light box
امتیاز 2.93 بهینه سازی پروانه شهریار">

عنوان فارسی مقاله:بهینه سازی پروانه شهریار

 چکیده  

در طبیعت، جمعیت پروانه‌ی شهریار آمریکای شمالی به دلیل مهاجرت به جنوب در اواخر تابستان / پاییز از شمال ایالات متحده آمریکا و جنوب کانادا به مکزیک، که هزاران مایل را طی می‌کند، شناخته شده است. با ساده سازی و ایده آل سازی مهاجرت پروانه‌های شهریار، نوع جدیدی از الگوریتم فرا-ابتکاری الهام گرفته از طبیعت، به نام بهینه سازی پروانه شهریار (MBO)، برای اولین بار در این مقاله ارائه شده است. در MBO، همه افراد پروانه شهریار در دو سرزمین مجزا واقع شده‌اند، یعنی. جنوب کانادا و شمال ایالات متحده آمریکا (سرزمین ۱) و مکزیک (سرزمین ۲). بر این اساس، موقعیت پروانه‌های شهریار به دو روش به روزرسانی می‌شود. در مرحله اول، فرزندان توسط اپراتور مهاجرت تولید می‌شوند (به روز رسانی موقعیت)، که می‌تواند با نسبت مهاجرت تنظیم شود. با تنظیم موقعیت برای پروانه‌های دیگر با استفاده از اپراتور تنظیم پروانه دنبال می‌شود. به منظور عدم تغییر جمعیت و به حداقل رساندن ارزیابی‌های تناسب، مجموع پروانه‌های تازه تولید شده از این دو روش با جمعیت اصلی برابر است. به منظور نشان دادن عملکرد برتر الگوریتم MBO، یک مطالعه مقایسه‌ای با پنج الگوریتم فراابتکاری دیگر از طریق سی و هشت مسئله معیار انجام شده است. نتایج به وضوح توانایی روش MBO را در یافتن مقادیر تابع پیشرفته در بیشتر مسائل معیار با توجه به پنج الگوریتم دیگر نشان می‌دهد. توجه داشته باشید که کدهای منبع الگوریتم پیشنهادی MBO در GitHub (https://github.com/ggw0122/Monarch-Butterfly-Optimiza tion، C؟؟ / MATLAB) و MATLAB Central (http: // www. mathworks.com / matlabcentral / fileexchange / 50828-mon-arch-butterfly-optimization، MATLAB ارائه شده است.

Title:Monarch butterfly optimization

Abstract

In nature, the eastern North American monarch population is known for its southward migration during the late summer/autumn from the northern USA and southern Canada to Mexico, covering thousands of miles. By simplifying and idealizing the migration of monarch butterflies, a new kind of nature-inspired metaheuristic algorithm, called monarch butterfly optimization (MBO), a first of its kind, is proposed in this paper. In MBO, all the monarch butterfly individuals are located in two distinct lands, viz. southern Canada and the northern USA (Land 1) and Mexico (Land 2). Accordingly, the positions of the monarch butterflies are updated in two ways. Firstly, the offsprings are generated (position updating) by migration operator, which can be adjusted by the migration ratio. It is followed by tuning the positions for other butterflies by means of butterfly adjusting operator. In order to keep the population unchanged and minimize fitness evaluations, the sum of the newly generated butterflies in these two ways remains equal to the original population. In order to demonstrate the superior performance of the MBO algorithm, a comparative study with five other metaheuristic algorithms through thirty-eight benchmark problems is carried out. The results clearly exhibit the capability of the MBO method toward finding the enhanced function values on most of the benchmark problems with respect to the other five algorithms. Note that the source codes of the proposed MBO algorithm are publicly available at GitHub (https://github.com/ggw0122/Monarch-Butterfly-Optimization, C++/MATLAB) and MATLAB Central (http://www.mathworks.com/matlabcentral/fileexchange/50828-monarch-butterfly-optimization, MATLAB).

 

ثبت دیدگاه

    • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
    • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
    • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

برای ارسال دیدگاه شما باید وارد سایت شوید.

محصولات مشابه
مصرف دارویی غیر پزشکی شاهدانه(ماری جوانا)
خـریـد محـصـول
پایین دست راکتور زیستی: پیشرفت در بازیابی سوخت ها و مواد شیمیایی
خـریـد محـصـول
عدم قطعیت، دسترسی به بدهی و رفتار احتیاطی شرکت
خـریـد محـصـول
دیدگاه پزشکان در مورد آگاهی زنان از مشکلات سلامتی و رفتارهای زنان نسبت به پزشکان
خـریـد محـصـول
آینده معاملات آنلاین در صنعت خرده فروشی در زیمبابوه
خـریـد محـصـول
استراتژی های بازاریابی
خـریـد محـصـول
یادگیری وزن دهی شده بر اساس دشواری: رویکرد جدید شبه برنامه درسی
خـریـد محـصـول
درمان روانشناختی افسردگی در مراقبت های اولیه: پیشرفت های اخیر
خـریـد محـصـول
به سوی طراحی های جدید کمپرسور برگشت پذیر سه مرحله ای ۶: ۲
خـریـد محـصـول
مدیریت ریسک تجارت موبایل با استفاده از شبکه های اجتماعی در اردن
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

 
برو بالا