در این ویدیو قصد دارم ویژگی های مختلف روش های بهینه سازی قطعی و تصادفی را با هم مقایسه کنم. این مقایسه می تواند به شما در انتخاب روش بهینه سازی مناسب برای حل مشکلات مختلف بهینه سازی در زمینه های خود کمک کند.
به طور کلی از بهینه سازی به عنوان یافتن بهترین راه حل برای یک مشکل بهینه سازی یاد می شود. بهینه سازی همیشه در بسیاری از زمینه ها مانند طراحی مهندسی مطلوب است, علوم کامپیوتر, تحقیق در عملیات, اقتصاد, شیمی محاسباتی, زیست پزشکی, و غیره.
روش های بهینه سازی را می توان به طور کلی به دو دسته طبقه بندی کرد: روش های قطعی و روش های تصادفی. هر دسته دارای مزایا و معایبی است.
این مقایسه می تواند به شما در انتخاب روش بهینه سازی مناسب برای حل مشکلات بهینه سازی کمک کند. بیایید شروع کنیم.
برای فیلم های بیشتر شبیه به این, کانال یوتیوب من را بررسی کنید در اینجا.
روش های بهینه سازی
به طور کلی از بهینه سازی به عنوان یافتن بهترین راه حل برای یک مشکل بهینه سازی یاد می شود. بهینه سازی همیشه در بسیاری از زمینه ها مانند طراحی مهندسی مطلوب است, علوم کامپیوتر, تحقیق در عملیات, اقتصاد, شیمی محاسباتی, زیست پزشکی, و غیره. (کولهو, ایالا & ماریانی 2014; نانوگرم & به 2014; وانگ و همکاران. 2013).
روش های بهینه سازی را می توان به طور کلی به دو دسته طبقه بندی کرد: روش های قطعی و روش های تصادفی (هاناگندی و نیکولاو 1998). هر دسته دارای مزایا و معایبی است.
روش های قطعی قادر به تضمین راه حل های بهینه جهانی برای مشکلات خاص به لطف بهره برداری از برخی از ویژگی های مفید ساختار مشکل هستند. با این حال, ممکن است هنگام مقابله با مشکلات جعبه سیاه شکست بخورند, عملکردهای بسیار بد رفتاری یا مشکلات پیچیده در مقیاس بزرگ, به دلیل مشکل انفجار ترکیبی.
روش های تصادفی می توانند با هر نوع مشکل بهینه سازی کار کنند اما توانایی ضعیفی برای تضمین راه حل های بهینه جهانی دارند. روش تصادفی تنها راه حل های بهینه جهانی با تضمین احتمالی فراهم می کند و این احتمال تبدیل خواهد شد 1 در زمان محاسبات بی نهایت (لیبرتی & کوچرنکو 2005; مول, مندس & بانگا 2003).
با این وجود هیچ الگوریتمی قادر به حل مشکل بهینهسازی عمومی با قطعیت در زمان محاسبات محدود (بوندر و رومیان 1995) نیست.
1. روش های بهینه سازی قطعی
روش های بهینه سازی قطعی به لطف بهره برداری از برخی ویژگی های مفید ساختار مشکل قادر به تضمین راه حل های بهینه جهانی برای مشکلات خاص هستند. تعدادی از روش های بهینه سازی قطعی مانند روش شاخه و محدود وجود دارد, روش برش هواپیما, روش اولیه-تجزیه دوگانه, روش تقریب بیرونی, روش تقریب داخلی, تفاوت روش محدب, روش محدب معکوس, روش فرمول-خطی سازی, روش لیپشیتزی, مسیر و هموتوپی روش, روش تجزیه و تحلیل فاصله, و غیره. (فلوداس 2000).
2. روش های بهینه سازی تصادفی
روش های بهینه سازی تصادفی می توانند با هر نوع مشکلی کار کنند اما توانایی ضعیفی برای تضمین راه حل بهینه جهانی دارند. روش تصادفی راه حل بهینه جهانی تنها با تضمین احتمالی فراهم می کند و این احتمال تبدیل خواهد شد 1 در زمان محاسبات بی نهایت (لیبرتی & کوچرنکو 2005; مول, مندس & بانگا 2003). با این وجود هیچ الگوریتمی قادر به یافتن راه حل بهینه جهانی با اطمینان برای یک مشکل بهینه سازی کلی در زمان محاسبات محدود (بوندر و رومیان 1995) وجود ندارد.
بررسی ادبیات نشان می دهد که روشهای بهینه سازی تصادفی در کاربردهای واقعی محبوبیت بیشتری نسبت به روشهای قطعی دارند. این می تواند به دلایل مختلفی باشد. اول اینکه روشهای تصادفی برای حل مشکلات نیازی به تجزیه و تحلیل ریاضی پیچیده ندارند. دوم اینکه روشهای تصادفی میتوانند مشکلات عملی و در مقیاس بزرگ را بهتر از روشهای قطعی مدیریت کنند. در نهایت امروزه تکنولوژی پیشرفته محاسباتی امکان افزایش احتمال یافتن راه حل بهینه جهانی را فراهم می کند زیرا تعداد زیادی از راه حل ها را می توان در یک زمان محاسباتی نسبتا کوتاه تولید و ارزیابی کرد (2016).
تعدادی از روش های بهینه سازی تصادفی برای حل بسیاری از مشکلات پیچیده در مقیاس بزرگ مانند الگوریتم ژنتیک ایجاد شده است, جستجوی ممنوع, بهینه سازی ازدحام ذرات, جستجوی فاخته, بهینه سازی کلنی مورچه ها, بازپخت شبیه سازی شده, تپه نوردی, سراشیبی سیمپلکس, الگوریتم کلنی زنبور عسل مصنوعی, هوش ازدحام, الگوریتم تکامل دیفرانسیل, و غیره. هر روش دارای مزایا و معایبی است.
الگوریتم بهینه سازی مورد علاقه من الگوریتم ژنتیک است. چگونه در مورد شما? الگوریتم بهینه سازی مورد علاقه شما چیست?
پ / س: اگر پست را مفید می دانید به اشتراک بگذارید تا به خاطر بسپارید و به افراد دیگر نیز کمک کنید.