عنوان فارسی مقاله:الگوریتم بهینه سازی مخروط کاج (PCOA)
چکیده
مطالعه حاضر یک بهینه ساز جدید الهام گرفته از طبیعت به نام الگوریتم بهینه سازی مخروط کاج (PCOA) برای حل مسائل علمی و مهندسی معرفی میکند. PCOA بر اساس مکانیسمهای مختلف تولید مثل درخت کاج، از جمله گرده افشانی و پراکندگی مخروط کاج توسط گرانش و حیوانات طراحی شده است. این مطالعه برای شبیه سازی مکانیزم های ذکر شده از عملگرهای جدید و قدرتمند استفاده میکند. عملکرد PCOA با استفاده از توابع معیار کلاسیک، CEC017 و CEC2019 به عنوان مسائل ریاضی و CEC2006 و CEC2011 به عنوان مسائل طراحی مهندسی تحلیل میشود. از نظر دقت، نتایج نشان دهنده برتری PCOA نسبت به الگوریتمهای شناخته شده (PSO، DE و WOA) و الگوریتمهای جدید (AVOA، RW_GWO، HHO و GBO) است. نتایج PCOA با الگوریتمهای پیشرفته (LSHADE و EBOwithCMAR) مشابه است. از نظر سرعت همگرایی و پیچیدگی زمانی، نتایج PCOA معقول است. طبق آزمون فریدمن، رتبه PCOA به ترتیب ۱٫۶۸ و ۹٫۴۲ درصد بهتر از EBOwithCMAR (دومین الگوریتم برتر) و LSHADE (الگوریتم سوم برتر) است. محققان PCOA را برای جوامع علمی، مهندسی و صنعتی برای حل مسائل پیچیده بهینهسازی توصیه میکنند.
- 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.