باربری تهران , اندازه نمونه است و امید ریاضی

باربری تهران

اندازه نمونه است و امید ریاضی از است (Jin & Branke, 2005). پایداری[1]: متغیرهای طراحی با انحراف یا تغییرات در ارتباط هستند که بعد از راه حل بهینه مشخص می­شوند. بنابراین، یک نیاز عمومی این است که یک راه حل باید هنگامی که متغیرهای طراحی اندکی تغییر می­کنند هنوز بطور رضایت بخش کار کند. برای مثال به دلیل تلرانس ساخت؛ این چنین راه­حل­هایی، «راه­حل­های پایدار» نامیده می­شوند. برای جستجوی راه­حل­های پایدار، الگوریتم­های تکاملی باید بر روی امید ریاضی تابع برازندگی براساس توزیع احتمال از انحرافات توزیع کار کنند، به­طوری­که انحرافات به­صورت مستقل از همدیگر و با توزیع نرمال فرض می­شوند. (2-3) به­طور کلی مشخص کننده «تابع برازندگی موثر» می­باشد. نظر به این­که یک تحلیل اختصاصی از تابع برازندگی موثر در رابطه (2-3) معمولا در دسترس نیست، این تابع اغلب با استفاده از ادغام مونت کارلو[2] تقریب زده می­شود. (2-4) توجه کنید که رابطه (2-4) بسیار شبیه به رابطه­ی (2-2) است و در واقع دو حالتی هستند که ارتباط تنگاتنگ با هم دارند. با این وجود، تفاوت­های مهمی نیز وجود دارد. در حالت نویز، معمولا فرض می­شود که نویز به مقادیر برازندگی اعمال می­شود؛ در حالیکه هنگام جستجوی راه­حل­های پایدار، عدم قطعیت در متغیرهای طراحی است. در نتیجه حتی اگر دارای میانه صفر و توزیع نرمال باشد، مقدار برازندگی موثر بستگی به شکل در نقطه X دارد. در نتیجه، یک راه­حل بهینه­ی پایدار لزوما یک بهینگی از نیست اما معمولا یک موازنه بین کیفیت و پایداری راه­حل وجود دارد. اگر نویز حتمی­الوقوع فرض شود، یک کروموزوم نمی­تواند با دقت بالایی ارزیابی شود. از سوی دیگر، در موقع جستجوی راه­حل­های پایدار، تـابع برازندگی معمولا شنـاخته شده و قطعی فرض می­شود و عدم قطعیت تنها بعد از پایان بهینه­سازی مطرح می­شود. به همین دلیل تخمین انتگرال بر روی تمام انحرافات ممکن، مشکل است (Jin & Branke, 2005). [1]Robustness [2]MonteCarlo

باربری تهران" style="display: block; margin-right: auto; margin-left: auto;" />

باربری

باربری تهران