dominated solutions for the test problems. Several properties of the DSAMOPSO method, such as fast-ranking, evolutionary-based operators, elitism, crowding distance, dynamic parameter tuning, and tournament global best selection, improved the best known solutions of the benchmark cases of the MORAP. Moreover, different accuracy and diversity metrics illustrated the relative preference of the DSAMOPSO method over the competing approaches in the literature

مشخصات استنادی

Khalili-Damghani, K., Abtahi, A. R., & Tavana, M. (2013). A new multi-objective particle swarm optimization method for solving reliability redundancy allocation problems. Reliability Engineering & System Safety, 111, 58-75

دانلود اصل مقاله

10002iconویژگی‌های مقاله شیوه ی بهینه سازی دسته ی ذره چندمنظوره‌ی جدید برای حل پایایی افزونگی (غیرضروری) مسائل اختصاصی

مقاله “شیوه ی بهینه سازی دسته ی ذره چندمنظوره‌ی جدید برای حل پایایی افزونگی (غیرضروری) مسائل اختصاصی” در سال ۲۰۱۳ در مجله Reliability Engineering & System Safety چاپ شده و در پایگاه اطلاعاتی الزویر نمایه شده است. این مقاله به بررسی شیوه‌ی بهینه‌سازی دسته‌ی ذرات چندمنظوره‌ی خودانطباقی دینامیک جدید (DSAMOPSO)، مسائل تخصیص افزونگی (غیرضروری) پایایی چندمنظوره‌ی دوگانه (MORAPs)، شیوه‌ی اپسیلن-محدودیتِ (AUGMECON)، شیوه‌ی الگوریتم ژنتیک دسته‌بندی غیرمسلط اصلاح شده‌ی (NSGA-11) و شیوه‌ی بهینه‎سازی دسته‌ی ذرات چندمنظوره‌ی متغیرزمانی سفارشی شده پرداخته است. همچنین براساس اطلاعات پایگاه اطلاعاتی گوگل اسکولار این مقاله ۳۶ بار مورد استناد قرار گرفته است.

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *