الگوریتم بهینه سازی انطباقی جدید وال برای بهینه سازی جهانی

سال انتشار : 2016 تعداد صفحات ترجمه :9 تعداد صفحات انگلیسی : 6 چکیده : پیشینه / اهداف : تصادفی سازی در الگوریتم های فراابتکاری نقش بسیار حیاتی را در کشف و بهره برداری ایفاء می کند . از اینرو الگوریتم های فراابتکاری پیشنهاد می شوند تا از این مشکلات جلوگیری بعمل آورد . تجزیه و تحلیل آماری / روش ها : الگوریتم بهینه سازی الهام گرفته از طبیعت جدید بر اساس استراتژی ویژه شکار شبکه حباب که توسط وال های گوژ پشت استفاده شده است را الگوریتم بهینه سازی وال (WOA) نامیده اند . مشخصه اصلی در مقایسه با روش فراابتکاری عبارتست از تصادفی سازی دارای نقش مرتبط در بهره برداری و کشف در مسئله بهینه سازی . تکنیک تصادفی سازی جدید که تکنیک انطباقی نامیده شده است با WOA یکپارچه می گردد و در ده تابع محک تست محدود نشده تمرین گردیده است . یافته ها : الگوریتم WOA دارای مشخصه کیفیت بوده است که از تابع مارپیچی لگاریتمی استفاده می کند از اینرو منطقه گسترده تر را در فاز اکتشاف پوشش می دهد سپس افزودن با تکنیک انطباقی تصادفی سازی قدرتمند باعث قوی شدن الگوریتم بهینه سازی انطباقی وال می گردد تا به راه حل بهینه جهانی ...

الگوریتم فراابتکاری قورباغه

الگوریتم جهش قورباغه از الگوریتم های مهم و پرکاربرد در مجموعه الگوریتم های فراابتکاری است که در بیشتر مقالات و پایان نامه ها استفاده می شود.  الگوریتم جهش قورباغه مخلوط شده یا Shuffled Frog Leaping Algorithm (به اختصار SFLA)، یکی از الگوریتم های بهینه سازی فرا ابتکاری است که از رفتار اجتماعی قورباغه ها الهام گرفته شده است، و از نظر طبقه بندی، در میان الگوریتم های رفتاری یا الگوریتم های ممتیک (Memetic Algorithms) قرار می گیرد.   جهش قورباغه Shuffled Frog Leaping(SFLA) این الگوریتم مبتنی بر جمعیت یا نقطه محور است. تبادل اطلاعات بین گروه ها می باشد، که بر اساس آن، بعد از هر جستجوی محلی در گروه ها، اطلاعات بدست آمده بین گروه ها با هم مقایسه می شود تکنیک جستجوی محلی است و بر اساس آن قورباغه ها در هر گروه با تبادل اطلاعات، موقعیت خود را نسبت به غذا (بهترین جواب) بهبود می دهند توازن بین مبادله پیام سراسری و جستجوی محلی به الگوریتم امکان می دهد تا به راحتی از مینیمم محلی پرش کند  و تا دستیابی به بهینه سازی توسعه یابد موقعیت جدید بدترین جواب در امتداد بهترین و بدترین جواب ق ...