دانلود مقاله ترجمه شده ‌بهینه‌سازی باینری با استفاده از ترکیب بهینه سازی گروه ذرات و الگوریتم جستجوی گرانشی


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2007428 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
985,000 ریال
شناسه محصول :
2007428
سال انتشار:
2014
حجم فایل انگلیسی :
1 Mb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

‌بهینه‌سازی باینری با استفاده از ترکیب بهینه سازی گروه ذرات و الگوریتم جستجوی گرانشی

عنوان انگليسي

Binary optimization using hybrid particle swarm optimization and gravitational search algorithm

نویسنده/ناشر/نام مجله

Neural Computing and Applications

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 13 صفحه انگلیسی به صورت پی دی اف و 22 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

الگوریتم PSOGSA یک الگوریتم ‌بهینه‌سازی ترکیبی جدید است که قدرتمندی الگوریتم ‌بهینه‌سازی گروه ذرات و الگوریتم جستجوی گرانشی را با یکدیگر ترکیب می‌کند. قبلا اثبات شده است که، این الگوریتم از هر دو الگوریتم GSA و PSO از لحاظ مرور و کاوش بهتر عمل می‌کند. نسخه‌ی اصلی این الگوریتم برای مسائلی که در فضای جستجوی پیوسته هستند، بسیار مناسب است. البته باید خاطر نشان کرد که، برخی از مسائل دارای پارامترهای باینری هستند. در این مقاله یک نسخه‌ی باینری از PSOGSA به نام BPSOGSA ارائه شده که به حل مسائل ‌بهینه‌سازی از این دست می‌پردازد. این مقاله در نظر دارد که مقادیر وفق‌دهنده‌ای را برای بالانس بیشتر مرور و کاوش در BPAOGSA، بکاربگیرد. به منظور ارزیابی عملکرد الگوریتم باینری پیشنهادی، 22 تابع محک را بکار گرفتیم و آن ها را به سه گروه تقسیم کردیم: تک نمایه، چند نمایه، و مرکب. نتایج تجربی، عملکرد بهتر BPSOGSA را در مقایسه با الگوریتم‌های BGSA، و BPSO ، و الگوریتم ژنتیک از لحاظ فرار از مینیمم محلی و نرخ همگرایی نشان داد.

1-مقدمه

اخیرا، تکنیک‌های ‌بهینه‌سازیِ آماریِ الهام گرفته از طبیعت، توجه زیادی را به خود جلب کرده اند. چنین بهینه‌سازی‌هایی اکثرا از رفتار فردی/اجتماعی در یک گروه از حیوانات یا پدیده‌های طبیعی، تقلید می‌کنند. چنین تکنیک هایی، فرایند ‌بهینه‌سازی را با یاجاد یک مجموعه‌ی تصادفی از شروع می‌کنند، و پاسخ‌های کاندید خود  را برای یک مسئله‌ی خاص بهبود می‌دهند. به منظور عملکرد بهتری این تکنیک‌ها در مقایسه با روش‌های بهنیه‌سازی ریاضی، کاربرد روش‌های بهینه‌سازی آماری را می‌تواند در زمینه‌های مختلف یافت…

‌بهینه‌سازی باینری الگوریتم‌های باینری بهینه سازی گروه ذرات الگوریتم جستجوی گرانشی :کلمات کلیدی

چکیده انگلیسی

Abstract

The PSOGSA is a novel hybrid optimization algorithm, combining strengths of both particle swarm optimization (PSO) and gravitational search algorithm (GSA). It has been proven that this algorithm outperforms both PSO and GSA in terms of improved exploration and exploitation. The original version of this algorithm is well suited for problems with continuous search space. Some problems, however, have binary parameters. This paper proposes a binary version of hybrid PSOGSA called BPSOGSA to solve these kinds of optimization problems. The paper also considers integration of adaptive values to further balance exploration and exploitation of BPSOGSA. In order to evaluate the efficiencies of the proposed binary algorithm, 22 benchmark functions are employed and divided into three groups: unimodal, multimodal, and composite. The experimental results confirm better performance of BPSOGSA compared with binary gravitational search algorithm (BGSA), binary particle swarm optimization (BPSO), and genetic algorithm in terms of avoiding local minima and convergence rate

Keywords: Binary optimization Binary algorithms PSOGSA
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی کامپیوتر و IT > مقاله های مهندسی کامپیوتر و IT و ترجمه فارسی آنها > ‌بهینه‌سازی باینری با استفاده از ترکیب بهینه سازی گروه ذرات و الگوریتم جستجوی گرانشی
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید