Multi-objective Evolutionary Algorithms (MOEAs) in PMEDM -- A Comparative Study in Pareto Frontier
تعمل هذه الدراسة على تعزيز عملية التشغيل بالتفريغ الكهربائي الممزوج بالمسحوق (PMEDM) باستخدام الاهتزاز من خلال مقارنة أربعة نماذج للتعلم الآلي لتحديد نموذج "XGBoost" كأكثر النماذج دقة في التنبؤ، ومن ثم توظيف خوارزميات تطورية متعددة الأهداف لتحسين جبهة باريتو (Pareto frontier) من أجل تحقيق كفاءة فائقة في العملية ودقة عالية.