عنوان فارسی مقاله:الگوریتم بهینه سازی ماهی بادکنکی: یک الگوریتم فراابتکاری جدید الهام گرفته از طبیعت برای حل مسائل بهینه سازی

چکیده

یک الگوریتم فراابتکاری جدید الهام گرفته از طبیعت به نام الگوریتم بهینه‌سازی ماهی بادکنکی (POA)، که رفتار طبیعی ماهی‌های بادکنکی در طبیعت را تقلید می‌کند، در این مقاله معرفی شده‌است. الهام‌بخش اساسی POA از مکانیسم دفاعی ماهی بادکنکی در برابر شکارچیان اقتباس شده است. در این مکانیسم دفاعی، ماهی بادکنکی با پرکردن معده کشسان خود از آب، به توپی کروی شکل با خارهای نوک تیز تبدیل می‌شود و در نتیجه شکارچی گرسنه از این تهدید می‌گریزد. تئوری POA بیان شده و سپس به صورت ریاضی در دو مرحله مدل‌سازی می‌شود: (۱) اکتشاف مبتنی بر شبیه‌سازی حمله شکارچی به ماهی بادکنکی و (۲) بهره‌برداری بر اساس شبیه‌سازی فرار شکارچی از بادکنکی کروی خاردار. عملکرد POA در مدیریت مجموعه آزمایشی CEC 2017 برای ابعاد مسئله برابر با ۱۰، ۳۰، ۵۰ و ۱۰۰ بین آنها در طول فرآیند جستجو ارزیابی شده است. کیفیت POA در فرآیند بهینه‌سازی با عملکرد دوازده الگوریتم فراابتکاری معروف مقایسه می‌شود. نتایج شبیه‌سازی نشان می‌دهد که POA با دستیابی به نتایج بهتر در اکثر توابع معیار به منظور حل مجموعه آزمایشی CEC 2017 در مقایسه با الگوریتم‌های رقیب، عملکرد برتری را ارائه می‌کند. همچنین، اثربخشی POA برای رسیدگی به وظایف بهینه‌سازی در برنامه‌های کاربردی دنیای واقعی بر روی بیست و دو مسئله بهینه‌سازی محدود از مجموعه آزمایشی CEC 2011 و چهار مسئله طراحی مهندسی ارزیابی می‌شود. نتایج شبیه‌سازی نشان می‌دهد که POA با دستیابی به راه‌حل‌های بهتر در مقایسه با الگوریتم‌های رقیب، عملکرد مؤثری را در مدیریت برنامه‌های کاربردی دنیای واقعی ارائه می‌کند.

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: Pufferfish Optimization Algorithm: A New Bio-Inspired Metaheuristic Algorithm for Solving Optimization Problems

Abstract

A new bio-inspired metaheuristic algorithm named the Pufferfish Optimization Algorithm (POA), that imitates the natural behavior of pufferfish in nature, is introduced in this paper. The fundamental inspiration of POA is adapted from the defense mechanism of pufferfish against predators. In this defense mechanism, by filling its elastic stomach with water, the pufferfish becomes a spherical ball with pointed spines, and as a result, the hungry predator escapes from this threat. The POA theory is stated and then mathematically modeled in two phases: (i) exploration based on the simulation of a predator’s attack on a pufferfish and (ii) exploitation based on the simulation of a predator’s escape from spiny spherical pufferfish. The performance of POA is evaluated in handling the CEC 2017 test suite for problem dimensions equal to 10, 30, 50, and 100. The optimization results show that POA has achieved an effective solution with the appropriate ability in exploration, exploitation, and the balance between them during the search process. The quality of POA in the optimization process is compared with the performance of twelve well-known metaheuristic algorithms. The simulation results show that POA provides superior performance by achieving better results in most of the benchmark functions in order to solve the CEC 2017 test suite compared to competitor algorithms. Also, the effectiveness of POA to handle optimization tasks in realworld applications is evaluated on twenty-two constrained optimization problems from the CEC 2011 test suite and four engineering design problems. Simulation results show that POA provides effective performance in handling real-world applications by achieving better solutions compared to competitor algorithms.