Michael MUTINGI
Optymalizacja niezawodności systemu: metoda rozmytego algorytmu genetycznego do optymalizacji wielokryterialnej
Często spotykanym problemem w optymalizacji niezawodności systemu są niedokładnie określone i sprzeczne cele, takie jak zmniejszenie kosztów systemu przy jednoczesnej poprawie jego niezawodności. Proces podejmowania decyzji staje się wtedy rozmyty i wielokryterialny. W niniejszej pracy, sformułowaliśmy ten problem jako rozmyty wielokryterialny program nieliniowy (FMOOP). Zaproponowaliśmy metodę rozmytego wielokryterialnego algorytmu genetycznego (FMGA), która pozwala rozwiązać wielokryterialny problem decyzyjny z uwzględnieniem rozmytych celów i ograniczeń. Podejście to jest uniwersalne, co pozwala na rozwiązania pośrednie, prowadzące do rozwiązań wysokiej jakości. Metoda uwzględnia preferencje decydenta w zakresie celów związanych z kosztami i niezawodnością poprzez wykorzystanie liczb rozmytych. Użyteczność FMGA wykazano na przykładzie wzorcowych problemów z literatury. Wyniki obliczeń wskazują, że podejście FMGA jest obiecujące.
System reliability optimization: A fuzzy multi-objective genetic algorithm approach
System reliability optimization is often faced with imprecise and conflicting goals such as reducing the cost of the system and improving the reliability of the system. The decision making process becomes fuzzy and multi-objective. In this paper, we formulate the problem as a fuzzy multi-objective nonlinear program. A fuzzy multi-objective genetic algorithm approach (FMGA) is proposed for solving the multi-objective decision problem in order to handle the fuzzy goals and constraints. The approach is able flexible and adaptable, allowing for intermediate solutions, leading to high quality solutions. Thus, the approach incorporates the preferences of the decision maker concerning the cost and reliability goals through the use of fuzzy numbers. The utility of the approach is demonstrated on benchmark problems in the literature. Computational results show that the FMGA approach is promising.
Wielokryterialna optymalizacja niezawodności złożonego systemu o strukturze mostkowej w środowisku rozmytym. Metoda rozmytego wielokryterialnego algorytmu genetycznego
Optymalizacja niezawodności systemu w środowisku rozmytym to problem złożony ze względu na konieczność wzięcia pod uwagę wielu niedokładnie określonych kryteriów decyzyjnych, takich jak maksymalizacja niezawodności systemu i minimalizacja kosztów. Wymaga ona zastosowania wielokryterialnych metod podejmowania decyzji, które łączyłyby pojęcia z zakresu teorii zbiorów rozmytych oraz metody heurystyczne. W niniejszej pracy przedstawiono rozmyty wielokryterialny model nieliniowy (FMGA) oraz zaproponowano rozmyty wielokryterialny algorytm genetyczny do projektowania niezawodności złożonych systemów mostkowym w środowisku rozmytym. Algorytm wykorzystuje techniki rozmytej oceny wielokryterialnej do określania rozmytych celów, preferencji oraz ograniczeń. Metoda oceny uwzględnia rozmyte preferencje i eksperckie wybory decydenta dotyczące kosztów oraz celów niezawodnościowych. Ocena rozmyta nadaje algorytmowi cechy elastyczności oraz adaptacyjności, pozwalając na otrzymanie niemal optymalnych rozwiązań w krótkim czasie obliczeniowym. Wyniki eksperymentów obliczeniowych opartych na problemach wzorcowych pokazują, że podejście z zastosowaniem FMGA jest bardziej niezawodne i wydajne niż najbardziej znany algorytm, zwłaszcza w rozmytym środowisku wielokryterialnym.