طراحی و اجرای یک مدل چندهدفه با استفاده از الگوریتم ژنتیک برای بهینه‌سازی مساله تخصیص افزونگی در سیستم‌های قابلیت اطمینان

در بهبود قابلیت اطمینان سیستم‌ها، مساله تخصیص افزونگی به عنوان یک روش مستقیم در فرایند طراحی اولیه محصول مطرح می‌شود. در این مسایل، اجزاء مختلف با پارامترهای متفاوت از نظر هزینه، وزن، و حجم وجود دارند و هدف آن تخصیص تعدادی از انواع مختلف اجزاء به هر زیرسیستم به نحوی است که تابع هدف بهینه شود. با توجه به پیچیدگی این مسایل، استفاده از روش‌های بهینه‌سازی سنتی برای حل آنها ممکن نیست. برای حل این مشکل، استفاده از روش‌های فراابتکاری مانند الگوریتم ژنتیک لازم است، که باعث می‌شود مجموعه‌ی جواب‌های بهینه‌ی پارتو حاصل شود. برای کاهش حجم مجموعه‌ی جواب‌ها، دو روش استفاده می‌شود. اولین روش شامل هرس کردن مجموعه‌ی جواب‌ها با استفاده از رتبه‌بندی غیرعددی ترجیحات است که به تصمیم‌گیرنده کمک می‌کند جواب‌هایش را بر اساس اولویت‌بندی انتخاب کند. روش دوم، استفاده از تکنیک خوشه‌بندی داده-کاوی است که به منظور گروه‌بندی داده‌ها به خوشه‌هایی با اعضای مشابه استفاده می‌شود. برای ارایه این تکنیک، از الگوریتم k-means استفاده می‌شود که جواب عمومی را برای ارایه به تصمیم‌گیرنده معرفی می‌کند. 

design and implementation of a multi-objective model using a genetic algorithm for optimizing redundancy allocation problems in reliable systems

in enhancing the reliability of systems, the redundancy allocation problem emerges as a direct avenue in the initial product design phase. these problems involve various components with different parameters such as cost, weight, and volume, aiming to allocate a number of different types of components to each subsystem in a way that optimizes the objective function. due to the complexity of these problems, traditional optimization methods may not be feasible. to address this challenge, the utilization of metaheuristic approaches such as the genetic algorithm is necessary, leading to the generation of an optimal pareto set. two methods are employed to reduce the volume of solution sets. the first method involves pruning the solution set through non-numeric preference ranking, assisting the decision-maker in selecting solutions based on prioritization. the second method employs data clustering techniques to group similar data points into clusters. the k-means algorithm is utilized to present this technique, providing a general solution for presentation to the decision-maker.