بهینه سازی فازی

بهینه سازی فازی

به طور کلی دو روش قدیمی جهت برخورد با مسائل بهینه سازی وجود دارد :

روش های شمارشی :

در این روش، تمام فضای جستجو توسط توابع بهینه سازی و برای یافتن بهترین نقطه با توجه به این توابع، بررسی می شود. این امر ممکن است برای برخی از مسائل بنیادی، فرآیندی بسیار طولانی محسوب شود (قطری, نیکقدم حجتی, & فریدی, 1393).

روش های مبتنی بر محاسبات :

می توان این روش ها را به دو دسته زیر تقسیم نمود (Rao, 2005):

· روش های مستقیم : روش های مستقیم از گرادیان هر نقطه در فضا برای هدایت به جهت قابل جستجوی بعدی استفاده می کنند. این روش ها قابل مقایسه با روش های نزول خطایی که پیشتر مورد استفاده قرار می گرفت می باشند و برای مسائل خوش رفتار مؤثراند. مسائل خوش رفتار مسائلی هستند که برای آن ها هیچ کمینه محلی وجود نداشته و دارای توابع هزینه پیوسته هستند (Rao, 2005).

· روش های غیر مستقیم : روش های غیر مستقیم تلاش می کنند مجموعه غیر خطی از معادلات دیفرانسیل را برای بدست آوردن نقاطی که در آنجا گرادیان برابر صفر است، حل کنند. یافتن چنین پاسخ هایی اغلب دشوار و حتی غیر ممکن است (منهاج, 1384).

بخاطر این نکات منفی، روش های جایگزین، همچون جستجو های تصادفی هدایت شده، بوجود آمده اند. چنین روش هایی بر مبنای روش های شمارشی می باشند، اما از دانش محلی جهت نفوذ بر فرآیند جستجو استفاده می کنند (کشاورزمهر, 1390).

منابع

Rao. (2005). Handbook of Statistics : Data Mining and Data Visualization. New York: Elsevier.

قطری, ع. ر., نیکقدم حجتی, س., & فریدی, م. (1393). هوش مصنوعی و منطق فازی. تهران: انتشارات صفار.

کشاورزمهر. (1390). شبکه های عصبی منطق فازی و الگوریتم ژنتیک. تهران: انتشارات نور پردازان.

منهاج. (1384). مبانی شبکه های عصبی. تهران: انتشارات دانشگاه صنعتی امیر کبیر.