دانلود ترجمه مقاله الگوریتم بهینه سازی شیر (LOA): الگوریتمی فرابتکاری
عنوان فارسی |
الگوریتم بهینه سازی شیر (LOA): یک الگوریتم فرابتکاری الهام گرفته شده از طبیعت |
عنوان انگلیسی |
Lion Optimization Algorithm (LOA): A nature-inspired metaheuristic algorithm |
کلمات کلیدی : |
  الگوریتم بهینه سازی شیر (LOA)؛ بهینه سازی کلی؛ الگوریتم های فراابتکاری |
درسهای مرتبط | الگوریتم های بهینه سازی |
تعداد صفحات مقاله انگلیسی : 13 | نشریه : ELSEVIER |
سال انتشار : 2016 | تعداد رفرنس مقاله : 66 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت : ندارد | وضعیت ترجمه مقاله : انجام نشده است. |
1. مقدمه 2. الگوریتم بهینه سازی شیر (LOA) 3. نتایج آزمایشی 4. نتیجه گیری
چکیده – در طول دهه گذشته، حل مسائل بهینه سازی پیچیده با استفاده از الگوریتم های فراابتکاری، توجه بسیاری از محققین را به خود جلب کرده است. از این رو، الگوریتم های فراابتکاری زیادی در طول سالیان گذشته توسعه یافته اند. بسیاری از این الگوریتم ها، از پدیده های مختلف طبیعی الهام گرفته شده اند. در این مقاله، یک الگوریتم جدید مبتنی بر جمعیت، با نام الگوریتم بهینه سازی شیر (LOA)، معرفی شده است. سبک زندگی خاص شیرها و ویژگی همکاری میان آنها، انگیزه پایه ای برای توسعه این الگوریتم بهینه سازی بوده است. یک سری مسائل معیار از بین مقالات انتخاب شده و راه حل الگوریتم پیشنهادی با جدیدترین و شناخته شده ترین الگوریتم های فراابتکاری مورد مقایسه قرار گرفته است. نتایج به دست آمده، عملکرد بالای الگوریتم پیشنهادی در مقایسه با دیگر الگوریتم های به کار رفته در این مقاله را تایید می کند.
During the past decade, solving complex optimization problems with metaheuristic algorithms has received considerable attention among practitioners and researchers. Hence, many metaheuristic algorithms have been developed over the last years. Many of these algorithms are inspired by various phenomena of nature. In this paper, a new population based algorithm, the Lion Optimization Algorithm (LOA), is introduced. Special lifestyle of lions and their cooperation characteristics has been the basic motivation for development of this optimization algorithm. Some benchmark problems are selected from the literature, and the solution of the proposed algorithm has been compared with those of some well-known and newest meta-heuristics for these problems. The obtained results confirm the high performance of the proposed algorithm in comparison to the other algorithms used in this paper.
ارش –
عالی