تحقیق درباره الگوریتم ژنتیک و علوم اجتماعی

استراتژی‌های انتخاب
عملگرهای ژنتیک[19]
الگوریتم ژنتیک با انبوهی از جواب‌ها سروکار دارد و به‌واسطه داشتن همین خصوصیت امکان اجرای موازی الگوریتم و همچنین مهاجرت بین زیر جمعیت‌ها را که باعث تنوع ژنتیکی می‌شوند فراهم می‌آورد. در این الگوریتم نقاط بر روی مجموعه تعریف می‌شود یعنی اعداد به‌صورت رشته‌های باینری و به طول k بیان می‌شوند. الگوریتم ژنتیک روشی است بر مبنای جستجو در فضای و با استفاده از تابع توزیع احتمال که این تابع در طول اجرای الگوریتم مرحله‌به‌مرحله به سمت محدوده‌ای که جواب در آن قرار دارد همگرا می‌شود. امروزه الگوریتم ژنتیک دراین‌بین شناخته‌شده‌ترین نوع الگوریتم تکاملی به‌حساب می‌آید، چراکه الگوریتم‌های ژنتیکی اخیراً به‌دقت قابل‌ملاحظه‌ای دست‌یافته‌اند.
امروزه کاربرد الگوریتم‌های ژنتیکی حوزه وسیعی از مسائل بهینه‌سازی در زمینه‌های مختلف فنی مهندسی، علوم اجتماعی را در برمی‌گیرد. الگوریتم ژنتیک را می‌توان هم برای مسائل مقید و هم برای مسائل نامقید بکار برد. برای مسائل بهینه‌سازی استاندارد، صرفاً روشی برای به دست آوردن یک جواب می‌باشد. همچنین می‌توان آن را برای مسائل خطی، غیرخطی و برنامه‌ریزی احتمالی که دارای متغیرهای تصادفی و درجه‌ای از عدم قطعیت است استفاده نمود[20].
الگوریتم تبرید شبیه‌سازی‌شده
در سال 1953 متروپلیس، الگوریتمی را برای ارزیابی تغییرات دمای جسم جامد ارائه داد. او در ابتدا، دمای جسم را بالا برده تا جسم به حالت مذاب درآید و سپس برای کاهش انرژی درونی جسم، اتم‌های جسم را جابجا نموده تا انرژی جسم کاهش یابد. این جابجایی مابین دو اتم انجام می‌گیرد. سپس در همسایگی این اتم، اتم دیگری را انتخاب نموده و با این اتم جابجا کند، انتخاب اتم جهت جابجایی، کاملاً تصادفی صورت می‌گیرد و هیچ ترتیبی برای این کار در نظر گرفته نمی‌شود. در این دما، چندین جابجایی صورت می‌گیرد و وقتی هیچ تغییری در انرژی حاصل نشد، دمای جسم را کاهش می‌دهند. قبل از این‌که دمای جسم را کاهش دهند، تست تعادلی انجام می‌گیرد. درصورتی‌که در اثر جابجایی، انرژی جسم کاهش یابد جابجایی پذیرفته‌ شده ولی در صورت عدم کاهش انرژی این جابجایی با یک احتمال پذیرفته می‌شود.
بعدها در سال 1983، کرک پاتریک، با مشابه‌سازی این الگوریتم، بین کمینه کردن تابع هزینه یک مسئله و سرد کردن جسم تا زمان رسیدن آن به حالت انرژی پایه، از آن برای حل مسائل بهینه‌سازی استفاده کرد. با این جای گذاری، او و همکارانش الگوریتمی به نام تبرید شبیه‌سازی‌شده را برای حل مسائل بهینه‌سازی ترکیبی معرفی کردند. تعبیر فیزیکی تبرید تدریجی، مربوط به فرایند تبرید شبیه‌سازی‌شده در جامدات هست. فرایند تبرید شبیه‌سازی‌شده که منجر به کاهش انرژی در یک جامد است، توسط زگردی و همکارانش به‌صورت زیر تعریف‌ شده است:
در هر مرحله، یک اتم به میزان کمی جابجا شده که این کار منجر به تغییر در انرژی سیستم می‌گردد که با نمایش می‌دهند. اگر باشد، جابجایی دو اتم پذیرفته شده و ساختار جامد یا اتم جابجا شده به‌عنوان نقطه شروع مرحله بعد مورداستفاده قرار می‌گیرد. در حالتی که باشد، به‌صورت احتمالی برخورد میشود، بدین معنی که احتمال این‌که ساختار جامد پذیرفته شود با استفاده از ‏معادله 2-3 تعیین می‌گردد.
که در آن T درجه حرارت و ثابت بولتزمن است. در اینجا یک عدد تصادفی با توزیع یکنواخت در فاصله (1,0) انتخاب‌ شده و یا با مقایسه می‌گردد . اگر عدد به‌دست‌آمده کمتر از باشد، ساختار جدید پذیرفته ‌شده و جهت شروع مرحله بعد استفاده می‌گردد. در غیر این صورت ساختار جدید رد می‌شود. این فرایند ادامه پیدا می‌کند تا این‌که به یک سطح تعادل دست پیدا کند، در آن حالت درجه حرارت مطابق با نحوه تبرید، کاهش داده می‌شود. این فرایند ادامه پیدا می‌کند تا این‌که سیستم به حالت‌ جامد تبدیل شود. در هر درجه حرارت، باید فرایند نحوه تبرید به‌گونه‌ای باشد که جهت رسیدن به یک شرط تعادل، به تعداد کافی تعویض انجام شود[21].
عدم قطعیت در طراحی
تعریف عدم قطعیت
طراحان متناسب باهدف مأموریت، سیستم‌هایی با عملکرد مشخص طراحی می‌کنند. به همین منظور باید ورودی‌های پیش‌بینی‌شده به سیستم داده شود تا خروجی مورد انتظار دریافت گردد. در شرایط واقعی در اغلب موارد عدم قطعیت‌هایی نیز به همراه ورودی‌های پیش‌بینی‌شده وارد سیستم می‌گردند و باعث می‌شوند تا مأموریت به‌خوبی انجام نگردد. به همین دلیل اگر طراحان از بدو طراحی این مسئله را در نظر بگیرند و تدابیر لازم را اتخاذ کنند مشکلی ایجاد نمی‌شود در غیر این صورت این عدم قطعیت‌ها بسیار مشکل‌ساز خواهند بود. برای مثال اگر موتور مرحله اول یک حامل بنا به دلایلی نیروی پیشران لازم را با حدود یک درصد خطا تولید کند ممکن است درنهایت محموله به ارتفاع لازم نرسد و آنگاه برای جبران خطا از تراسترهای موجود در مرحله آخر باید کمک گرفته شود که هزینه‌بر خواهد بود.
برای عدم قطعیت تعاریف مختلفی ذکرشده است. برای مثال در مرجع [22] عدم قطعیت این‌طور تعریف شده است:
“عدم قطعیت یک پدیده‌ی ناشناخته در دنیای طبیعی و فناوری می‌باشد. مهندسان به‌طور مستمر در طراحی‌های خود با آن مواجه می‌شوند، بااین‌حال یک تعریف واحد برای آن وجود ندارد. یک تعریف کلی برای عدم قطعیت عبارت است از: فاصله اطلاعاتی بین آنچه میدانیم و آنچه برای تصمیم‌گیری بهینه با کمترین ریسک لازم است بدانیم.”
درکل عدم قطعیت را می‌توان یک نقص بالقوه در سیستم دانست که احتمال بالفعل شدن آن نیز بسیار زیاد است. نسبت دادن لفظ نقص به عدم قطعیت‌ها حداقل تا زمانی که منبع ناشناخته داشته باشند و قابل‌پیشگیری نباشند چندان هم متعصبانه و سختگیرانه نیست.
علت اصلی بروز عدم قطعیت‌ها این است که برای مدل‌سازی هر پدیده طبیعی عموماً دو فرایند صورت میگیرد:
ایده آل سازی
فرضیات ساده‌سازی
که این دو فرایند منجر به‌راحتی کار و البته انتشار خطا در مدل می‌شوند. زیرا استفاده از این دو فرایند باعث می‌شود در مدل‌سازی ریاضی یک سیستم، برخی وقایع و پدیده‌ها مدل نشود و بنابراین پیش‌بینی مناسبی برای مواجهه با آن‌ها صورت نگیرد.
اصولاً در توصیف و مدل کردن هر سیستم واقعی مهندسی، چند درجه عدم قطعیت اجتناب‌ناپذیر وجود دارد. در حین طراحی و تحلیل یک سیستم، توصیف قطعی ویژگی‌های سیستم و محیط آن ممکن است به دلایل زیادی ممکن نباشد، برای مثال می‌توان از عدم قطعیت در ویژگی‌های مواد ناشی از ناهمگنی استاتیکی ساختمان میکروسکوپی، عدم قطعیت در رسیدن به یک مدار هدف به علت تلورانس‌های پرتابگر، عدم قطعیت در گشتاورهای اغتشاشی وارده به یک سامانه فضایی ناشی از شرایط محیطی متغیر نام برد.
در یک روند طراحی ما معمولاً با پارامترهایی سروکار داریم که مقدار ثابتی فرض شدهاند. درصورتی‌که در واقعیت ممکن است این پارامترها متغیر باشند و تغییراتی در خروجی طرح ایجاد کنند. مخصوصاً وقتی‌که با طرح‌هایی سروکار داریم که شدیداً بهینه‌شده‌اند این موضوع تشدید میشود به این خاطر که یک حل بهینه معمولاً تمایل دارد روی یک قید (محدودیت) مرزی باشد. درنتیجه اغتشاشات کوچک ممکن است منجر به تغییرات قابل‌توجه در عملکرد یا تجاوز از قید یا محدودیت‌های طراحی شوند. درواقع در چنین شرایطی، یک طرح بهینه بدون در نظر گرفتن عدم قطعیتها، می‌تواند یک ریسک بزرگ در طرح باشد که الزامات طراحی را ارضا نکند.
یک راه محافظت در مقابل عدم قطعیت به کار گرفتن محدودیت‌های دقیقی است که به‌طور ایده آل اعمال خواهند شد. به‌طور مثال وقتی‌که یک سیستم سازه‌ای طراحی میکنیم، برای اطمینان از اینکه طرح نهایی نمیشکند، محدودیتهای طراحی اغلب روی تنشها اعمال میشوند (). برای به‌حساب آوردن عدم قطعیت‌های مختلف، محدودیتها ممکن است به‌صورت ( ) نوشته شوند که ضریب اطمینان نامیده میشود. عموماً برای ضریب اطمینان مقادیری بین 2/1 تا 3 در نظر می‌گیرند. مقدار واقعی اغلب بر اساس تجارب قبلی در مورد مواد مورد استفاده و طرح‌های مشابه انتخاب میشود. درواقع، طرح بهینه جدید با افزایش ضریب اطمینان خیلی محافظه‌کارانه میشود، ازاین‌رو نقطه بهینه از قید مرزی اصلی دورتر می‌شود. در زمینه طراحی سازه های هوافضایی استفاده از ضریب اطمینان بالا به دلیل جریمه افزایش وزن مطلوب نیست.[23]
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.