توسعه شبكه عصبي‌تصميم مبتني بر الگوريتم ژنتيك براي ارزيابي ارجحيات‌ در مسائل تصميم‌گيري چندهدفه

بكارگيري شبكه‌هاي عصبي در تخمين و توصيف ساختار ارجحيت‌هاي تصميم‌گيرنده، در حل مسائل تصميم‌گيري چندهدفه در سال‌هاي اخير بسيار مورد توجه قرار گرفته ‌است. شبكه عصبي تصميم رويكردي نوين براي تخمين تابع مطوبيت تصميم‌گيرنده در مسايل چندهدفه است. توسعه و بهبود روش‌هاي آموزش اين نوع از شبكه‌ها، يافتن راه حل مرجح در مسايل چندهدفه، به خصوص مسايل با ابعاد بزرگ را تسهيل مي‌نمايد. در اين مقاله، به منظور غلبه بر مشكلات روش‌هاي آموزشي مبتني بر گراديان و با هدف افزايش كارآيي شبكه عصبي تصميم روش آموزشي آن توسعه داده شده ‌است و از الگوريتم ژنتيك براي آموزش اين شبكه عصبي استفاده مي‌شود. براي تنظيم پارامترهاي شبكه عصبي تابع هزينه بهبود يافته‌اي پيشنهادي مي‌شود و بر اساس اين تابع هزينه پارامترهاي شبكه عصبي بهينه‌سازي مي‌شوند. رويكرد پيشنهادي در حل چندين مثال كاربردي بكارگرفته شده‌است كه نتايج نشان مي‌دهند كه رويكرد پيشنهادي روشي كارآ به منظور تخمين تابع مطلوبيت –به‌خصوص غيرخطي در حل مسائل تصميم‌گيري چندهدفه مي‌باشد. همچنين رويكرد پيشنهادي در تخمين توابع مطلوبيت مسائل چندهدفه گسسته نيز قابليت بكارگيري دارد.