Mean

۰٫۹۸۳۷۴

۰٫۴۹۲۳۵۲

۰٫۳۳۶

۳۱۰٫۰۷۴

۰٫۹۵۹۳۵

۰٫۵۰۴۰۵۵

۰٫۳۴۵

۳۱۸٫۰۴۳

۰٫۳۰۸

۱۰۳۷٫۴۷۸

Max

مشاهده می­گردد که الگوریتم فراابتکاری GA توانسته است در زمینه حل مسائل متوسط به طور میانگین به حدودا ۸۷% از بهینگی در تنها ۴۰% از زمان حل دقیق دست یابد. با اندکی تامل متوجه کاهش ۱۸% در میانگین زمان حل نسبی الگوریتم فراابتکاری GA در مقایسه با حل دقیق (از ۵۸ تا ۴۰%) در ازای کاهش ۹% در میانگین بهینگی نسبی جواب­های این دو الگوریتم (از ۹۶ تا ۸۷%) در نتیجه افزایش ابعاد مسائل نمونه از سایز کوچک تا متوسط می­شویم. همچنین برای الگوریتم فراابتکاری CS نیزمشاهده می­ شود که توانسته است در زمینه حل مسائل متوسط به طور میانگین به حدودا ۹۱% از بهینگی در تنها ۳۶% از زمان حل دقیق دست یابد. در این قسمت نیز متوجه کاهش ۱۸% در میانگین زمان حل نسبی الگوریتم فراابتکاری CS در مقایسه با حل دقیق (از ۵۴ تا ۳۶%) در ازای کاهش ۷% در میانگین بهینگی نسبی جواب­های این دو الگوریتم (از ۹۸ تا ۹۱%) در نتیجه افزایش ابعاد مسائل نمونه از سایز کوچک تا متوسط می­شویم. . کارایی بهتر الگوریتم CS در مقابل الگوریتم GA در هنگام بزرگ شدن ابعاد مسأله کاملا محسوس است. برای مقایسه هر چه آسانتر عملکرد الگوریتم­های فرا ابتکاری و حل دقیق در حل مسائل نمونه با سایز متوسط از نمودارهای جداول شماره (۴-۱۳) استفاده شده­است.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

شکل ۵-۱۸ تغیرات تابع هدف با بهره گرفتن از روش های مختلف
شکل ۵-۱۹ تغیرات زمان اجرا با بهره گرفتن از روش های مختلف
پیچیدگی بالای این مسائل با توجه به رشد نمایی زمان حل مسائل فوق در نتیجه رشد ابعاد آن­ها به­خوبی در نمودار شکل (۴-۱۵) قابل استنباط می­باشد. می­بینید که باز هم همانند نتایج حل مسائل کوچک، شکاف نسبتا ناچیزی بین جواب­های به دست­آمده توسط الگوریتم فراابتکاری و نتایج حل دقیق با توجه به شکل () وجود دارد. این در حالیست که کاهش چشم­گیر زمان موردنیاز برای حل این مسائل در نتیجه استفاده از الگوریتم تلفیقی مذکور از شکل فوق به خوبی مشخص است.
شکل ۵-۲۰ مقایسه عملکرد الگوریتم­های فراابتکاری و حل دقیق در محورهای بهینگی و زمان حل برای مسائل با سایز متوسط
کماکان شاهد روند نزولی بهینگی نسبی جواب­های به دست آمده و زمان حل در نمودار فوق می­باشیم. به طوری که در مورد مساله متوسط شماره S43، الگوریتم فراابتکاری CS مذکور توانسته­است به حدودا ۸۸% از بهینگی حل دقیق در تنها ۳۹% از زمان حل دقیق دست یابد. این امر نوید بخش توان بالای حل مسائل واقعی با پیچیدگی بسیار بالا توسط الگوریتم CS مذکور می­باشد.
به طور کلی عملکرد با مقایسه عملکرد الگوریتم فراابتکاری CS ، در محورهای زمان و بهینگی در مورد مسائل با سایز کوچک و متوسط متوجه قابلیت اطمینان بالا و توانایی چشم­گیر الگوریتم مذکور در حل مسائل واقعی با ابعاد بزرگ در زمان معقول می­شویم. به منظور سنجش این ادعا به سراغ مسائل بزرگ با ابعاد شبه واقعی (مسائلی که نرم­افزار حل دقیق GAMS IDE/Cplex توانایی حل آن­ها را در کمتر از ۲۰۰۰ ثانیه ندارد) رفته و عملکرد الگوریتم فراابتکاری CS را در حل این مسائل مورد بررسی قرار می­دهیم.
۵-۷ نتایج حاصل از حل مسائل بزرگ با الگوریتم های فرا ابتکاری و مقایسه آن با حل دقیق
در ادامه مشخصات پنج مساله بزرگ با ابعاد نزدیک به دنیای واقعی گزارش می­ شود. هیچ­کدام از این مسائل در حد زمانی تعیین­شده (۲۰۰۰ ثانیه) قابل حل دقیق توسط نرم­افزار GAMS IDE/Cplex نبودند. ابعاد این مسائل به گونه ای است که از همه تیم­های موجود ( ۷ تیم در مرحله اول و ۱۰ تیم در مرحله دوم ) استفاده شده است و این ۵ مسأله با تعداد کارهای ۲۱ تا ۲۵ به وجود آمدند. جواب­های بهینه موضعی به دست آمده برای این مسائل در حد زمانی مذکور در جدول (۴-۱۵) آورده شده ­اند. هم­چنین دلایل عدم دستیابی روش حل دقیق به جواب بهینه نهایی نیز در این جدول ذکر گردیده ­است.
جدول ۵-۱۷ مقایسه عملکرد الگوریتم فراابتکاری با روش حل دقیق در راستای بهینگی جواب­ها و زمان حل مسائل با سایز بزرگ

Hybrid algorithm Stop condition

GAMS error message

Comparison

CS

GAMS IDE-Cplex

Problem name

CS/GAMS

runtime

Objective value

runtime

Objective value

runtime

Objective value

Time limit exceeded

Resource limit exceeded

۱

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...