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.
- 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.