دانلود مقاله ترجمه شده بهینه ساز شیر مورچه


چطور این مقاله مهندسی برق را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2008606 رایگان است. ترجمه چکیده این مقاله مهندسی برق 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 :
1,055,000 ریال
شناسه محصول :
2008606
سال انتشار:
2015
حجم فایل انگلیسی :
3 Mb
حجم فایل فارسی :
2 مگا بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

بهینه ساز شیر مورچه

عنوان انگليسي

The Ant Lion Optimizer

نویسنده/ناشر/نام مجله

Elsevier, Advances in Engineering Software

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی برق شامل 19 صفحه انگلیسی به صورت پی دی اف و 55 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

 

چکیده

این مقاله، یک الگوریتم جدید الهام گرفته از طبیعت به نام بهینه ساز شیر مورچه (ALO) را پیشنهاد می دهد. الگوریتم ALO، ساز و کار شکار شیر مورچه ها در طبیعت را تقلید می کند. پنج گام اصلی شکار طعمه، یعنی حرکت تصادفی مورچه ها، ساخت تله، به دام انداختن مورچه ها در تله، گرفتن طعمه ها و ساخت مجدد تله ها، پیاده ساده سازی شده اند. الگوریتم پیشنهادی، در سه مرحله ارزیابی شده است. اول، مجموعه ای از 19 تابع ریاضی، برای تست مشخصه های مختلف ALO، به کار گرفته شده است. دوم، سه مسأله مهندسی کلاسیک (طراحی خرپای سه میله ای، طراحی تیر سر آزاد و طراحی توالی چرخ دنده ها)، توسط ALO حل شده اند. در نهایت، شکل های دو پروانه کشتی، به عنوان مسائل واقعی مقید چالش برانگیز، توسط ALO حل شده اند. در دو مرحله تست اول، الگوریتم ALO، با الگوریتم های مختلف موجود در منابع، مقایسه شده است. نتایج توابع تست، ثابت می کنند که الگوریتم پیشنهادی قادر به فراهم کردن نتایجی بسیار رقابتی بر حسب کاوش بهبود یافته، جلوگیری از بهینه های محلی، بهره گیری و هم گرایی می باشد. الگوریتم ALO، طراحی های بهینه خوبی را نیز برای بیشتر مسائل مهندسی کلاسیک به کار رفته فراهم می کند که نشان می دهد، این الگوریتم مزیت هایی در حل مسائل مقید با فضاهای جستجوی مختلف دارد. شکل های بهینه بدست آمده برای پروانه های کشتی، کاربرد الگوریتم پیشنهادی را در حل مسائل واقعی با فضاهای جستجوی نامعلوم نیز نشان می دهند.

-1مقدمه

در سال های اخیر، الگوریتم های فرا ابتکاری، به عنوان روش های اصلی بدست آوردن حل های بهینه مسائل بهینه سازی طراحی مهندسی واقعی استفاده شده اند [1-3]. چنین الگوریتم هایی عمدتا از عملگرهای تصادفی سود می برند [4] که آنها را از حل های قطعی متمایز می کند. یک الگوریتم قطعی [5-7]، با اطمینان، پاسخ یکسانی را برای یک مسأله داده شده با یک نقطه شروع اولیه مشابه، تعیین می کند. با این وجود، این رفتار باعث به تله افتادن در بهینه های محلی می شود که می تواند به عنوان یک عیب برای روش های بهینه سازی قطعی در نظر گرفته شود [8]. ایستایی بهینه های محلی، به گرفتار شدن یک الگوریتم در حل های محلی و در نتیجه شکست در یافتن بهینه عمومی واقعی، اطلاق می شود. به علت این که مسائل واقعی دارای حل های محلی بسیار زیادی هستند، الگوریتم های قطعی، قابلیت اطمینان خود را در یافتن بهینه عمومی، از دست می دهند…

 

 
بهینه سازی معیار بهینه سازی مقید :کلمات کلیدی

چکیده انگلیسی

Abstract

This paper proposes a novel nature-inspired algorithm called Ant Lion Optimizer (ALO). The ALO algorithm mimics the hunting mechanism of antlions in nature. Five main steps of hunting prey such as the random walk of ants, building traps, entrapment of ants in traps, catching preys, and re-building traps are implemented. The proposed algorithm is benchmarked in three phases. Firstly, a set of 19 mathematical functions is employed to test different characteristics of ALO. Secondly, three classical engineering problems (three-bar truss design, cantilever beam design, and gear train design) are solved by ALO. Finally, the shapes of two ship propellers are optimized by ALO as challenging constrained real problems. In the first two test phases, the ALO algorithm is compared with a variety of algorithms in the literature. The results of the test functions prove that the proposed algorithm is able to provide very competitive results in terms of improved exploration, local optima avoidance, exploitation, and convergence. The ALO algorithm also finds superior optimal designs for the majority of classical engineering problems employed, showing that this algorithm has merits in solving constrained problems with diverse search spaces. The optimal shapes obtained for the ship propellers demonstrate the applicability of the proposed algorithm insolving real problems with unknown search spaces as well.

Keywords: Optimization Benchmark Constrained optimization
این برای گرایش های: کلیه گرایش ها، کاربرد دارد. همچنین این در گرایش های: کلیه گرایش ها، می تواند کاربرد داشته باشد. [ برچسب: ]
 مقاله مهندسی برق با ترجمه
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