سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,111,663
تعداد دریافت فایل اصل مقاله97,215,311
mehrgan, mohammad reza, Farasat, Ali Reza. (1387). A Hybrid Neural Networks-Coevolution Genetic Algorithm for Multi Variables Robust Design Problem in Quality Engineering. , 1(1), -.
mohammad reza mehrgan; Ali Reza Farasat. "A Hybrid Neural Networks-Coevolution Genetic Algorithm for Multi Variables Robust Design Problem in Quality Engineering". , 1, 1, 1387, -.
mehrgan, mohammad reza, Farasat, Ali Reza. (1387). 'A Hybrid Neural Networks-Coevolution Genetic Algorithm for Multi Variables Robust Design Problem in Quality Engineering', , 1(1), pp. -.
mehrgan, mohammad reza, Farasat, Ali Reza. A Hybrid Neural Networks-Coevolution Genetic Algorithm for Multi Variables Robust Design Problem in Quality Engineering. , 1387; 1(1): -.

A Hybrid Neural Networks-Coevolution Genetic Algorithm for Multi Variables Robust Design Problem in Quality Engineering

Journal of Information Technology Management
مقاله 8، دوره 1، شماره 1، خرداد 2009    اصل مقاله (219.49 K)
نویسندگان
mohammad reza mehrgan؛ Ali Reza Farasat*
چکیده
In this study, a hybrid algorithm is presented to tackle multi-variables robust design problem. The proposed algorithm comprises neural networks (NNs) and co-evolution genetic algorithm (CGA) in which neural networks are as a function approximation tool used to estimate a map between process variables. Furthermore, in order to make a robust optimization of response variables, co-evolution algorithm is applied to solve constructed model of process. Results of CGA are compared with genetic algorithm (GA). This algorithm is tested in a case study of open-end spinning process.
کلیدواژه‌ها
Co evolution Genetic Algorithm؛ Genetic algorithm؛ neural networks؛ Quality Engineering؛ Robust optimization
عنوان مقاله [English]
ارائه یک الگوریتم ترکیبی شبکه‌های عصبی- تکامل توام ژنتیک، جهت مساله طراحی مقاوم چند متغیره در مهندسی کیفیت
چکیده [English]
در این مقاله یک الگوریتم ترکیبی برای حل مساله طراحی مقاوم با چندین متغیر پاسخ ارائه شده است. الگوریتم ارائه شده، ترکیبی از شبکه‌های عصبی و تکامل توام ژنتیکی است که در آن شبکه‌های عصبی به عنوان تقریب زننده تابع، نگاشت بین متغیرهای فرایند را تقریب زده و الگوریتم تکامل توام مدل ساخته با هدف مقاوم ساختن متغیرهای پاسخ فرایند، را حل می‌نماید و نتایج این الگوریتم با الگوریتم ژنتیک مقایسه می‌شود. روش پیشنهادی در یک مطالعه موردی فرایند ریسندگی اپن اند مورد آزمایش قرار گرفته است.
کلیدواژه‌ها [English]
الگوریتم تکامل توام ژنتیکی, الگوریتم ژنتیک, بهینه سازی مقاوم, شبکه‌های عصبی, مهندسی کیفیت
آمار
تعداد مشاهده مقاله: 3,490
تعداد دریافت فایل اصل مقاله: 2,684


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب