چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008232 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
حجم فایل انگلیسی :
601 Kb
حجم فایل فارسی :
242 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
MOPSO: یک طرح پیشنهادی برای بهینه سازی ازدحام ذرات چند هدفه
عنوان انگليسي
MOPSO : A Proposal for Multiple Objective Particle Swarm Optimization
نویسنده/ناشر/نام مجله
Proceedings of the 2002 Congress on Evolutionary Computation
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 6 صفحه انگلیسی به صورت پی دی اف و 16 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
در این مقاله یک طرح پیشنهادی برای تعمیم روش ابتکاری "بهینه سازی ازدحام ذرات" (PSO) به منظور حل مسائل بهینه سازی چند هدفه ارائه می شود. روش پیشنهادی ما از مفهوم تسلط پارتو برای تعیین جهت حرکت ذرات استفاده می کند و بردارهای نامغلوبی که قبلا به دست آمده اند را در یک مخزن سراسری حفظ می کند که بعدا توسط ذرات دیگری برای هدایت حرکت خود مورد استفاده قرار می گیرد. این روش با استفاده از توابع آزمون استاندارد مختلفی برگرفته از مراجع تخصصی به تایید رسیده است. نتایج حاصل نشان می‌دهند که روش ما می تواند با روش های بهینه سازی چند هدفۀ تکاملی موجود به شدت رقابت کند.
1-مقدمه
استفاده از روش های بهینه سازی چند هدفۀ مبتنی بر روش های ابتکاری و توسعۀ آنها در چند سال اخیر به طور قابل توجهی رشد کرده است [2]. ارائۀ الگوریتم های کارآمدتر یکی از گرایش های تحقیقاتی اخیر بوده است. این توجه به کارایی معمولا نیاز به روش های هوشمندانه ای برای حفظ تنوع (مانند شبکۀ تطبیقی مورد استفاده شده در PAES [8]) و استفاده از جمعیت هایی با اندازۀ کوچک دارد [1]. بهینه سازی ازدحام ذرات (PSO) روش ابتکاری نسبتا جدیدی محسوب می شود که از رقص آرایی دستۀ پرندگان الهام گرفته شده است…
بهینه سازی ازدحام ذرات چند هدفه
:کلمات کلیدی
Abstract
This paper introduces a proposal to extend the heuristic called “particle swarm optimization” (PSO) to deal with multiobjective optimization problems. Our approach uses the concept of Pareto dominance to determine the flight direction of a particle and it maintains previously found nondominated vectors in a global repository that is later used by other particles to guide their own flight. The approach is validated using several standard test functions from the specialized literature. Our results indicate that our approach is highly competitive with current evolutionary multiobjective optimization techniques.
Keywords:
Multiple Objective Particle Swarm Optimization
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه الگوریتم PSO