ژانویه 26, 2021

دسترسی متن کامل – مساله مکان یابی تخصیص تسهیلات و انبار مرکزی با تقاضای برنولی- …

۳-۷-۵-۲ استراتژی ردی[۵۷]
در این روش پس از تولید هر کروموزوم آن را از نظر موجه بودن تست کرده و در صورت غیرموجه بودن حذف می گردد. این روش بسیار ساده و کارا می باشد.
۳-۷-۵-۳ استراتژی اصلاحی[۵۸]
در این روش به جای اینکه کروموزوم غیرموجه حذف گردد تبدیل به یک کروموزوم موجه می شود. این روش نیز مانند روش اول به مساله وابسته بوده و یافتن فر آیند اصلاح گاهی بسیار پیچیده می باشد.
۳-۷-۵-۴ استراتژی جریمه ای[۵۹]
در این روش بر خلاف سه روش قبل که از ورود جواب های غیر موجه جلوگیری می کردند، جواب های غیر موجه با احتمال کم امکان حضور می یابند. سه روش فوق دارای این اشکال بودند که به هیچ نقطه ای بیرون از فضای موجه توجه نمی کردند، اما در بعضی مسایل بهینه سازی جواب های غیر موجه درصد زیادی از جمعیت را اشغال می کنند. در چنین شرایطی اگر جستجو فقط در ناحیه موجه انجام گیرد شاید یافتن جواب موجه خیلی وقت گیر و مشکل باشد. استراتژی جریمه ای از متداولترین تکنیک های مورد استفاده برای پذیرش با جواب های غیرموجه می باشد که در آ ن ابتدا محدودیت های مساله در نظر گرفته نمی شوند، سپس برای هر تخلف از محدودیت ها، یک جریمه اختصاص داده می شود که این جریمه در تابع هدف قرار می گیرد.
۳-۸ ساختار کلی الگوریتم ژنتیک
ساختارکلی یک الگوریتم ژنتیک را می توان به صورت ذیل تصور کرد. ابتدا پیش از هر چیز باید مکانیسمی برای تبدیل هر جواب مساله به یک کروموزوم تعریف کرد. پس از آن یک مجموعه از کروموزوم ها که در حقیقت مجموعه ای از جواب های مساله هستند به عنوان یک جمعیت آغازین[۶۰] تهیه می گردند . این مجموعه که اندازه آن دلخواه است و توسط کاربر تعریف می شود، اغلب به صورت تصادفی ایجاد می گردد.
بعد از این مرحله باید با بکارگیری عملیات ژنتیک[۶۱]اقدام به ایجاد کروموزوم های جدید موسوم به نوزاد[۶۲] نمود. این عملیات به دو گونه عمده تقاطعی و جهشی تقسیم بندی می شوند. همچنین برای گزینش کروموزوم هایی که باید نقش والدین را بازی کنند دو مفهوم نرخ تقاطعی[۶۳] و نرخ جهشی[۶۴] کاربرد فراوان دارند که این دو نیز پیش از شروع الگوریتم توسط کاربر تعیین می شوند.
بعد از تولید یک سری کروموزوم جدید یا اولاد باید با استفاده از عمل تحول[۶۵] اقدام به انتخاب[۶۶] برازنده ترین کروموزوم ها نمود. این فرآیند که در فرآیند انتخاب نمود می یابد، گلچین کردن کروموزوم های برازنده در میان والدین و اولاد است، به طوریکه تعداد کروموزوم های منتخب برابر با اندازه جمعیت اولیه باشد. فرآیند انتخاب مبتنی بر مقدار برازندگی[۶۷] هر رشته است. در حقیقت فرآیند ارزیابی[۶۸] محوری ترین بحث در فرآیند انتخاب است.
تا بدین مرحله یک تکرار یا یک نسل از الگوریتم طی شده است. الگوریتم بعد از طی چندین نسل به تدریج به سمت جواب بهینه همگرا می شود. شرط توقف مساله نیز طی کردن تعداد معینی تکرار است که پیش از آغاز الگوریتم توسط کاربر تعیین می شود.
ساختار کلی یک الگوریتم ژنتیک را می توان به صورت ذیل بیان کرد:
جدول(۳- ۸). روند الگوریتم ژنتیک.

Step 1: Set t:=0
Step 2: Generate initial population,
Step 3: Evaluate to create fitness values
Step 4: While (not termination condition) do:
Step 5: Recombine to yield, selecting from according to the fitness values.
Step 6: Evaluate ch(t)
Step 7: Generate from and
Step 8: Set t:=t+1
دانلود متن کامل این پایان نامه در سایت abisho.ir