اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدطريقة المستوي القاطع التفاعلية للبرمجة المتعددة الأهداف بوسائط ضبابية
Interactive Cutting-Plane Method for Multiobjective Programming with Fuzzy Parameters
1224
0 11
0
(
0
)
تأليف
زياد قناية( باحث )
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
تقدم في هذا البحث طريقة حل تفاعلية لمسائل البرمجة الرياضية المتعددة الأهداف مع وجود وسائط ضبابية في كل من دوال الهدف و في القيود، و تعالج تلك الوسائط كأعداد ضبابية. و من أجل هذه المسائل يقدم مفهوم أمثلية a-بارتو كتوسيع لأمثلية بارتو العادية و ذلك بالاعتماد على مجموعات a-مرتبة للأعداد الضبابية. و تعتمد طريقة الحل المقترحة على المستويات القاطعة التي تبنى على نسب مقايضة موضعية بين دوال الهدف موصوفة من قبل متخذ القرار و ذلك عند كل تكرار مولد بالطريقة. و تم تقديم مثال عددي لتوضيح هذه الطريقة.
This paper presents an interactive solution method for treating multi objective mathematical programming problems with fuzzy parameters in the objective functions and in the constraints. Theses fuzzy parameters are characterized by fuzzy numbers. For such problems, the concept of a-Pareto optimality introduced by extending the ordinary Pareto optimality based on the a-level sets of fuzzy numbers. The proposed solution method is based on cutting planes, which are based on local trade off ratios between the objective functions as prescribed by the decision maker at each iterate generated by the method. An illustrative numerical example is given to clarity this method.
مراجعة الذكاء الصنعي:
ملخص البحث
يقدم هذا البحث طريقة تفاعلية لحل مسائل البرمجة الرياضية المتعددة الأهداف مع وجود وسائط ضبابية في دوال الهدف والقيود. يتم التعامل مع هذه الوسائط كأعداد ضبابية. يتم تقديم مفهوم أمثلية α-بارتو كتوسيع لأمثلية بارتو العادية، وذلك بالاعتماد على مجموعات α-مرتبة للأعداد الضبابية. تعتمد طريقة الحل المقترحة على المستويات القاطعة التي تبنى على نسب مقايضة موضعية بين دوال الهدف، والتي يتم وصفها من قبل متخذ القرار عند كل تكرار مولد بالطريقة. تم تقديم مثال عددي لتوضيح هذه الطريقة. تهدف الدراسة إلى تقديم طريقة تفاعلية لمعالجة مسائل البرمجة المتعددة الأهداف سواء كانت خطية أو غير خطية ضمن منطقة قرار ضبابية. تم إثبات أن الحل الناتج عن الطريقة المقترحة هو حل α-بارتو الأمثل. يمكن استخدام الطريقة المقدمة لحل المسائل الواقعية الممثلة بنموذج البرمجة المتعددة الأهداف مع وجود وسائط ضبابية في دوال الهدف والقيود، مما يجعل النموذج الرياضي أكثر دقة وواقعية.
قراءة نقدية
دراسة نقدية: بالرغم من أن البحث يقدم طريقة جديدة ومبتكرة لحل مسائل البرمجة المتعددة الأهداف مع وجود وسائط ضبابية، إلا أنه يفتقر إلى تطبيقات عملية واسعة النطاق لتأكيد فعالية الطريقة في مختلف المجالات. كما أن الاعتماد الكبير على خبرة متخذ القرار في تحديد نسب المقايضة الموضعية قد يحد من دقة النتائج في بعض الحالات. من الجيد أن يتم إجراء المزيد من الدراسات التطبيقية واختبار الطريقة على مسائل واقعية متنوعة لتعزيز مصداقية النتائج وتوسيع نطاق الاستخدام.
أسئلة حول البحث
-
ما هو الهدف الرئيسي من البحث؟
الهدف الرئيسي من البحث هو تقديم طريقة تفاعلية لحل مسائل البرمجة المتعددة الأهداف مع وجود وسائط ضبابية في دوال الهدف والقيود.
-
ما هو مفهوم أمثلية α-بارتو؟
مفهوم أمثلية α-بارتو هو توسيع لأمثلية بارتو العادية، ويعتمد على مجموعات α-مرتبة للأعداد الضبابية.
-
ما هي الأساسيات التي تعتمد عليها طريقة الحل المقترحة؟
تعتمد طريقة الحل المقترحة على المستويات القاطعة التي تبنى على نسب مقايضة موضعية بين دوال الهدف، والتي يتم وصفها من قبل متخذ القرار عند كل تكرار مولد بالطريقة.
-
ما هي التحديات المحتملة في تطبيق الطريقة المقترحة؟
من التحديات المحتملة الاعتماد الكبير على خبرة متخذ القرار في تحديد نسب المقايضة الموضعية، مما قد يحد من دقة النتائج في بعض الحالات.
المراجع المستخدمة
DUBOIS, D.; PRADE, H. Operations on fuzzy numbers. International Journal of Systems Science, 9, 1978, 613-626
DUBOIS, D.; PRADE, H. Fuzzy sets and systems: theory and application. Academic Press, New York, 1980, 393
DYER, J. S. A time sharing computer program for the solution of the multiple criteria problem. Management Science, 19, 1973, 1379-1383
GEOFFRION, A. M.; DYER, J. S.; FEINBERG, A. An interactive approach for multicriterion optimization with an application to the operation of an academic department. Management Science, 19, 1972, 357-368
قيم البحث
اقرأ أيضاً
في هذا البحث نعرض طريقة تفاعلية جديدة لحل مسائل البرمجة الخطية متعددة الأهداف, تعتمد هذه الطريقة على تشكيل نموذج تخفيض الانحرافات النسبية لدوال الأهداف عن قيمها المعيارية, و معالجة انحرافات دوال الأهداف غير المرضية بالتفاعل مع متخذ القرار.
و تم مقار
نة النتائج التي حصلنا عليها مع عدة طرائق تفاعلية و منها ( طريقة STEM [6]– طريقة STEM المحسنة[7] – طريقة Matejas – peric [8]) حيث أثبتت النتائج العددية فعالية الطريقة المقترحة مقارنة مع النتائج التي حصلنا عليها باستخدام تلك الطرائق عند نقطة الحل الابتدائي و مختلف نقاط التفاعل مع متخذ القرار.
على الرغم من نوعية جيدة بشكل جيد لأنظمة الترجمة الآلية (MT)، تتطلب مخرجات MT تصحيحات. تم تقديم نماذج ما بعد التحرير التلقائي (APE) لأداء هذه التصحيحات دون تدخل بشري. ومع ذلك، لا يتمكن أي نظام من أتمتة عملية التحرير بالكامل (PE). علاوة على ذلك، في حين
أن العديد من أدوات الترجمة، مثل ذكريات الترجمة (TMS)، فإن الاستفادة إلى حد كبير من مدخلات المترجمين، لا يزال تفاعل الإنسان (HCI) محدودا عندما يتعلق الأمر ب PE. تناقش هذه الورقة المحرز في مجال البحث نماذج القرد وتقترح أنها يمكن تحسينها في سيناريوهات تفاعلية أكثر، كما فعلت سابقا في MT مع إنشاء أنظمة MT (IMT) التفاعلية. بناء على الفرضية التي ستستفيد PE من HCI، يتم اقتراح منهجيتين. كلاهما يشير إلى أن إعدادات التعلم الدفاعية التقليدية ليست الأمثل لل PE. بدلا من ذلك، يوصى بتدريب التقنيات عبر الإنترنت لتدريب وتحديث نماذج PE على الطاير، عبر التفاعلات الحقيقية أو المحاكاة مع المترجم.
نقدم مجموعة من المهام لدورة NLP على مستوى الدراسات العليا.تم تصميم المهام لتكون تفاعلية، قابلة للتدريج بسهولة، وإعطاء الطلاب التدريب العملي مع العديد من أنواع الهيكل الأساسي (التسلسلات، العلامات، أشجار التحليل، والأشكال المنطقية)، والبنية العصبية الح
ديثة (LSTMS والمحولات)، خوارزميات الاستدلال (ديناميكيةالبرامج والبحث التقريبي) وأساليب التدريب (الإشراف الكامل والضعفاء).لقد صممنا المهام المبذولة على حد سواء تدريجيا داخل كل مهمة وعبر المهام، بهدف تمكين الطلاب من إجراء بحث على مستوى الدراسات العليا في NLP بحلول نهاية الدورة.
الفهم القراءة الآلة التفاعلية (IMRC) هو مهام فهم الجهاز حيث تكون مصادر المعرفة يمكن ملاحظتها جزئيا.يجب أن يتفاعل الوكيل مع بيئة بالتتابع لجمع المعرفة اللازمة من أجل الإجابة على سؤال.نحن نفترض أن تمثيلات الرسم البياني هي تحيزات حثي جيدة، والتي يمكن أن
تكون بمثابة آلية ذاكرة الوكيل في مهام IMRC.نستكشف أربع فئات مختلفة من الرسوم البيانية التي يمكنها التقاط معلومات نصية على مختلف المستويات.نحن تصف الأساليب التي تقوم ببناء وتحديث هذه الرسوم البيانية هذه ديناميكيا أثناء جمع المعلومات، وكذلك النماذج العصبية لتشفير تمثيلات الرسم البياني في وكلاء RL.تشير تجارب واسعة النطاق على ISquad إلى أن تمثيلات الرسم البياني يمكن أن تؤدي إلى تحسينات كبيرة في الأداء لعوامل RL.
قمنا في هذا البحث بدراسة طريقة القوى التكرارية التي تسمح بحساب تقريب للقيمة الذاتية و كذلك للمتجه
الذاتي المرتبط بها. كذلك درسنا طريقة القوى التكرارية العكسية التي تسمح أيضاً بالحصول
على تقريب لمتجه ذاتي له قيمة ذاتية تقريبية معروفة. كما تم وصف طري
قة QR التي تسمح
بحساب كل القيم الذاتية بطريقة فعالة ثم أوجدنا خوارزمية لهذه الطريقة.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
