Wir haben die Grundprinzipien und die Fallimplementierung des JAYA-Algorithmus im vorherigen Artikel gelernt, aber er eignet sich hauptsächlich für die Einzelzieloptimierung. Zu diesem Zweck schlug der große Mathematiker einen neuen Mehrziel-Optimierungsalgorithmus vor, den MO-Jaya-Algorithmus, der die Mehrziel-Optimierungsaspekte moderner Bearbeitungsverfahren berücksichtigt und für jeden betrachteten Bearbeitungsprozess einen Satz von Pareto-Optimalitäten erhält Lösung und die Pareto-Grenze. Der MO-Jaya-Algorithmus kann auch auf Optimierungsprobleme mit mehreren Zielen für andere Herstellungsprozesse angewendet werden.
Nach vielen Daten- und Literaturrecherchen stellt dieser Artikel die Implementierung seiner aktualisierten Version des MOJAYA-Multi-Objective-Optimierungsalgorithmus vor.
Haftungsausschluss: Nicht ohne Genehmigung reproduzieren. Auch wenn Sie diese Kolumne abonnieren, dient sie nur Ihrem eigenen Lernen, Wettbewerb usw. und nicht der kommerziellen Nutzung.
Artikelverzeichnis
1. Einführung in den Algorithmus
Der Jaya-Algorithmus (Multi-objective Jaya Algorithm, MOJAYA) wurde 2018 von Fateh Berrouk et al.
Design und Anwendung des Multi-Objective Jaya (MaOJaya)-Algorithmus zur Optimierung eines Multi-Objective-Benchmark-Optimierungsproblems Der grundlegende Jaya-Algorithmus wird modifiziert, indem das nicht dominierte Sortier- und Turnierauswahlschema von NSGA-II eingeführt wird. Ein Referenzpunktmechanismus wird eingeführt, um den Algorithmus zu durchlaufen, um die optimale Lösung zu erreichen. Der grundlegende Jaya-Algorithmus wurde modifiziert, wobei seine grundlegenden Eigenschaften beibehalten wurden. Tchebycheff - Ein zerlegungsbasierter Ansatz zur Vereinfachung komplexer MaOPs. genannt