Choose a value from HM for the variable I (memory consideration)
If (β<par),
Adjust the value by adding certain amount (Pitch adjustment)
Else
Choose a random value
End if
Max number of iterations =t+ γ
End For
Accept the New Harmony (solution) if better
End while
Find the current best solution
End
کدینگ هارمونی )جواب ها (
بصورت یک بردارn بعدی بصورت ذیل تعریف می گردد.
انتخاب از حافظه هارمونی^[۱۹۰] (HS)
در این نوع عملگر با نرخ (HMCR)از حافظه هارمونی یک هارمونی انتخاب می شود.
تنظیم گام^[۱۹۱]
در این عملگر با نرخ par از میان هارمونی های که توسط عملگرHC انتخاب شده اند ، انتخاب شده و طبق رابطه ذیل عمل تنظیم گام انجام می پذیرد.
که در این رابطه یک عدد تصادفی از توزیع یکنواخت است.
انتخاب تصادفی^[۱۹۲]
در این عملگر با نرخ ۱- HCMR یک جواب تصادفی تشکیل می گردد. این عملگر باعث تنوع بخشی به الگوریتم می گردد، فضای جستجو را وسعت می دهد و ازتوقف الگوریتم در بهینه های محلی جلو گیری می کند.
Random generated vector=
Random generated vector=
Random generated vector=
معیار توقف
با توجه به مباحث مطرح شده در این پژوهش اگر پس از اتقای جواب بهینه االگوریتم تعداد تکرار خاصی اجرا گردید و جواب بهبود نیافت الگوریتم متوقف می گردد.

۳-۷ تنظیم پارامتر الگوریتم حل

با توجه به توضیحات داده شده در قسمت ۳-۶ ، هارمونی سرچ دارای پارامترهای خاص خود می باشد که این پارامترها روی مقدار تابع هدف ، سرعت حل مدل و نحوه همگرایی مدل تاثیر می گذارند. برای بدست آوردن مقدار بهینه این پارامترها روش های گوناگونی در ادبیات مدل های متا هیوریستیک پیشنهاد گردیده است. یکی ازاین روش ها استفاده از روش طراحی آزمایشات ^[۱۹۳] می باشد. در ادامه دو روش از این رویکرد بررسی می گردد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۳-۷-۱ طراحی آزمایشات کامل ^[۱۹۴]

در این رویکرد برای هر پارامتر چند سطح در نظر گرفته می شود و مساله برای هر ترکیب از این پارامترها به تعداد خاصی اجرا می شود سپس جواب های هر ترکیب را بدست می آورده و بهترین سطح هر پارامتر را تعیین می گردد. بطور مثال الگوریتم جستجوی هارمونی دارای چهار فاکتور می باشد. اگر برای هر فاکتور ۴ سطح در نظر گرفته شود و هر ترکیب ۵ بار اجرا گردد به تعداد ذیل محاسبه نیازمند می باشم :
Number of calculation= 4*4*4*4*5 =1280
با توجه به محاسبات بالا استفاده از این روش مستلزم تعداد محاسبات بالا می باشد که این کار غیر عملی و زمان بر است. استفاده از طراحی آزمایشات کلی برای مسایل کوچک مفید می باشد و در مسایل با تعداد زیاد پارامتر و چند سطح برای هر پارامتر از این روش منی توان استفاده نمود.

۳-۷-۲ طراحی آزمایشات تاگوچی ^[۱۹۵]

این روش در سالهای دهه ۵۰ میلادی توسط دکتر جنوچی تاگوچی ^[۱۹۶] برای بهنه سازی سیستم های پیچیده بر پایه روش های آماری ابداع گردید. در این روش بجای استفاده از تمامی ترکیب های ممکن از آرایه های متعامد ^[۱۹۷] استفاده می گردد.
روش یا بهتر بگوییم فلسفه تاگوچی در زمینه کنترل کیفیت در صنایع تولیدی و طراحی آزمایشات به جهت یافتن ترکیب بیهنه سطح چند عامل در یک مساله بهینه سازی سیستم های پیچیده است. در روش تاگوچی نتایج آزمایشات، به منظور رسیدن به اهداف زیر مورد تجزیه و تحلیل قرار می گیرند:
– ایجاد شرایط بهینه یا بهترین شرایط ممکن در تولید یک جواب های یک مساله یا یک فرایند.
– ارزیابی سهم هر فاکتور به صورت مجزا) تحلیل واریانس^[۱۹۸] عملیات آماری و معمولی است که برای تعیین درصد سهم هر فاکتور بر روی نتایج اعمال می شود. مطالعه و بررسی جدول برای یک تحلیل معین در تعیین اینکه کدام یک از فاکتورها نیاز به کنترل دارند و یا ANOVAندارند کمک زیادی می کند(
– ارزیابی پاسخ بدست آمده تحت شرایط بهینه )به محض اینکه حالت بهینه تعیین شد معمولا انجام یک آزمایش تایید در شرایط بهینه مفید است(
– تاگوچی دو روش متفاوت برای انجام و کامل کردن تحلیل پیشنهاد می کند:
– روش استاندارد، که در آن نتیجه یک موقعیت آزمایش و یا میانگین نتیجه بدست آمده از تکرار پردازش می شود. ANOVA یک موقعیت آزمایش به واسطه اثر عمده و ANOVA پردازش می شود.
-روش دوم که تاگوچی شدیدا برای آزمایشات همراه با تکرار توصیه می کند استفاده از نسبت سیگنال به نویز(S/N)^[199] برای مراحل یکسان در تحلیل است .این تحلیل با بهره گرفتن از تغییرات نتایج، بهترین و قویترین شرایط کاری را تعیین می کند(این نسبت پراکندگی حول یک مقدار مشخصه را بیان می کند هر چه نسبت فوق بیشتر باشد پراکندگی کمتر خواهد بود.
مهم نیست کیفیت جواب های یک مساله به چه نحوی اندازه گیری شود، توسط یک معیار یا بوسیله ترکیبی از معیارهای چندگانه ولی در هر حال شامل یکی از سه مشخصه زیر خواهد بود:
هرچه بزرگتر بهتر

هرچه کوچکتر بهتر
هرچه به مقدار اسمی نزدیکتر بهتر
بطور کلی شاخص کیفیت یک جواب های یک مساله به دو روش تغییر می کند.[۹۶].
– اول اینکه یک جواب های یک مساله با جواب های یک مساله دیگری از همان نوع فوق داشته باشد.
– دوم اینکه شاخص کیفیت از مقدار مطلوب و مورد نظر تغییر یابد.