بهینه سازی پروانه شهریار

نوع فایل : word

تعداد صفحات : 35

تعداد کلمات : 7600

مجله : Neural Comput & Applic

انتشار : 2019

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
31 مارس 2021
دسته بندی
تعداد بازدیدها
1599 بازدید
36,000 تومان

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.

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: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).

 
دیدگاهتان را بنویسید