چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008520 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 :
306 Kb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
DE/BBO: تکامل تفاضلی ترکیبی با بهینهسازی مبتنی بر جغرافیایزیستی برای بهینهسازی عددی جهانی
عنوان انگليسي
DE/BBO: a hybrid differential evolution with biogeography-based optimization for global numerical optimization
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 15 صفحه انگلیسی به صورت پی دی اف و 32 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
تکامل تفاضلی (DE) یک الگورتیم تکاملی سریع و قوی برای بهینهسازی جهانی است. تکامل تفاضلی در بسیاری از حوزه‌ها به طور گسترده‌ای مورد استفاده قرار گرفته است. بهینهسازی مبتنی بر جغرافیایزیستی (BBO) یک الگوریتم الهام‌گرفته‌شده جدید از جغرافیایزیستی است. این الگوریتم عمدتا از عملگر مهاجرت برای اشتراک‌گذاری اطلاعات بین راه‌حل‌ها استفاده می‌کند. در این مقاله، ما یک DE ترکیبی با BBO را ارائه دادیم که نام آن DE/BBO برای مسئله بهینهسازی عددی جهانی است. DE/BBO، اکتشاف DE را با بهره‌برداری موثر BBO ترکیب می‌کند و بنابراین راه‌حل‌های کاندید امیدوار‌کننده‌ای را تولید می‌کند. برای اعتبارسنجی عملکرد DE/BBO پیشنهادی ما، 23 تابع بنچمارک با ابعاد و پیچیدگی‌های متنوعی مورد استفاده قرار گرفته است. نتایج آزمایشی نشان می‌دهند که رویکرد ما موثر و کارآمد است. در قیاس با سایر پیشرفته‌ترین روش‌های DE، DE/BBO عملکردی بهتر دارد یا حداقل از نظر کیفیت راه‌حل‌های نهایی و میزان همگرایی عملکردی بهتر دارد. علاوه بر این، تاثیر اندازه جمعیت، ابعاد، طرح‌های جهش مختلف و پارامترهای کنترل خود‌سازگار DE نیز مورد مطالعه قرار گرفته است.
1-مقدمه
الگوریتم‌های تکاملی (EAها، که شامل الگوریتم‌های ژنتیک، استراتژی‌های تکاملی، برنامه‌نویسی تکاملی و برنامه‌نویسی ژنتیک است) توجه زیادی را با توجه به پتانسیل خود به عنوان تکنیک‌های بهینهسازی جهانی هم در سطح بهینهسازی تک هدفه و هم در سطح بهینهسازی چندهدفه به خود جلب کرده‌اند [1]. EAها با الهام از تکامل طبیعی و نظریه بقاء، از فرآیند یادگیری جمعی از جمعیت افراد استفاده می‌کند. فرزندان افراد با استفاده از عملیاتی تصادفی مانند جهش و نوترکیب تولید می‌شوند. جهش مرتب با خودتکراری اشتباه افراد است، در حالیکه نوترکیب به تبادل اطلاعات بین دو یا چند فرد موجود می‌پردازد. مطابق با اندازه‌گیری سازگاری، فرآیند انتخاب بیشتر به نفع افرادی است که بیشتر به تولید مجدد می‌پردازند تا کسانی که نبستا بدتر هستند…
تکامل تفاضلی بهینهسازی مبتنی بر جغرافیای زیستی بهینهسازی عددی جهانی
:کلمات کلیدی
Abstract
Differential Evolution (DE) is a fast and robust evolutionary algorithm for global optimization. It has been widely used in many areas. Biogeography-Based Optimization (BBO) is a new biogeography inspired algorithm. It mainly uses the biogeography-based migration operator to share the information among solutions. In this paper, we propose a hybrid DE with BBO, namely DE/BBO, for the global numerical optimization problem. DE/BBO combines the exploration of DE with the exploitation of BBO effectively, and hence it can generate the promising candidate solutions. To verify the performance of our proposed DE/BBO, 23 benchmark functions with a wide range of dimensions and diverse complexities are employed. Experimental results indicate that our approach is effective and efficient. Compared with other state-of-the-art DE approaches, DE/BBO performs better, or at least comparably, in terms of the quality of the final solutions and the convergence rate. In addition, the influence of the population size, dimensionality, different mutation schemes, and the self-adaptive control parameters of DE are also studied.
Keywords:
Differential evolution Biogeography-based optimization Hybridization
سایر منابع مهندسی کامپیوتر و IT در زمینه بهینه سازی