قیدهای تعریفی در مسائل بهینه سازی غیر هموار
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
در این پایان نامه به تشریح روشی عددی که در حل مسائل بهینه سازی خطی و غیر خطی و نیز کلاسی از مسائل بهینه سازی غیر هموار ضمن حضور مجموعه ای از محدودیت ها، کارآمد است، پرداخته می شود. این روش، الگوریتم تعمیم یافته الگوی جستجو و به اختصار gps نامیده می شود. این روش برای مسئله نامقید
بهینه سازی را می توان علم یافتن بهترین جواب برای یک مسأله که به صورت ریاضی مدل شده است، تعریف کرد. یکی از زیرشاخه های اساسی بهینه سازی حل مسائل بهینه سازی غیر خطی نامقید است. برای حل این گونه مسائل روش های تکراری متنوعی ارائه شده است که از این میان روش های گرادیان مزدوج و ناحیه ا
در این پایان نامه با تعریف قید مانگاساریان- فروموویتز، شرط لازم و کافی برای یکتایی ضرایب کان- تاکر در مسائل غیر خطی را بررسی کرده و نشان می دهیم در شرایط بهینه ی مرتبه ی دوم صدق می کند. هم چنین نشان می دهیم معیار های به دست آمده نتایج رضایت بخشی را در مورد مسائل چند هدفه ارائه نم
در این پایان نامه برخی ویژگی های توابع اینوکس نما و پیش شبه اینوکس که از طریق زیردیفرانسیل های حدی، کلارک-راکفلر و کلارک بدست می آید را بررسی می کنیم. سپس هم ارزی بین نابرابری های شبه تغییراتی برداری و مسائل بهینه سازی برداری را تحت شرط اینوکس نما مورد مطالعه قرار می دهیم. همچنین
در این پایان نامه شبکه های عصبی برای بهینه سازی استفاده شده است. کاربرد این نوع شبکه ها را در مسائل مختلف بهینه سازی از جمله مسائل خطی و غیر خطی و مسائل درجه دوم و مسائل مکمل غیر خطی را بیان کرده ایم. ایده اصلی از تقریب سازی شبکه های عصبی برای مسائل بهینه سازی، ساخت یک تابع انرژی
مفهوم بهینه سازی به عنوان یک اصل زیربنایی در تحلیل بسیاری از مسائل پیچیده تصمیم گیری کاملاً پذیرفته شده است. به عنوان نمونه هایی از مسائل بهینه سازی می توان به برنامه ریزی خطی و برنامه ریزی غیرخطی اشاره نمود. برای حل مسائل بهینه سازی نامقید و برنامه ریزی غیرخطی روشهای تحلیلی و تق
در دهه های اخیر، روشهای تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم، تجارت و مهندسی مورد استفاده قرار گرفتهاند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه مطلق از جمله دلایل موفقیت این روشها می باشد. فرآی
در دهه های اخیر، روشهای تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم، تجارت و مهندسی مورد استفاده قرار گرفتهاند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه مطلق از جمله دلایل موفقیت این روشها می باشد. فرآیند جف
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، به طوری که مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، بهطوریکه مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای این
این مقاله مسأله بهینه سازی ترکیبی و نیز چگونگی ترکیب تحقیق در عملیات و هوش مصنوعی برای حل این نوع مسأله را، مورد بررسی قرار می دهد. در این تحقیق یکی از مسائل بهینه سازی ترکیبی – مسئله توزیع و مسیر یابی وسیله نقلیه – که به طور خاص در دهه اخیر مورد مطالعه قرار گرفته، بررسی شده است.
این مقاله مسأله بهینه سازی ترکیبی و نیز چگونگی ترکیب تحقیق در عملیات و هوش مصنوعی برای حل این نوع مسأله را، مورد بررسی قرار می دهد. در این تحقیق یکی از مسائل بهینه سازی ترکیبی – مسئله توزیع و مسیر یابی وسیله نقلیه – که به طور خاص در دهه اخیر مورد مطالعه قرار گرفته، بررسی شده است.