بهینه سازی فازی

بهینه سازی فازی

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

روش های شمارشی :

در این روش، تمام فضای جستجو توسط توابع بهینه سازی و براییافتن بهترین نقطه با توجه به این توابع، بررسی می شود. این امر ممکن است برایبرخی 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 جهتقابل جستجوی بعدی استفاده می کنند. این روش ها قابل مقایسه با روش های نزول خطاییکه 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 دارایتوابع هزینه پیوسته هستند (Rao, 2005).

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

بخاطر این نکاتمنفی، روش های جایگزین، همچون جستجو های تصادفی هدایت شده، بوجود آمده اند. چنینروش هایی بر مبنای روش های شمارشی می باشند، اما از دانش محلی جهت نفوذ بر فرآیندجستجو 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). شبکههای عصبی منطق فازی و الگوریتم ژنتیک. تهران: انتشارات نور پردازان.

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

مدیریت فناوری اطلاعات...