دانلود و نمایش مقالات مرتبط با بهینه سازی ترکیبی::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - بهینه سازی ترکیبی

تعداد مقالات یافته شده: 10
ردیف عنوان نوع
1 Tabu search for min-max edge crossing in graphs
جستجوی تابو برای عبور از لبه های حداقل حداکثر در گراف ها -2020
Graph drawing is a key issue in the field of data analysis, given the ever-growing amount of information available today that require the use of automatic tools to represent it. Graph Drawing Problems (GDP) are hard combinatorial problems whose applications have been widely relevant in fields such as social network analysis and project management. While classically in GDPs the main aesthetic concern is re- lated to the minimization of the total sum of crossing in the graph (min-sum), in this paper we focus on a particular variant of the problem, the Min-Max GDP, consisting in the minimization of the maximum crossing among all egdes. Recently proposed in scientific literature, the Min-Max GDP is a challenging variant of the original min-sum GDP arising in the optimization of VLSI circuits and the design of in- teractive graph drawing tools. We propose a heuristic algorithm based on the tabu search methodology to obtain high-quality solutions. Extensive experimentation on an established benchmark set with both previous heuristics and optimal solutions shows that our method is able to obtain excellent solutions in short computation time.
Keywords: Combinatorial optimization | Graph drawing | Metaheuristics
مقاله انگلیسی
2 A new approach for identifying the Kemeny median ranking
یک روش جدید برای شناسایی رتبه بندی متوسط Kemeny-2020
Condorcet consistent rules were originally developed for preference aggregation in the theory of social choice. Nowadays these rules are applied in a variety of fields such as discrete multi-criteria analysis, defence and security decision support, composite indicators, machine learning, artificial intelligence, queries in databases or internet multiple search engines and theoretical computer science. The cycle issue, known also as Condorcets paradox, is the most serious problem inherent in this type of rules. Solutions for dealing with the cycle issue properly already exist in the literature; the most important one being the identification of the median ranking, often called the Kemeny ranking. Unfortunately its identification is a NP-hard problem. This article has three main objectives: (1) to clarify that the Kemeny median order has to be framed in the context of Condorcet consistent rules; this is important since in the current practice sometimes even the Borda count is used as a proxy for the Kemeny ranking. (2) To present a new exact algorithm, this identifies the Kemeny median ranking by providing a searching time guarantee. (3) To present a new heuristic algorithm identifying the Kemeny median ranking with an optimal trade-off between convergence and approximation .
Keywords : Decision analysis | Combinatorial optimisation | Social choice| Multiple criteria | Artificial intelligence| Defence and security| Big data
مقاله انگلیسی
3 Globally-biased BIRECT algorithm with local accelerators for expensive global optimization
الگوریتم BIRECT مغرضانه جهانی با شتاب دهنده های محلی برای بهینه سازی جهانی ارزشمند-2019
In this paper, black-box global optimization problem with expensive function evaluations is considered. This problem is challenging for numerical methods due to the practical limits on computational budget often required by intelligent systems. For its efficient solution, a new DIRECT-type hybrid technique is proposed. The new algorithm incorporates a novel sampling on diagonals and bisection strategy (instead of a trisection which is commonly used in the existing DIRECT-type algorithms), embedded into the globally-biased framework, and enriched with three different local minimization strategies. The numerical results on a test set of almost 900 problems from the literature and on a real-life application regarding nonlinear regression show that the new approach effectively addresses well-known DIRECT weaknesses, has beneficial effects on the overall performance, and on average, gives significantly better results compared to several DIRECT-type methods widely used in decision-making expert systems.
Keywords: Nonlinear global optimization| DIRECT-type algorithms | BIRECT algorithm | hybrid optimization algorithms | nonlinear regression
مقاله انگلیسی
4 الگوریتم بهینه سازی ترکیبی MIGA و NLPQL برای بهینه سازی پارامترهای bus الکتریکی هیبریدی پلاگین
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 11
در این مقاله، اقتصاد سوخت به عنوان هدف بهینه سازی bus الکتریکی هیبریدی پلاگین (PHEB) انتخاب شده است. مدل ریاضی بهینه سازی پارامترهای نیروی برق PHEB است که بر اساس استراتژی مدیریت انرژی مطلوب است و استراتژی مدیریت انرژی این الگوریتم با استفاده از الگوریتم برنامه نویسی پویا (DP) انجام میشود. در مرحله اول، اقتصاد سوخت PHEB به عنوان هدف تابع بهینه سازی پارامتر انتخاب شد. سپس، الگوریتم بهینه سازی ترکیبی توسط الگوریتم ژنتیک چند جزیره (MIGA) و برنامه نویسی مستطیلی NLPQL طراحی شد. در ابتدا MIGA برای بهینه سازی جهانی مورد استفاده قرار گرفت و NLPQL برای بهینه سازی محلی استفاده شد. در نهایت، نتایج آزمایشات نشان داد که مصرف سوخت PHEB در هر 100 کیلومتر از 18.51 لیتر دیزل به 17.41 لیتر دیزلی رسید و مصرف برق در هر 100 کیلومتر، در سطح یکسانی حفظ شد.
کلمات کلیدی: بهینه سازی پارامترها | bus الکتریکی هیبریدی | الگوریتم ژنتیک چند جزیره | برنامه نویسی درجه دوم مرتبه NLPQL
مقاله ترجمه شده
5 Multi-objective hybrid PSO-APO algorithm based security constrained optimal power flow with wind and thermal generators
امنیت مبتنی بر الگوریتم PSO-APO ترکیبی چند هدفه محدود جریان نیروی مطلوب با ژنراتورهای باد و حرارت-2017
In this paper, a new low level with teamwork heterogeneous hybrid particle swarm optimization and artificial physics optimization (HPSO-APO) algorithm is proposed to solve the multi-objective security constrained optimal power flow (MO-SCOPF) problem. Being engaged with the environmental and total production cost concerns, wind energy is highly penetrating to the main grid. The total production cost, active power losses and security index are considered as the objective functions. These are simultane- ously optimized using the proposed algorithm for base case and contingency cases. Though PSO algorithm exhibits good convergence characteristic, fails to give near optimal solution. On the other hand, the APO algorithm shows the capability of improving diversity in search space and also to reach a near global optimum point, whereas, APO is prone to premature convergence. The proposed hybrid HPSO-APO algorithm combines both individual algorithm strengths, to get balance between global and local search capability. The APO algorithm is improving diversity in the search space of the PSO algorithm. The hybrid optimization algorithm is employed to alleviate the line overloads by generator rescheduling during contingencies. The standard IEEE 30-bus and Indian 75-bus practical test systems are considered to evaluate the robustness of the proposed method. The simulation results reveal that the proposed HPSO-APO method is more efficient and robust than the standard PSO and APO methods in terms of get- ting diverse Pareto optimal solutions. Hence, the proposed hybrid method can be used for the large inter- connected power system to solve MO-SCOPF problem with integration of wind and thermal generators.© 2017 Karabuk University. Publishing services by Elsevier B.V. This is an open access article under the CCBY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Keywords:Multi-objective | Hybrid optimization algorithm | Security constrained optimal power flow | Pareto optimal solution
مقاله انگلیسی
6 A framework for secure IT operations in an uncertain and changing environment
یک چارچوب برای عملیات IT ایمن در محیط نامطمئن و در حال تغییر-2017
Article history:Received 5 February 2016Revised 2 March 2017Accepted 17 April 2017Available online 18 April 2017Keywords:Information securityIT security management Decision support framework Security investment decisions Combinatorial optimizationIn this paper, a quantitative approach is proposed that addresses various decision making challenges within the IT security process of an organization. The approach serves as a framework that facilitates multiple applications to optimize the security of IT systems in different environmental settings. Address- ing this problem is a critical challenge for almost all organizations and it still lacks a comprehensive and consistent quantitative treatment. The key question of the corresponding decision problem is which safeguards to select in order to achieve sufficient security. The proposed framework addresses this by establishing a generally applicable problem structure and by reusing existing knowledge in order to re- duce implementation costs of the approach. Based on this foundation, efficient MILP models are applied to support the establishment of an effective IT security strategy. Depending on the knowledge an organi- zation is able to provide, decisions take uncertainty and even dynamic aspects into account. As a result, deployed safeguards are robust against uncertain security threats and remain stable over several plan- ning periods even if the system or the threat environment changes. This is a significant advancement that results in higher security in the short-term and lower costs in the mid- and long-term.© 2017 Elsevier Ltd. All rights reserved.
Keywords: Information security | IT security management | Decision support framework | Security investment decisions | Combinatorial optimization
مقاله انگلیسی
7 LibCoopt_ A library for combinatorial optimization on partial permutation matrices
LibCoopt _ یک کتابخانه ای برای بهینه سازی ترکیبی روی معیارهای جزئی جایگشتی-2017
LibCoopt is an open-source matlab code library which provides a general and convenient tool to approximately solve the combinatorial optimization problems on the set of partial permutation matrices, which are frequently encountered in computer vision, bioinformatics, social analysis, etc. To use the library, the user needs only to give the objective function and its gradient function associated with the problem. Two typical problems, the subgraph matching problem and the quadratic assignment problem, are employed to illustrate how to use the library and also its flexibility on different types of problems.
Keywords: Combinatorial optimization | Partial permutation matrices | Graduated projection | Deterministic annealing
مقاله انگلیسی
8 الگوریتم جدید ژنتیک برای انتخاب احتمالی در تجزیه و تحلیل امنیتی استاتیک در سیستم های قدرت الکتریکی
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 23
اهمیت یک منبع قابل اعتماد از برق در جامعه صنعتی غیر قابل انکار است. در مراکز کنترل آب و برق حتی شرکت هایی که شبکه های هوشمند مدرن در اختیار دارند، وظیفه مهم تجزیه و تحلیل امنیتی است . در این کار احتمال قطع برق، از عملکرد یک یا چند دستگاه می باشد در حالیکه انتخاب احتمالی تعیین شدیدترین احتمالات بر روی سیستم می باشد. با وجود پیشرفت های فن آوری تجزیه و تحلیل تمام احتمالات ممکن غیر عملی است . در این مقاله، یک روش به منظور انتخاب موثر احتمالات متعدد ارائه شده است . این مسئله به عنوان یک مسئله بهینه سازی ترکیبی مدل سازی شده و توسط الگوریتم های ژنتیک حل شده است که توسعه ای برای این نرم افزار می باشد . یک متد قوی که جریان برق و ولتاژ را در نظر میگیرد ارائه و بر روی سیستم آزمایشی IEEE-30 و همچنین بر روی یک سیستم زندگی واقعی و بزرگ با درنظر گرفتن قطع دو مورد از شاخه ها مورد آزمایش قرار گرفته است . کلمات کلیدی: سیستم های قدرت الکتریکی، تجزیه و تحلیل امنیت استاتیک، انتخاب احتمالی، الگوریتم های ژنتیک
مقاله ترجمه شده
9 An effective hybrid teaching–learning-based optimization algorithm for permutation flow shop scheduling problem
یک الگوریتم بهینه سازی ترکیبی موثر مبتنی بر تدریس و آموزش برای جریان جایگشت مشکل برنامه ریزی فروشگاه-2014
Permutation flow shop scheduling (PFSP) is among the most studied scheduling settings. In this paper, a hybrid Teaching–Learning-Based Optimization algorithm (HTLBO), which combines a novel teaching– learning-based optimization algorithm for solution evolution and a variable neighborhood search (VNS) for fast solution improvement, is proposed for PFSP to determine the job sequence with minimization of makespan criterion and minimization of maximum lateness criterion, respectively. To convert the individual to the job permutation, a largest order value (LOV) rule is utilized. Furthermore, a simulated annealing (SA) is adopted as the local search method of VNS after the shaking procedure. Experimental comparisons over public PFSP test instances with other competitive algorithms show the effectiveness of the proposed algorithm. For the DMU problems, 19 new upper bounds are obtained for the instances with makespan criterion and 88 new upper bounds are obtained for the instances with maximum lateness criterion. Keywords: Permutation flow shop scheduling problem Teaching-learning-based optimization algorithm Variable neighborhood search Simulated annealing Makespan Maximum lateness
مقاله انگلیسی
10 حل مسئله رنگ آمیزی رئوس با الگوریتم سلولی مورچه
سال انتشار: 2013 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 13
مسئله ی رنگ آمیزی گراف (GCP) یکی از مسائل بهینه سازی ترکیبی است که بسیار مورد مطالعه قرار گرفته است. شکل ساده ی آن رنگ آمیزی رأس نامیده می شود. که در تئوری و در عمل بسیار مهم است. الگوریتم سلولی مورچه سعی در حل مسئله رنگ آمیزی گراف- رنگ آمیزی رأس دارد. الگوریتم سلولی مورچه یک روش بهینه سازی جدید برای حل مسائل واقعی با استفاده از هردو مورد نقش تکاملی سلولی، تئوری گراف و ویژگی های بهینه سازی کلونی مورچه ها می باشد. مطالعه ی تجربی الگوریتم مورچه سلولی همچنین بر اساس معیارهای چالشی DIMACS انجام شده است. نتایج محاسباتی نشان می دهند که الگوریتم مورچه سلولی برای مسئله ی رنگ آمیزی گراف قابل انجام و قدرتمند است.
واژه های کلیدی: الگوریتم مورچه سلولی | مسئله رنگ آمیزی گراف (GCP) | تئوری گراف | مسئله رنگ آمیزی رنگ (VCP)
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi