بهينه‌سازي
نويسنده: اميدوار، مجيد
چكيده
در اين مقاله تئوري بهينه‌سازي مورد بررسي قرار مي‌گيرد و به مسائل معمول بهينه‌سازي و رويكرد‌هاي حل آنها اشاره مي‌شود.
بيت لر و ديگران (1979، 1) بهينه‌سازي را چنين شرح مي‌دهند: فعل «بهينه ساختن» كه كلمه قوي‌تري نسبت به «بهبود» مي‌باشد عبارتست از دستيابي به «بهينه»، و «بهينه‌سازي» اشاره به عمل بهينه ساختن دارد. بنابراين تئوري بهينه‌سازي شامل مطالعات كمي بهينه‌ها و روش يافتن آنهاست. هم‌چنين «بهينه» به عنوان يك واژه فني دلالت بر اندازه‌گيري كمي و تحليل رياضي دارد در حالي كه بهترين داراي دقت كمتر بوده و بيشتر براي امور روزمره استفاده مي‌شود.
در بيشتر موارد آنچه كه با هدف بهينه‌سازي انجام مي‌دهيم بهبود است. بهينه‌سازي به دنبال بهبود عملكرد در رسيدن به نقطه يا نقاط بهينه است. اين تعريف دو قسمت دارد: (1) جستجوي بهبود براي رسيدن به (2) نقطه بهينه. تفاوت روشني بين فرايند بهبود و مقصد يا نقطه بهينه وجود دارد. هنوز هم معمولاً در رويه‌هاي بهينه‌سازي تمركز بر همگرايي است (آيا به نقطه بهينه مي‌رسد؟) و عملكرد ضمني رويه به طور كلي فراموش مي‌شود. اين اهميت نسبت به همگرايي مربوط به ريشه‌هاي بهينه‌سازي در رياضيات است اما همان طور كه اشاره شد در عمل چنين اهميتي طبيعي و معقول نمي‌باشد (گلدبرگ 1989، 6). اين مقايسه قصد بي‌ارزش نشان دادن همگرايي و دقتهاي معمول رياضي را ندارد چرا كه اين حوزه خود مبناي ارزشمندي براي مقايسه روشهاي بهينه‌سازي ارائه مي‌كند.
درمقايسه الگوريتم‌هاي بهينه‌سازي دو معيار همگرايي و عملكرد مطرح مي‌شود. بعضي از الگوريتم‌ها داراي همگرايي بوده ولي ممكن است عملكرد ضعيفي داشته باشند، يعني فرايند بهبود آنها از كارايي و سرعت لازم برخوردار نباشد. برعكس بعضي ديگر از الگوريتم‌ها همگرايي نداشته ولي عملكرد آنها خيلي خوب است.
مي توان هدف از فرايندهاي جستجو را در سه دسته زير بيان كرد:
بهينه‌سازي
يافتن جواب عملي
شبه بهينه‌سازي
در شرايطي كه ما به يافتن جواب در همسايگي جواب بهينه راضي باشيم هدف جستجو را شبه بهينه‌سازي مي‌نامند. شبه بهينه‌سازي داراي دوطبقه است. اگر هدف يافتن جواب عملي خوب در فاصله تعريف شده‌اي از جواب بهينه باشد به آن بهينه‌سازي نزديك4 گفته مي‌شود. اگر شرط فاصله تعريف شده براي جواب بدست‌آمده حذف گردد و تنها يافتن جواب نزديك بهينه با احتمال بالا، هدف باشد به آن بهينه‌سازي تقريبي5 گفته مي‌شود.
بيشتر مسائل عملي آنقدر مشكل هستند كه در آنها هدف، شبه‌بهينه‌سازي در نظر گرفته مي‌شود تا از اين طريق تعادلي بين كيفيت جواب بدست آمده و هزينه جستجوي آن جواب برقرار گردد. هم‌چنين از آنجايي كه تعداد محاسبات مسائل بهينه‌سازي تركيبي به اعداد نجومي مي‌رسد حذف شرط بهينگي يك ضرورت اقتصادي است. در شبه‌بهينه‌سازي بايد الگوريتم‌هايي ارائه كرد كه حدود مناسب ميزان محاسبات و نزديكي به بهينگي را تضمين نموده و تعادلي بين آنها برقرار نمايند. اين الگوريتم‌ها بايد مجهز به پارامترهاي قابل تنظيم باشند تا كاربر بتواند با تغيير آن پارامترها تعادل مطلوب بين جواب بدست آمده و ميزان محاسبات را برقرار نمايد (پيرل6 1984، 1-10).
Beightler, C.S., D.T. Phillips, and D. J. Wilde.1979. Foundations of Optimization (2nd ed.). Englewood Cliffs, NJ: Printice-Hall.
Warner, M. ed. 1996. International Encyclopedia of Business and Management Londen: Routledge.
Goldberg, D. E. 1989. Genetic Algorithm in Search, Optimization & Machine Learning New York: Addison-Wesely Publishing Company.
Pearl, J. 1984. Heuristic: Intelligent search strategies for computer problem solving New York: Addison-Wesley Publishing Company.
ارسالي از طرف کاربر محترم : sabamm
/ع
در اين مقاله تئوري بهينه‌سازي مورد بررسي قرار مي‌گيرد و به مسائل معمول بهينه‌سازي و رويكرد‌هاي حل آنها اشاره مي‌شود.
1- تئوري بهينه‌سازي
بيت لر و ديگران (1979، 1) بهينه‌سازي را چنين شرح مي‌دهند: فعل «بهينه ساختن» كه كلمه قوي‌تري نسبت به «بهبود» مي‌باشد عبارتست از دستيابي به «بهينه»، و «بهينه‌سازي» اشاره به عمل بهينه ساختن دارد. بنابراين تئوري بهينه‌سازي شامل مطالعات كمي بهينه‌ها و روش يافتن آنهاست. هم‌چنين «بهينه» به عنوان يك واژه فني دلالت بر اندازه‌گيري كمي و تحليل رياضي دارد در حالي كه بهترين داراي دقت كمتر بوده و بيشتر براي امور روزمره استفاده مي‌شود.
در بيشتر موارد آنچه كه با هدف بهينه‌سازي انجام مي‌دهيم بهبود است. بهينه‌سازي به دنبال بهبود عملكرد در رسيدن به نقطه يا نقاط بهينه است. اين تعريف دو قسمت دارد: (1) جستجوي بهبود براي رسيدن به (2) نقطه بهينه. تفاوت روشني بين فرايند بهبود و مقصد يا نقطه بهينه وجود دارد. هنوز هم معمولاً در رويه‌هاي بهينه‌سازي تمركز بر همگرايي است (آيا به نقطه بهينه مي‌رسد؟) و عملكرد ضمني رويه به طور كلي فراموش مي‌شود. اين اهميت نسبت به همگرايي مربوط به ريشه‌هاي بهينه‌سازي در رياضيات است اما همان طور كه اشاره شد در عمل چنين اهميتي طبيعي و معقول نمي‌باشد (گلدبرگ 1989، 6). اين مقايسه قصد بي‌ارزش نشان دادن همگرايي و دقتهاي معمول رياضي را ندارد چرا كه اين حوزه خود مبناي ارزشمندي براي مقايسه روشهاي بهينه‌سازي ارائه مي‌كند.
درمقايسه الگوريتم‌هاي بهينه‌سازي دو معيار همگرايي و عملكرد مطرح مي‌شود. بعضي از الگوريتم‌ها داراي همگرايي بوده ولي ممكن است عملكرد ضعيفي داشته باشند، يعني فرايند بهبود آنها از كارايي و سرعت لازم برخوردار نباشد. برعكس بعضي ديگر از الگوريتم‌ها همگرايي نداشته ولي عملكرد آنها خيلي خوب است.
مي توان هدف از فرايندهاي جستجو را در سه دسته زير بيان كرد:
بهينه‌سازي
يافتن جواب عملي
شبه بهينه‌سازي
در شرايطي كه ما به يافتن جواب در همسايگي جواب بهينه راضي باشيم هدف جستجو را شبه بهينه‌سازي مي‌نامند. شبه بهينه‌سازي داراي دوطبقه است. اگر هدف يافتن جواب عملي خوب در فاصله تعريف شده‌اي از جواب بهينه باشد به آن بهينه‌سازي نزديك4 گفته مي‌شود. اگر شرط فاصله تعريف شده براي جواب بدست‌آمده حذف گردد و تنها يافتن جواب نزديك بهينه با احتمال بالا، هدف باشد به آن بهينه‌سازي تقريبي5 گفته مي‌شود.
بيشتر مسائل عملي آنقدر مشكل هستند كه در آنها هدف، شبه‌بهينه‌سازي در نظر گرفته مي‌شود تا از اين طريق تعادلي بين كيفيت جواب بدست آمده و هزينه جستجوي آن جواب برقرار گردد. هم‌چنين از آنجايي كه تعداد محاسبات مسائل بهينه‌سازي تركيبي به اعداد نجومي مي‌رسد حذف شرط بهينگي يك ضرورت اقتصادي است. در شبه‌بهينه‌سازي بايد الگوريتم‌هايي ارائه كرد كه حدود مناسب ميزان محاسبات و نزديكي به بهينگي را تضمين نموده و تعادلي بين آنها برقرار نمايند. اين الگوريتم‌ها بايد مجهز به پارامترهاي قابل تنظيم باشند تا كاربر بتواند با تغيير آن پارامترها تعادل مطلوب بين جواب بدست آمده و ميزان محاسبات را برقرار نمايد (پيرل6 1984، 1-10).
2-انواع مسائل بهينه‌سازي
3-انواع رويكردها و روشهاي حل مسائل بهينه‌سازي
پي نوشت ها :
1. Beightler
2. Warner
3. Goldberg
4. Near-optimization
5. Approximate-optimization
6. Pearl
Beightler, C.S., D.T. Phillips, and D. J. Wilde.1979. Foundations of Optimization (2nd ed.). Englewood Cliffs, NJ: Printice-Hall.
Warner, M. ed. 1996. International Encyclopedia of Business and Management Londen: Routledge.
Goldberg, D. E. 1989. Genetic Algorithm in Search, Optimization & Machine Learning New York: Addison-Wesely Publishing Company.
Pearl, J. 1984. Heuristic: Intelligent search strategies for computer problem solving New York: Addison-Wesley Publishing Company.
ارسالي از طرف کاربر محترم : sabamm
/ع
