فهرست نشریات علمی دسترسی آزاد ایران

این مقاله به بررسی روش شاخص اَبَرحجم نسبی (RHV) به‌عنوان ابزاری مؤثر برای ارزیابی همگرایی در مسائل بهینه‌سازی چندهدفه می‌پردازد. اکثر مسائل مهندسی فاقد جبهه پارتوی واقعی هستند و ارزیابی همگرایی در آن‌ها با چالش مواجه می‌شود. برای این منظور، الگوریتم ژنتیک چندهدفه (MOGA) برای هر مسئله ۳۰ بار اجرا می‌شود تا ۳۰ جبهه پارتو تقریبی به دست آید. سپس تمامی راه‌حل‌های حاصل با هم ترکیب شده و یک فیلتر غلبه پارتو برای شناسایی راه‌حل‌های غیرمغلوب اعمال می‌شود تا جبهه پارتوی واقعی و ابرحجم مرتبط با آن تعیین گردد. این روش برای سه مسئله بهینه‌سازی سه‌هدفه در طراحی کپسول زیستی فضایی مورد استفاده قرار گرفته است. تحلیل حساسیت پارامترهای طراحی با روش نمونه‌برداری ابرمکعب لاتین (LHS) و اجرای MOGA نشان داد که هر سه مسئله در کمتر از ۳۷۳ نسل به همگرایی رضایت‌بخش رسیدند، که تعداد نسل مناسبی برای مسائل چندهدفه مقید محسوب می‌شود و کارآمدی روش پیشنهادی را نشان می‌دهد. نتایج حاکی از تولید جبهه‌های پارتو سه‌بعدی با کیفیت بالا (شاخص RHV بین ۰.۸۷ تا ۰.۹۳) است و مقایسه با داده‌های کپسول بومی نشان داد برخی پیکربندی‌ها بهینه بوده و برخی دیگر نیاز به بازنگری در پارامترها دارند.