الفهرس 
A Survey on Multiobjective OptimizationOnly 14 pages are availabe for public view
 |  | from | 139 |  |  |
| | | from | 139 | | |
Abstract
ان حل مشاكل الامثلية متعددة الاهداف باستخدام الأساليب التقليدية يتسم بالصعوبة لان هذة الأساليب في الغالب تتطلب حسابات كثيرة ومعقدة والطريقة الشائعة في مثل هذة الحالات هى اختزال مجموعة الأهداف الى هدف واحد والتعامل معه وفقا لذلك. علي النقيض من ذلك أثبتت تقنيات الذكاء الأصطناعي انها بدائل جيدة حيث انها أكثر ملائمة ولذلك تستخدم الات على نطاق واسع في حل مشاكل الأمثلية متعددة الاهداف.
اثنان من هذه التقنيات هما أمثلية الحشد الجزئية والشبكات العصبية الاصطناعية. بالنسبة الي امثلية الحشد الجزئية، وجدت انها بديلا فعالا اكثر من غيرها من خوارزميات البحث العشوائية والخوارزميات التي تعتمد علي الحشود، خصوصا عند التعامل مع مشاكل الامثلية متعددة الاهداف بعد اختبارها بعدة مشاكل قياسية. وهى ايضا وسيلة سهلة نسبيا في التنفيذ والضبط بالمقارنة الي الخوارزميات الجينية.
اما بالنسبة الي الشبكات العصبية الاصطناعية فقد تم تطبيقها علي كثير من المشاكل العلمية، باعتبارها أداة تحليل بيانات لربط العلاقات غير الخطية بين المدخلات والمخرجات، وخاصة في مشاكل التصنيف ومشاكل التعرف علي الانماط وكذلك في تقريب الدوال الرياضية. كذلك تم تطبيق الشبكات العصبية الاصطناعية في مشاكل التحسين التوافقي وايضا في البرمجة الخطية. علاوة عي ذلك استخدمت الشبكات العصبية الاصطناعية في حل مشاكل صنع القرار متعددة المعايير.