بخشی از پاورپوینت
--- پاورپوینت شامل تصاویر میباشد ----
اسلاید 1 :
بهینه سازی سيستم هاي نرم افزاري
طبقه بندي روشهاي جستجوي متمرکز(توزيع نشده)
طبقه بندي مسايل مربوط به جستجوي توزيع شده براساس نوع کاربرد (Applicatio )
طبقه بندي الگوريتم هاي مورداستفاده در حل مسايل ارضاي محدوديت (الگوريتم هاي جستجوي آسنکرون)
طبقه بندي الگوريتم هاي مورداستفاده در حل مسايل يافتن مسير(برنامه نويسي پوياي آسنکرون)
طبقه بندي الگوريتم هاي جستجو در مسايل بهينه سازي ترکيبي
معرفي الگوريتم هاي مطرح در بهينه سازي ترکيبي
معرفي فرااکتشافات
طبقه بندي فرااکتشافات
مراجع
اسلاید 2 :
بهینه سازی را می توان به صورت بهترین شکل تخصیص منابع به مصارف تعریف کرد به نحوی که تخصیصی بهتر از آن وجود نداشته باشد.
مشکلات استفاده از روشهای اولیه بهینه سازی، وقت گیر بودن حل مسایل بزرگ با آنها بود.
اکتفا به رسیدن به جوابهای به اندازه کافی خوب در زمان منطقی
اسلاید 3 :
جستجوي ساختارنيافته: توليد سيستماتيک وضعيتهاي جديد و مقايسه آنها با هدف
معايب: اين استراتژي ها در بيشتر موارد، ناکارا هستند .
جستجوي ساختاريافته: از دانش خاص مساله استفاده مي کند، مي تواند راه حل هاي کارآمدتري ارائه کند.
جستجوي اول بهترين: انتخاب گره اي که براساس تابع ارزيابي، بهترين انتخاب به نظر مي رسد. هدف از روشهاي اول بهترين، يافتن کم هزينه ترين راه حل است.
اسلاید 4 :
جستجوي حريصانه: هزينه تخميني براي رسيدن به هدف را کمينه مي کند. براي ارزيابي اين هزينه از تابع اکتشافي استفاده مي کند.
معايب: جستجوي حريصانه منجر به شروعهاي غلط و گسترش گره هاي غير ضروري مي گردد. به علاوه اگر مراقب گره هاي تکراري نباشيم ممکن است هرگز راه حلي پيدا نکنيم.
جستجو کامل و بهينه نيست
جستجوي A*: کمينه کردن هزينه کل مسير
f( ) = g( ) + h( )
اگر تابع h هرگز مقداري بيش از مقدار هزينه واقعي تخمين نزند، اين الگوريتم جستجو، کامل و بهينه خواهد بود .
اسلاید 5 :
جستجو با حافظه محدود
IDA*: هر تکرار يک جستجوي اول عمق است ولي به جاي يک حد عمقي از يک حد براي تابع f استفاده مي کند.
اين جستجو کامل و بهينه است.
SMA*: همان IDA* است که مسير جاري را براي وضعيتهاي تکراري بررسي کند ولي نمي تواند از وضعيتهاي تکراري توليد شده در مسيرهاي مختلف اجتناب کند.
اگر حافظه کافي باشد، کامل و بهينه است.
اسلاید 6 :
الگوريتم هاي بهبود تکرار شونده: شروع با يک پيکربندي کامل و انجام اصلاحات براي بهبود کيفيت آن.
تپه نوردي: در يک حلقه که مرتبا تکرار مي شود در جهت کاهش مقدار حرکت مي کند .
مشکلات : کمينه محلي – فلات – تيغه
آنيلينگ شبيه سازي شده: در زمان رسيدن به کمينه محلي به جاي شروع تصادفي اجازه دهيم چند قدم بالاتر برويم.
حرکت تصادفي به جای بهترین حرکت.
اسلاید 7 :
الگوريتم ژنتيک: احتمال به تله افتادن در کمينه هاي محلي اندک است. امکان اجراي موازي آن وجود دارد.
معايب: هزينه بالا و عدم تضمين جواب بهينه.
تعيين بهينه بودن جواب دشوار است.
اسلاید 8 :
الگوريتمهاي کامل، تضمين مي کنند براي هر نمونه اندازه متناهي از مسئله CO، راه حل بهينه اي در زمان محدود يافت خواهد شد. هنوز، براي مسائل CO که P-Hard هستند الگوريتمي با زمان چند جمله اي وجود ندارد. روشهاي کامل ممکن است در بدترين حالت، نياز به زمان محاسبه نمايي داشته باشند.
در روشهاي تخميني، ضمانت يافتن راه حل بهينه، قرباني جستجوي راه حل هاي خوب در زمانهاي بسيار کوتاه مي شود.
الگوريتم هاي سازنده: با اضافه کردن اجزايي به يک راه حل جزئي تهي اوليه، راه حل هايي را از ابتدا توليد مي کنند تا وقتي که راه حل کامل شود
الگوريتم هاي جستجوي محلي: از راه حل اوليه اي شروع مي کنند و به طور تکراري براي جايگزيني راه حل فعلي با راه حل بهتري در همسايگي فعلي تلاش مي کنند.
اسلاید 9 :
طي 20 سال گذشته نوع جديدي از الگوريتم تخمیني به وجود آمد که اساسا تلاش مي کند روشهاي اکتشافي پايه را با هدف جستجوي کارا و موثر فضاي جستجو در چارچوبهاي سطح بالاتر ترکيب کند.
ويژگيهاي اساسي مشخص کننده فرااکتشافات به شرح زير است:
- فرااکتشافات استراتژي هايي براي "راهنمايي" فرآيند جستجو هستند.
- هدف، کاوش کاراي فضاي جستجو براي يافتن راه حلهاي (نزديک) بهينه است.
- تکنيکهاي شرکت کننده در الگوريتم هاي فرااکتشافي، در محدودهء رويه هاي سادهء جستجوي محلي تا فرايندهاي يادگيري پيچيده قرار مي گيرند.
- الگوريتمهاي فرااکتشافي، تقريبي و عمدتا غيرقطعي هستند.
اسلاید 10 :
- ممکن است مکانيزمهايي براي اجتناب از به دام افتادن در نواحي محدود فضاي جستجو به کار ببرند.
- مفاهيم پايه فرااکتشافات، اجازه توصيف سطح انتزاعي را مي دهد.
- فرااکتشافات، مخصوص مسئله خاصي نيستند.
- ممکن است از دانش خاص دامنه به شکل توابع اکتشافيي که با استراتژي هاي سطح بالاتر کنترل مي شوند، استفاده کنند.
- امروزه ، فرااکتشافات پيشرفته تر، تجربه جستجو را براي راهنمايي جستجو به کار مي برند.