بهینه سازی جست و جوی غذای سفره ماهی: یک بهینه ساز مؤثر الهام گرفته از زیست شناسی

نوع فایل : word

تعداد صفحات : 45

تعداد کلمات : 12400

مجله : Engineering Applications of Artificial Intelligence

انتشار : 2020

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
24 فوریه 2021
دسته بندی
تعداد بازدیدها
2090 بازدید
59,500 تومان

عنوان فارسی مقاله:بهینه سازی جست و جوی غذای سفره ماهی: یک بهینه ساز مؤثر الهام گرفته از زیست شناسی برای کاربردهای مهندسی

 چکیده  

 یک روش بهینه سازی جدید الهام گرفته از زیست شناسی به نام الگوریتم بهینه سازی غذایابی یا جست و جوی غذای سفره ماهی (MRFO) با هدف ارائه‌ی الگوریتم جدید که رویکرد بهینه سازی جایگزین برای حل مسائل مهندسی دنیای جدید در اختیار می‌گذارد، پیشنهاد می‌شود. این الگوریتم از رفتارهای هوشمند سفره ماهی الهام گرفته است از جمله غذایابی زنجیره‌ای، حرکات گرد بادی و حرکات پشت و وارو، و به ارائه‌ی الگوی بهینه سازی کارامد برای حل مسائل بهینه سازی مختلف کمک می‌کند. عملکرد MFRO از طریق مقایسه با سایر بهینه ساز های پیشرفته، بر روی توابع بهینه سازی و موارد طراحی مهندسی ارزیابی می‌شود. نتایج مقایسه نشان می‌دهد که MRFO برتر از رقبا است. به علاوه، کاربردهای مهندسی واقعی، اهمیت این الگوریتم را در حل مسائل چالش برانگیز از حیث هزینه‌های محاسباتی و دقت راه حل نشان می‌دهد. کدهای MATLAB الگوریتم MRFO در سایت https://www.mathworks.com/matlabcentral/fileexchange/73130-manta-ray-foraging-optimization-mrfo قابل دسترس 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: Manta ray foraging optimization: An effective bio-inspired optimizer for engineering applications

Abstract

 A new bio-inspired optimization technique, named Manta Ray Foraging Optimization (MRFO) algorithm, is proposed and presented, aiming to providing a novel algorithm that provides an alternate optimization approach for addressing real-world engineering issues. The inspiration of this algorithm is based on intelligent behaviors of manta rays. This work mimics three unique foraging strategies of manta rays, including chain foraging, cyclone foraging, and somersault foraging, to develop an efficient optimization paradigm for solving different optimization problems. The performance of MRFO is evaluated, through comparisons with other stateof-the-art optimizers, on benchmark optimization functions and eight real-world engineering design cases. The comparison results on the benchmark functions suggest that MRFO is far superior to its competitors. In addition, the real-world engineering applications show the merits of this algorithm in tackling challenging problems in terms of computational cost and solution precision. The MATLAB codes of the MRFO algorithm are available at https://www.mathworks.com/matlabcentral/fileexchange/73130-manta-ray-foraging-optimization-mrfo.

    دیدگاهتان را بنویسید