برق باهنر و صنعتی کرمان

روش­های بهینه­یابی چندهدفه­ی مبتنی بر پارتو، در مقایسه با روش­های بهینه­یابی تک­هدفه، دارای مزایایی می­باشند. اول این­که، پاسخ بهینه­ی پارتو دربردارنده­ی مجموعه­ای از پاسخ­ها می­باشد که می­تواند شامل پاسخ­هایی که دارای نقض قید می­باشند نیز باشد، بنابراین یک پاسخ با نقض قید مجاز اگر ارزش تابع هدف بالایی داشته باشند، نیز می­تواند در نظر گرفته شود. دوم این­که، با تجزیه­ی مسئله­ی اصلی به چندین مسئله، اهداف مختلف انعطاف پذیری بیشتری در جست­وجوی فضای پاسخ خواهند داشت.

Abstract—Multiobjective evolutionary algorithms (EAs) that use nondominated sorting and sharing have been criticized mainly for their: 1) O(MN³) computational complexity (where M is the number of objectives and N is the population size); 2) nonelitism approach; and 3) the need for specifying a sharing parameter. In this paper, we suggest a nondominated sorting-based multiobjective EA (MOEA), called nondominated sorting genetic algorithm II (NSGA-II), which alleviates all the above three difficulties. Specifically, a fast nondominated sorting approach with O(MN²) computational complexity is presented. Also, a selection operator is presented that creates a mating pool by combining the parent and offspring populations and selecting the best (with respect to fitness and spread) N solutions. Simulation results on difficult test problems show that the proposed NSGA-II, in most problems, is able to find much better spread of solutions and better convergence near the true Pareto-optimal front compared to Pareto-archived evolution strategy and strength-Pareto EA—two other elitist MOEAs that pay special attention to creating a diverse Pareto-optimal front. Moreover, we modify the definition of dominance in order to solve constrained multiobjective problems efficiently. Simulation results of the constrained NSGA-II on a number of test problems, including a five-objective seven-constraint nonlinear problem, are compared with another constrained multiobjective optimizer and much better performance of NSGA-II is observed.

الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA-II)، یکی از مطرح ترین و پرکاربردترین الگوریتم های بهینه سازی در زمینه ی بهینه سازی چندهدفه می باشد. این الگوریتم در سال ۲۰۰۲ توسط کالیانموی دب معرفی شده است. شما می توانید مقاله ی معرفی و تشریح این الگوریتم را از لینک زیر دانلود کنید.