بهینه ساز مبتنی بر گربه و موش: الگوریتم جدید بهینه سازی الهام گرفته از طبیعت

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 33

تعداد کلمات : 9500

مجله : sensors

انتشار : 2021

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
9 آوریل 2022
دسته بندی
تعداد بازدیدها
1750 بازدید
45,000 تومان

عنوان فارسی مقاله:بهینه ساز مبتنی بر گربه و موش: الگوریتم جدید بهینه سازی الهام گرفته از طبیعت

 چکیده

 مسائل بهینه سازی متعدد طراحی شده در شاخه های مختلف علم و دنیای واقعی باید با استفاده از تکنیک های مناسب حل شوند. الگوریتم‌های بهینه‌سازی مبتنی بر جمعیت از مهم‌ترین و کاربردی‌ترین تکنیک‌ها برای حل مسائل بهینه‌سازی هستند. در این مقاله، یک الگوریتم بهینه سازی جدید به نام بهینه ساز مبتنی بر گربه و موش (CMBO) ارائه شده است که رفتار طبیعی بین گربه ها و موش ها را تقلید می کند. در CMBO پیشنهادی، حرکت گربه ها به سمت موش ها و همچنین فرار موش ها به سمت پناهگاه ها شبیه سازی شده است. مدل‌سازی ریاضی و فرمول CMBO پیشنهادی برای پیاده‌سازی روی مسائل بهینه‌سازی ارائه شده است. عملکرد CMBO بر روی یک مجموعه استاندارد از توابع هدف از سه نوع مختلف از جمله تک‌وجهی، چندوجهی با ابعاد بالا و چندوجهی با ابعاد ثابت ارزیابی می‌شود. نتایج بهینه‌سازی توابع هدف نشان می‌دهد که CMBO پیشنهادی توانایی خوبی در حل مسائل مختلف بهینه‌سازی دارد. علاوه بر این، نتایج بهینه‌سازی به‌دست‌آمده از CMBO با عملکرد نه الگوریتم معروف دیگر از جمله الگوریتم ژنتیک (GA)، بهینه‌سازی ازدحام ذرات (PSO)، الگوریتم جستجوی گرانشی (GSA)، بهینه‌سازی مبتنی بر آموزش-یادگیری (TLBO)، بهینه ساز گرگ خاکستری (GWO)، الگوریتم بهینه سازی نهنگ (WOA)، الگوریتم شکارچیان دریایی (MPA)، الگوریتم ازدحام Tunicate TSA و الگوریتم بهینه سازی کار تیمی (TOA) مقایسه میشود. تجزیه و تحلیل عملکرد CMBO پیشنهادی در برابر الگوریتم‌های مقایسه شده نشان می‌دهد که CMBO با ارائه راه‌حل‌های شبه بهینه مناسب‌تر که به بهینه جهانی نزدیک‌تر هستند، بسیار رقابتی‌تر از سایر الگوریتم‌ها است(بهینه سازی الهام گرفته از طبیعت).

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: Cat and Mouse Based Optimizer: A New Nature-Inspired Optimization Algorithm

Abstract

 Numerous optimization problems designed in different branches of science and the real world must be solved using appropriate techniques. Population-based optimization algorithms are some of the most important and practical techniques for solving optimization problems. In this paper, a new optimization algorithm called the Cat and Mouse-Based Optimizer (CMBO) is presented that mimics the natural behavior between cats and mice. In the proposed CMBO, the movement of cats towards mice as well as the escape of mice towards havens is simulated. Mathematical modeling and formulation of the proposed CMBO for implementation on optimization problems are presented. The performance of the CMBO is evaluated on a standard set of objective functions of three different types including unimodal, high-dimensional multimodal, and fixed-dimensional multimodal. The results of optimization of objective functions show that the proposed CMBO has a good ability to solve various optimization problems. Moreover, the optimization results obtained from the CMBO are compared with the performance of nine other well-known algorithms including Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Gravitational Search Algorithm (GSA), Teaching-Learning-Based Optimization (TLBO), Grey Wolf Optimizer (GWO), Whale Optimization Algorithm (WOA), Marine Predators Algorithm (MPA), Tunicate Swarm Algorithm (TSA), and Teamwork Optimization Algorithm (TOA). The performance analysis of the proposed CMBO against the compared algorithms shows that CMBO is much more competitive than other algorithms by providing more suitable quasi-optimal solutions that are closer to the global optimal.