چکیده
فوق ابتکاری کلاسی از متدولوژی‌هایی است که به صورت خودکار فرآیند انتخاب یا تولید مجموعه‌ای از فرآیند ابتکاری را برای حل مسائل بهینه‌سازی مختلف انجام می‌دهد. یک مدل فوق ابتکاری سنتی به این مهم از طریق ابتکار سطح بالایی دست می‌یابد که شامل دو عنصر کلیدی با اسامی رویکرد انتخاب ابتکاری و رویکرد پذیرش حرکت است. اثربخشی ابتکاری در سطح بالا به علت ویژگی‌های چشم‌انداز مسائل مختلف به شدت وابسته به مسئله است. اکثر مدل‌های فوق ابتکاری فعلی با تطبیق ترکیب‌های مختلف مولفه‌ها به طور دستی به فرموله‌سازی ابتکار سطح بالا می‌پردازند. در این مقاله روشی برای طراحی خودکار ابتکار سطح بالا از یک مدل فوق ابتکاری با استفاده از تکنیک یادگیری تقویتی ارائه شده است. به طور دقیق‌تر، یادگیری کیوبرای هدایت مدل فوق ابتکاری در انتخاب مولفه‌های مناسب در طی مراحل مختلف فرآیند بهینه‌سازی اعمال می‌شود. رویکرد پیشنهادی با استفاده از نمونه‌های بنچمارک از شش حوزه مسئله در چهارچوب انعطاف‌پذیر فوق ابتکاری به طور جامع مورد ارزیابی قرار می‌گیرند. نتایج تجربی نشان می‌دهند که روش پیشنهادی ما با بسیاری از مدل‌های فوق ابتکاری در پیشینه پژوهش کنونی قابل مقایسه است.
1-مقدمه
یک مدل بهینه‌سازی شامل یافتن راه‌حل‌هایی عملی از مجموعه‌ای محدود از راه‌حل‌های موجود در فضای جستجو و سپس شناسایی راه‌حل بهینه است. چند مدل بهینه‌سازی دقیق وجود دارد که بهینه‌سازی جهانی را تضمین می‌کند. با این حال، این تضمین محدود به مسائل کوچک است و برای مسائل پیچیده، مدل بهینه‌سازی دقیق ممکن است زمانی طولانی را برای دستیابی به بهینه‌سازی بگیرد .[64]در این مورد، استفاده از ابتکارات برای تولید راه‌حلی که به اندازه کافی برای حل مسئله در تایم‌فریمی معقول باشد یک گزینه قابل قبول است. ابتکار شامل اعمال متدولوژی عملی است که همگرایی به بهینه‌سازی جهانی را تضمین نمی‌کند بلکه کافی است تا به اندازه کافی راه‌حلی خوب باشد...
میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید