یک روش الهام گرفته از طبیعت برای بهینه سازی ریاضی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 38

تعداد کلمات : 10500

مجله : mathematics

انتشار : 2021

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
13 فوریه 2022
دسته بندی
تعداد بازدیدها
1200 بازدید
39,000 تومان

عنوان فارسی مقاله:یک روش الهام گرفته از طبیعت برای بهینه سازی ریاضی با الهام از عنکبوت جهنده Arachnida Salticidade

 چکیده

 این مقاله یک فراابتکاری جدید به نام الگوریتم بهینه‌سازی عنکبوت جهنده (JSOA) را پیشنهاد می‌کند که از عادات شکار Arachnida Salticidae الهام گرفته شده است. الگوریتم پیشنهادی از رفتار عنکبوت‌ها در طبیعت تقلید می‌کند و استراتژی‌های شکار آن را به صورت ریاضی مدل‌سازی می‌کند: جستجو، آزار و شکنجه، و مهارت‌های پریدن برای بدست آوردن طعمه. این استراتژی‌ها تعادل خوبی بین بهره برداری و اکتشاف در فضای جستجوی راه حل فراهم می‌کند و مشکلات بهینه سازی سراسری را حل می‌کند. JSOA با ۲۰ مسئله ریاضی شناخته شده بررسی است. مطالعات بیشتر شامل تنظیم یک کنترل‌کننده متناسب-انتگرال-مشتق (PID)، مسئله حذف هارمونیک انتخابی، و چند مسئله بهینه‌سازی عددی مقید با هدف در دنیای واقعی است که از CEC 2020 گرفته شده‌اند. علاوه بر این، عملکرد JSOA در برابر چندین الگوریتم شناخته شده الهام گرفته از طبیعت بررسی شده است. نتایج آماری نشان می‌دهد که الگوریتم پیشنهادی از الگوریتم‌های اخیر بهتر عمل می‌کند و قادر به حل مسائل چالش برانگیز دنیای واقعی با فضای جستجوی ناشناخته است( بهینه سازی ریاضی).

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: A Bio-Inspired Method for Mathematical Optimization Inspired by Arachnida Salticidade

Abstract

 This paper proposes a new meta-heuristic called Jumping Spider Optimization Algorithm (JSOA), inspired by Arachnida Salticidae hunting habits.The proposed algorithm mimics the behavior of spiders in nature and mathematically models its hunting strategies: search, persecution, and jumping skills to get the prey. These strategies provide a fine balance between exploitation and exploration over the solution search space and solve global optimization problems. JSOA is tested with 20 well-known testbench mathematical problems taken from the literature. Further studies include the tuning of a Proportional-Integral-Derivative (PID) controller, the Selective harmonic elimination problem, and a few real-world single objective bound-constrained numerical optimization problems taken from CEC 2020. Additionally, the JSOA’s performance is tested against several wellknown bio-inspired algorithms taken from the literature. The statistical results show that the proposed algorithm outperforms recent literature algorithms and is capable to solve challenging real-world problems with unknown search space.