دانه بندي فازي و الگوريتم¬هاي تكاملي براي بهينه¬سازي چندين-هدفه

الگوريتم هاي تكاملي موجود براي حل مسائل بهينه سازي چند-هدفه(Multi-Objective) موثر واقع شده¬اند، اما در دنياي واقعي مسائلي باتعداد اهدف زياد وجود دارند كه داده¬هاي مسئله ناقص و يا ناكافي است، بگونه¬اي كه براي بعضي از اهداف نمي¬توان برازندگي را براي همه افراد محاسبه كرد، و يا براي محاسبه تابع برازندگي به هزينه(محاسباتي و مصرف انرژي) بسيار بالايي نياز است، چنين مسائلي را مسائل چندين-هدفه(Many-Objective) تعريف مي¬كنيم. درحالي¬ كه تعريف استاندارد مسئله چندين-هدفه به تعداد اهداف زماني كه از دو يا سه بيشتر مي¬شود برمي¬گردد. در اين مقاله به حل مسئله¬ بهينه سازي چندين-هدفه با روش پيشنهادي FG-MOEA پرداخته شده است. و از آنجايي كه فقط در برخورد با دنياي واقعي با چنين مسائلي روبرو مي¬شويم، تابع محك در اين راستا در اختيار نمي¬باشد. براي ايجاد تابع محك مسئله چندين-هدفه، از چند تابع محك مهم مسائل بهينه سازي چند-هدفه، استفاده شده است. به گونه¬اي كه به تصادف تعداد محدودي داده از اين توابع محك نمونه¬برداري كرده، تا به يك مسئله چندين-هدفه تبديل گردد. در ابتدا توابع با داده هاي ناكافي، با استفاده از دانه¬بندي فازي درون يابي ¬مي¬شوند. سپس توابع هدف، به الگوريتم هاي تكاملي(مانند NSGA-II و SPEA2) اعمال شده و نتايج شبيه¬سازي مورد ارزيابي قرار گرفته است. به عبارتي از الگوريتم هاي تكاملي در كنار دانه¬بندي فازي براي حل مسائل بهينه سازي چندين-هدفه استفاده شده است.