چکیده مقاله
الگوریتم های بهینه سازی تکاملی، علی رغم دارا بودن قابلیت های گسترده در حل مسایل پیچیده، در بسیاری از مسایل واقعی با مشکل عمده هزینه محاسباتی بالا بدلیل استفاده از مدل های شبیه سازی زمانبر در فرآیند ارزیابی مقدار تابع هدف مواجه هستند به منظور حل این مشکل استفاده از مدل های جایگزین meta models که با استفاده از آنها ارزیابی تابع تقریب زده شده در زمانی بسیار کوتاهتر نسبت به تابع اصلی صورت می پذیرد، می تواند بعنوان یک راه کار مؤثر در نظر گرفته شود در این زمینه شبکه های عصبی مصنوعی ANN بعنوان ابزار تقریب تابع قابلیت های زیادی از خود نشان داده اند آموزش شبکه های عصبی نیاز به استفاده از یک مجموعه از داده های فراهم شده به منظور یادگیری دارد که فراهم کردن هر یک از آنها مستلزم استفاده از تابع اصلی زمانبر می باشد این مسأله می تواند استفاده از این راه کار را، خصوصاً در مسایل دارای ابعاد زیاد که رسیدن به یک سطح قابل قبول برای خطای تقریب براحتی امکان پذیر نیست و منجر به افزایش بار محاسباتی می گردد، با مشکل مواجه سازد در این مقاله، روشی ارائه شده است که در آن با استفاده از حل متوالی سه مسأله طراحی داده های آموزش، تقریب تابع اصلی و بهینه سازی تابع تقریب زده شده، ساخت مدل جایگزین با بکارگیری کمترین تعداد ارزیابی های تابع اصلی که مهمترین شاخص در افزایش هزینه محاسباتی است، صورت می گیرد عملکرد تکنیک ارائه شده در حل یک مسأله بهینه سازی ریاضی مرجع و مسأله تخصیص بهینه منابع آب در سطح حوضه آبریز رودخانه سیروان بعنوان یک مسأله واقعی مورد تحلیل و بررسی قرار گرفته است
کلیدواژهها
نویسندگان
مجتبی شوریان
دانشجوی دکترای مدیریت منابع آب، دانشکده مهندسی عمران و محیط زیست، دا
سیدجمشید موسوی
دانشیار، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر
شیوه ارجاع
�وریان، مجتبی و موسوی، سید جمشید،1388،ساخت مدل جایگزین بمنظور تقریب تابع هدف در مسائل بهینه سازی با استفاده از کمترین داده لازم جهت آموزش و کاربرد آن در حل مسأله تخصیص بهینه آب در سطح حوضه آبریز،هشتمین کنگره بین المللی مهندسی عمران،شیراز
ارائهشده در
مجموعه مقالات هشتمین کنگره بین المللی مهندسی عمران21 اردیبهشت 1388 · شیراز