دانلود ترجمه و شبیه سازی مقاله الگوریتم بهینه سازی پروانه: رویکردی جدید

1. مقدمه 2. پژوهش های مرتبط 3. الگوریتم بهینه سازی پروانه 4. پلتفرم های آزمایشی و بستر تست بهینه سازی 5. نتایج شبیه سازی 6. BOA برای مسائل مهندسی کلاسیک 7. نتیجه گیری

چکیده – مسائل دنیای واقعی به واسطه ماهیت چندبعدی و چندمدلی که دارند، پیچیده هستند و این موضوع دانشمندان علوم کامپیوتر را ترغیب می کند تا روش های حل مساله موثرتر و بهتری را توسعه دهند. الگوریتم های فراابتکاری الهام گرفته شده از طبیعت، عملکرد بهتری را نسبت به رویکردهای سنتی و متداول نشان داده اند. تاکنون، محققین الگوریتم های فراابتکاری الهام گرفته از طبیعت مختلفی را برای حل مسائل جستجوی گوناگون، ارائه داده و مورد بررسی قرار داده اند. این مقاله، یک الگوریتم جدید الهام گرفته شده از طبیعت با عنوان الگوریتم بهینه سازی پروانه (BOA) ارائه داده که از رفتار جستجوی غذا و جفت گیری پروانه ها برای حل مسائل بهینه سازی جهانی تقلید می کند. این چارچوب عمدتا بر مبنای استراتژی تغذیه پروانه ها است که از حس بویایی برای تعیین موقعیت شهد یا جفت گیری استفاده می کنند. در این مقاله، الگوریتم پیشنهادی روی یک مجموعه از 30 تابع تست معیار، ارزیابی و اعتبارسنجی شده و عملکرد آن با الگوریتم های فراابتکاری دیگر مورد مقایسه قرار گرفته است. BOA نیز برای حل سه مساله مهندسی کلاسیک (طراحی فنر؛ طراحی تیر جوش دهنده؛ زنجیره چرخ دهنده ها) مورد استفاده قرار گرفته است. نتایج نشان می دهند که BOA پیشنهادی، موثرتر از الگوریتم های فراابتکاری دیگر می باشد.

Real-world problems are complex as they are multidimensional and multimodal in nature that encourages computer scientists to develop better and efficient problem-solving methods. Nature-inspired metaheuristics have shown better performances than that of traditional approaches. Till date, researchers have presented and experimented with various nature-inspired metaheuristic algorithms to handle various search problems. This paper introduces a new nature-inspired algorithm, namely butterfly optimization algorithm (BOA) that mimics food search and mating behavior of butterflies, to solve global optimization problems. The framework is mainly based on the foraging strategy of butterflies, which utilize their sense of smell to determine the location of nectar or mating partner. In this paper, the proposed algorithm is tested and validated on a set of 30 benchmark test functions and its performance is compared with other metaheuristic algorithms. BOA is also employed to solve three classical engineering problems (spring design, welded beam design, and gear train design). Results indicate that the proposed BOA is more efficient than other metaheuristic algorithms.

با خرید این محصول می توانید به شبیه سازی و ترجمه آن دسترسی داشته باشید. ترجمه این مقاله در 28 صفحه آماده شده و در ادامه نیز صفحه 27 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.