دانلود مقاله ترجمه شده الگوریتم ترکیبی PSOGSA برای بهینه‌سازی توابع

Q: عنوان فارسي

الگوریتم ترکیبی PSOGSA برای بهینهسازی توابع

Q: نویسنده/ناشر/نام مجله

IEEE International Conference on Computer and Information Application

چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2007429 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید برای دریافت لینک دانلود مقاله آدرس ایمیل خود را درج نمایید

مایل به دریافت ترجمه فارسی هستید؟

قیمت :

695,000 ریال

شناسه محصول :

2007429

سال انتشار:

2010

حجم فایل انگلیسی :

141 Kb

حجم فایل فارسی :

274 کیلو بایت

نوع فایل های ضمیمه :

Pdf+Word

کلمه عبور همه فایلها :

www.daneshgahi.com

عنوان فارسي

الگوریتم ترکیبی PSOGSA برای بهینه‌سازی توابع

عنوان انگليسي

A New Hybrid PSOGSA Algorithm for Function Optimization

نویسنده/ناشر/نام مجله

IEEE, International Conference on Computer and Information Application

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 4 صفحه انگلیسی به صورت پی دی اف و 12 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

در این مقاله یک الگوریتم مبتنی بر جمعیت ترکیبی (PSOGSA) جدید پیشنهاد شده است که ترکیب شده‌ی الگوریتم بهینه سازی گروه ذرات (PSO) و الگوریتم جستجوی گرانشی (GSA) است. ایده‌ی اصلی، تجمیع توانایی کاوش در PSO و توانایی مرور در GSA برای ترکیب قدرت این دو الگوریتم است. برخی توابع تست محک برای مقایسه‌ی الگوریتم ترکیبی، و الگوریتم‌های GSA و PSO برای رسیدن بهترین پاسخ، بهینه شدند. نتایج نشان داد که الگوریتم ترکیبی، توانایی بالاتری در فرار از بهینه‌های محلی را داشته و سرعت همگرایی بالاتری نسبت به الگوریتم‌های استاندارد PSO و GSA دارد.

1-مقدمه

در سال‌های اخیر، الگوریتم‌های بهینه‌سازی تکاملی زیادی پیشنهاد شده‌اند. این الگوریتم‌ها شامل الگوریتم بهینه سازی گروه ذرات (PSO)، الگوریتم ژنتیک (GA)، تکامل تفاضلی (DE)، کلونی مورچه‌ها (AC)، و الگوریتم جستجوی گرانشی (GSA) است. هدف همه‌ی آن‌ها پیدا کردن بهترین خروجی (بهینه‌ی سراسری) در میان ورودی‌های ممکن می‌باشد....

الگوریتم جستجوی گرانشی بهینه سازی گروه ذرات بهینه سازی تابع :کلمات کلیدی

چکیده انگلیسی

Abstract

In this paper, a new hybrid population-based algorithm (PSOGSA) is proposed with the combination of Particle Swarm Optimization (PSO) and Gravitational Search Algorithm (GSA). The main idea is to integrate the ability of exploitation in PSO with the ability of exploration in GSA to synthesize both algorithms' strength. Some benchmark test functions are used to compare the hybrid algorithm with both the standard PSO and GSA algorithms in evolving best solution. The results show the hybrid algorithm possesses a better capability to escape from local optimums with faster convergence than the standard PSO and GSA

Keywords: Gravitational Search Algorithm (GSA) Particle Swarm Optimization (PSO) Function optimization

این مقاله ترجمه شده مهندسی کامپیوتر و IT برای گرایش های: نرم افزار، کاربرد دارد. سایر مقالات ترجمه شده نرم افزار، را ببینید. [ برچسب: مقاله ترجمه شده نرم افزار در زمینه الگوریتم جستجو گرانشی]

سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه الگوریتم جستجو گرانشی

‌بهینه‌سازی باینری با استفاده از ترکیب بهینه سازی گروه ذرات و الگوریتم جستجوی گرانشی [مقالات ترجمه شده]

‌بهینه‌سازی باینری با استفاده از ترکیب بهینه سازی گروه ذرات و الگوریتم جستجوی گرانشی [مقالات ترجمه شده]