الگوریتم بهینه سازی خرس قطبی: الگوریتم فراابتکاری

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 29

تعداد کلمات : 7500

مجله : symmetry

انتشار : 2017

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
7 می 2022
دسته بندی
تعداد بازدیدها
1430 بازدید
69,000 تومان

عنوان فارسی مقاله:الگوریتم بهینه سازی خرس قطبی: الگوریتم فراابتکاری با حرکت سریع جمعیت و مکانیسم تولد و مرگ پویا

 چکیده

  در مقاله پیشنهادی، ما یک الگوریتم بهینه‌سازی الهام گرفته از طبیعت را ارائه می‌کنیم که آن را الگوریتم بهینه‌سازی خرس قطبی (PBO) نامیدیم. الهام برای توسعه این الگوریتم از روشی است که خرس های قطبی برای زنده ماندن در شرایط سخت قطب شمال شکار می کنند. این پستانداران گوشتخوار در تمام طول سال فعال هستند. آب و هوای یخبندان که برای حیوانات دیگر نامطلوب است، خرس‌های قطبی را به شیوه خاص اکتشاف و شکار در مناطق وسیع، نه تنها روی یخ، بلکه در آب، وفق داده است. مدل ریاضی جدید پیشنهادی از نحوه حرکت خرس‌های قطبی در جستجوی غذا و شکار می‌تواند روشی ارزشمند برای بهینه‌سازی برای مسائل مختلف نظری و عملی باشد. بهینه‌سازی بسیار شبیه به طبیعت است، مشابه جستجوی راه‌حل‌های بهینه برای مدل‌های ریاضی، حیوانات به دنبال شرایط بهینه برای توسعه در محیط‌های طبیعی خود هستند. در این روش. ما از مدلی از رفتارهای خرس قطبی به عنوان موتور جستجو برای راه حل های بهینه استفاده کرده ایم. انطباق شبیه سازی شده پیشنهادی با شرایط سخت زمستانی یک مزیت برای جستجوی محلی و جهانی است، در حالی که مکانیسم تولد و مرگ جمعیت را کنترل می کند. PBO پیشنهادی با استفاده از توابع آزمون نمونه و برخی مسائل مهندسی کلاسیک با سایر الگوریتم‌های فراابتکاری مقایسه شد. نتایج تحقیقات تجربی با سایر الگوریتم ها مقایسه و با استفاده از پارامترهای مختلف مورد تجزیه و تحلیل قرار گرفت. تجزیه و تحلیل به ما اجازه داد تا مزایای اصلی را شناسایی کنیم که عبارتند از: شناخت سریع منطقه توسط جمعیت مربوطه و مکانیسم تولد و مرگ کارآمد برای بهبود جستجوی جهانی و محلی در فضای راه حل(الگوریتم بهینه سازی خرس قطبی).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Polar Bear Optimization Algorithm: Meta-Heuristic with Fast Population Movement and Dynamic Birth and Death Mechanism

Abstract

 In the proposed article, we present a nature-inspired optimization algorithm, which we called Polar Bear Optimization Algorithm (PBO). The inspiration to develop the algorithm comes from the way polar bears hunt to survive in harsh arctic conditions. These carnivorous mammals are active all year round. Frosty climate, unfavorable to other animals, has made polar bears adapt to the specific mode of exploration and hunting in large areas, not only over ice but also water. The proposed novel mathematical model of the way polar bears move in the search for food and hunt can be a valuable method of optimization for various theoretical and practical problems. Optimization is very similar to nature, similarly to search for optimal solutions for mathematical models animals search for optimal conditions to develop in their natural environments. In this method. we have used a model of polar bear behaviors as a search engine for optimal solutions. Proposed simulated adaptation to harsh winter conditions is an advantage for local and global search, while birth and death mechanism controls the population. Proposed PBO was evaluated and compared to other meta-heuristic algorithms using sample test functions and some classical engineering problems. Experimental research results were compared to other algorithms and analyzed using various parameters. The analysis allowed us to identify the leading advantages which are rapid recognition of the area by the relevant population and efficient birth and death mechanism to improve global and local search within the solution space.