light box
امتیاز 2.93 بهینه ساز بادبان ماهی: یک الگوریتم فراابتکاری الهام گرفته از طبیعت جدید">

عنوان فارسی مقاله:بهینه ساز بادبان ماهی: یک الگوریتم فراابتکاری الهام گرفته از طبیعت جدید برای حل مسائل بهینه سازی مهندسی محدود

 چکیده  

 الگوریتم‌های بهینه سازی الهام گرفته از طبیعت، به خصوص الگوریتم‌های مبتنی بر ازدحام (SA)، مسائل مهندسی و علمی به دلیل مسائل ناشی از انعطاف پذیری و سادگی، را حل می‌کنند. این الگوریتم‌ها برای مسائل بهینه سازی به دلیل انعطاف پذیری و سادگی قابل کاربرد هستند. این مطالعه یک الگوریتم بهینه سازی فراابتکاری الهام گرفته از طبیعت موسوم به بهینه ساز بادبان ماهی (SFO) را ارائه می‌کند که از گروهی از ماهیان شکاری الهام گرفته است. این روش متشکل از دو دنوع جمعیت، جمعیت بادبان ماهی برای تشدید جست و جو در اطراف بهترین نقطه و جمعیت ماهی‌های ساردین برای تنوع بخشی فضای جست و جو است. الگوریتم SFO بر روی ۲۰ توابع ریاضی مولتی مودال و یونی مودال برای آزمون ویژگی‌های متفاوت الگوریتم ارزیابی می‌شود. به علاوه، SFO با شش الگوریتم فراابتکاری پیشرفته در ابعاد پایین و بالا مقایسه می‌شود. این نشان دهنده‌ی نتایج رقابتی برای بهبود مراحل اکتشاف و بهره برداری، اجتناب از بهینه‌های محلی و همگرایی سرعت بالا در بهینه سازی سراسری بزرگ مقیاس است. الگوریتم SFO عملکرد بهتری نسبت به بهترین الگوریتم‌های موجود در منابع در خصوص اکثر توابع آزمایشی دارد و تفاوت معنی دار آماری را در میان سایر الگوریتم‌ها نشان می‌دهد. به علاوه، الگوریتم SFO نتایج عالی را برای توابع آزمون غیر محدب، غیر قابل تفکیک و مقیاس پذیر ارائه می‌کند. در نهایت، نتایج مطلوب در خصوص پنچ مسئله‌ی بهینه سازی جهان واقعی نشان می‌دهد که SFO قابل کاربرد برای حل مسئله با فضای جست و جوی مجهول و محدود است.

Title: The Sailfish Optimizer: A novel nature-inspired metaheuristic algorithm for solving constrained engineering optimization problems

Abstract

 Nature-inspired optimization algorithms, especially swarm based algorithms (SAs), solve many scientific and engineering problems due to their flexibility and simplicity. These algorithms are applicable for optimization problems without structural modifications. This work presents a novel nature-inspired metaheuristic optimization algorithm, called SailFish Optimizer (SFO), which is inspired by a group of hunting sailfish. This method consists of two tips of populations, sailfish population for intensification of the search around the best so far and sardines population for diversification of the search space. The SFO algorithm is evaluated on 20 well-known unimodal and multimodal mathematical functions to test different characteristics of the algorithm. In addition, SFO is compared with the six state-of-art metaheuristic algorithms in low and high dimensions. It also indicates competitive results for improvement of exploration and exploitation phases, avoidance of local optima, and high speed convergence especially on large-scale global optimization. The SFO algorithm outperforms the best algorithms in the literature on the majority of the test functions and it shows the statistically significant difference among other algorithms. Moreover, the SFO algorithm shows significantly great results for non-convex, non-separable and scalable test functions. Eventually, the promising results on five real world optimization problems indicate that the SFO is applicable for problem solving with constrained and unknown search spaces.

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
نیروی دقیق و کنترل موقعیت یک کامپوزیت فلزی پلیمر یونی
خـریـد محـصـول
شناسایی ویژگی‌های فیتوشیمیایی بذرهای براسیکا نیگرا
خـریـد محـصـول
ترکیبات فیتوشیمیایی و فعالیت‌های دارویی (فارماکولوژیکی) گل همیشه بهار (از خانواده کاسنی)
خـریـد محـصـول
عوامل موثر بر پذیرش بانکداری موبایلی توسط نسل Y یا نسل هزاره بر اساس نظریه ی یکپارچه
خـریـد محـصـول
بخشنامه ۲۰۱۴/۶۳/ EC پارلمان اروپا و شورای اروپا مورخ ۱۵ می ۲۰۱۴
خـریـد محـصـول
اصلاحیه آیین نامه (EC) شماره ۸۵۴-۲۰۰۴ پارلمان اروپا و شورای اروپا مورخ ۲۹ آوریل ۲۰۰۴
خـریـد محـصـول
توسعه ی ساختار سلسله مراتبی و مدل تحلیلی عوامل کلیدی
خـریـد محـصـول
تجزیه و تحلیل خدمات مالی و عملکرد در بیمارستان الاسلام یوکاکارتا در عصر بیمه سلامت ملی
خـریـد محـصـول
رابطه بین اهداف استراتژیک و عملکرد منابع انسانی در بانک‌های تجاری در شهرستان میگوری
خـریـد محـصـول
گسترش و تقویت پرتفوی و اوراق بهادار سرمایه گذاران
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

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.

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، جستجوی 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.
برو بالا