الگوریتم بهینه‌سازی پیشرفته شعله پروانه برای مسائل مهندسی

عنوان فارسی مقاله:الگوریتم بهینه‌سازی پیشرفته شعله پروانه برای مسائل مهندسی

چکیده

در این مقاله، یک الگوریتم بهینه‌سازی شعله پروانه (IMFO) برای حل مسائل مهندسی ارائه شده است. دو استراتژی مؤثر جدید متشکل از پرواز لوی و ارزیابی ابعاد به بعد به طور همزمان در الگوریتم بهینه‌سازی شعله پروانه (MFO) معرفی می‌شوند تا توانایی اکتشاف سراسری و تعادل مؤثر بین جستجوی سراسری و محلی حفظ شود. استراتژی جستجوی پرواز لوی به عنوان تنظیم کننده مکانیسم به روز رسانی موقعیت پروانه در جستجوی سراسری برای حفظ تنوع جمعیت تحقیقاتی خوب و گسترش قابلیت جستجوی سراسری الگوریتم استفاده می‌شود و مکانیسم ارزیابی بعد به بعد اضافه می‌شود که می‌تواند به طور مؤثر کیفیت راه حل را بهبود می‌بخشد و بین جستجوی سراسری و قابلیت توسعه محلی تعادل برقرار می‌کند. برای اثبات کارایی الگوریتم تقویت‌شده، الگوریتم پیشنهادی بر روی مجموعه‌ای از ۲۳ تابع تست معیار آزمایش می‌شود. همچنین برای حل چهار مسئله طراحی مهندسی کلاسیک، با پیشرفت زیاد، استفاده می‌شود. از نظر توابع آزمون، نتایج تجربی و تجزیه و تحلیل نشان می‌دهد که روش پیشنهادی از نظر سرعت و دقت همگرایی مؤثر و بهتر از سایر الگوریتم‌های شناخته شده الهام گرفته از طبیعت است. علاوه بر این، نتایج حل مسائل مهندسی، شایستگی‌های این الگوریتم را در حل مسائل چالش برانگیز با فضاهای جستجوی محدود و ناشناخته نشان می‌دهد.

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: An Improved Moth-Flame Optimization Algorithm for Engineering Problems

Abstract

In this paper, an improved moth-flame optimization algorithm (IMFO) is presented to solve engineering problems. Two novel effective strategies composed of Lévy flight and dimension-by-dimension evaluation are synchronously introduced into the moth-flame optimization algorithm (MFO) to maintain a great global exploration ability and effective balance between the global and local search. The search strategy of Lévy flight is used as a regulator of the moth-position update mechanism of global search to maintain a good research population diversity and expand the algorithm’s global search capability, and the dimension-by-dimension evaluation mechanism is added, which can effectively improve the quality of the solution and balance the global search and local development capability. To substantiate the efficacy of the enhanced algorithm, the proposed algorithm is then tested on a set of 23 benchmark test functions. It is also used to solve four classical engineering design problems, with great progress. In terms of test functions, the experimental results and analysis show that the proposed method is effective and better than other well-known nature-inspired algorithms in terms of convergence speed and accuracy. Additionally, the results of the solution of the engineering problems demonstrate the merits of this algorithm in solving challenging problems with constrained and unknown search spaces.