استراتژی عقاب و تکامل افتراقی برای بهینه سازی سراسری محدود و نامحدود

نوع فایل : word

تعداد صفحات : 19

تعداد کلمات : 5800

مجله : Computers and Mathematics with Applications

انتشار : 2012

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
2 دسامبر 2020
دسته بندی
تعداد بازدیدها
1611 بازدید
26,000 تومان

عنوان فارسی مقاله:استراتژی عقاب و تکامل افتراقی برای بهینه سازی  سراسری محدود و نامحدود

 چکیده  

عملکرد یک ابزار بهینه سازی تا حد زیادی توسط کارایی الگوریتم جستجو مورد استفاده در فرآیند تعیین می‌شود. ماهیت اساسی یک الگوریتم جستجو اساساً کارایی جستجوی آن و در نتیجه انواع مسئله‌ای را که می‌تواند حل کند تعیین خواهد کرد. الگوریتم‌های فراابتکاری مدرن به طور کلی برای بهینه سازی سراسری مناسب‌ترند. این مقاله با استفاده از استراتژی عقاب اخیراً توسعه یافته توسط یانگ و دب در ترکیب با تکامل افتراقی کارآمد، بهینه سازی گسترده جهانی از مشکلات محدود و محدود را انجام می‌دهد. پس از یک فرمول بندی دقیق و توضیح در مورد اجرای آن، الگوریتم پیشنهادی ابتدا با استفاده از بیست مسئله یا معیار بهینه سازی نامحدود تأیید می‌شود. برای اعتبار سنجی در برابر مشکلات محدود، این الگوریتم متعاقباً برای سیزده معیار کلاسیک و سه مسئله مهندسی معیار گزارش شده در مطالعات مهندسی اعمال می‌شود. عملکرد الگوریتم پیشنهادی بیشتر با الگوریتم‌های مختلف پیشرفته موجود مقایسه می‌شود. راه حل‌های بهینه به دست آمده در این مطالعه بهتر از بهترین راه حل‌های به دست آمده با روش‌های موجود است. ویژگی‌های جستجوی منحصر به فرد مورد استفاده در الگوریتم پیشنهادی مورد تجزیه و تحلیل قرار می‌گیرد، و مفاهیم آنها برای تحقیقات آینده نیز به طور مفصل مورد بحث قرار می‌گیرد.

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: Coupled eagle strategy and differential evolution for unconstrained and constrained global optimization

Abstract

 The performance of an optimization tool is largely determined by the efficiency of the search algorithm used in the process. The fundamental nature of a search algorithm will essentially determine its search efficiency and thus the types of problems it can solve. Modern metaheuristic algorithms are generally more suitable for global optimization. This paper carries out extensive global optimization of unconstrained and constrained problems using the recently developed eagle strategy by Yang and Deb in combination with the efficient differential evolution. After a detailed formulation and explanation of its implementation, the proposed algorithm is first verified using twenty unconstrained optimization problems or benchmarks. For the validation against constrained problems, this algorithm is subsequently applied to thirteen classical benchmarks and three benchmark engineering problems reported in the engineering literature. The performance of the proposed algorithm is further compared with various, state-of-the-art algorithms in the area. The optimal solutions obtained in this study are better than the best solutions obtained by the existing methods. The unique search features used in the proposed algorithm are analyzed, and their implications for future research are also discussed in detail.
 
دیدگاهتان را بنویسید