توسعه شبکه عصبی تصمیم مبتنی بر الگوریتم ژنتیک برای ارزیابی ارجحیات در مسائل تصمیم گیری چندهدفه
بکارگیری شبکه های عصبی در تخمین و توصیف ساختار ارجحیت های تصمیم گیرنده، در حل مسائل تصمیم گیری چندهدفه در سال های اخیر بسیار مورد توجه قرار گرفته است. شبکه عصبی تصمیم رویکردی نوین برای تخمین تابع مطوبیت تصمیم گیرنده در مسایل چندهدفه است. توسعه و بهبود روش های آموزش این نوع از شبکه ها، یافتن راه حل مرجح در مسایل چندهدفه، به خصوص مسایل با ابعاد بزرگ را تسهیل می نماید. در این مقاله، به منظور غلبه بر مشکلات روش های آموزشی مبتنی بر گرادیان و با هدف افزایش کارآیی شبکه عصبی تصمیم روش آموزشی آن توسعه داده شده است و از الگوریتم ژنتیک برای آموزش این شبکه عصبی استفاده می شود. برای تنظیم پارامترهای شبکه عصبی تابع هزینه بهبود یافته ای پیشنهادی می شود و بر اساس این تابع هزینه پارامترهای شبکه عصبی بهینه سازی می شوند. رویکرد پیشنهادی در حل چندین مثال کاربردی بکارگرفته شده است که نتایج نشان می دهند که رویکرد پیشنهادی روشی کارآ به منظور تخمین تابع مطلوبیت -به خصوص غیرخطی- در حل مسائل تصمیم گیری چندهدفه می باشد. همچنین رویکرد پیشنهادی در تخمین توابع مطلوبیت مسائل چندهدفه گسسته نیز قابلیت بکارگیری دارد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.