دانلود ترجمه مقاله بهینه ساز شیر مورچه چند هدفی: الگوریتمی برای حل مسائل مهندسی

1. مقدمه 2. مروری بر مقالات 3. بهینه ساز شیر مورچه چند هدفی (MOALO) 4. نتایج برای توابع آزمون 5. نتیجه گیری

چکیده – این مقاله، یک نسخه چندهدفی از بهینه سازی شیر مورچه (ALO) اخیراً پیشنهاد شده به نام «بهینه ساز شیر مورچه چند هدفی» (MOALO) را پیشنهاد می دهد. یک مخزن یا انبار ابتدا برای ذخیره جواب های بهینه پارتو غیرغالب بدست آمده تاکنون بکار گرفته می شود. جواب ها سپس از مخزن با استفاده از یک مکانیزم چرخ رولت براساس پوشش جواب ها به عنوان شیر مورچه ها برای هدایت مورچه ها به سمت مناطق نویدبخش فضاهای جستجوی چند هدفی، انتخاب می شوند. برای اثبات اثربخشی الگوریتم پیشنهادی، یک مجموعه از توابع غیرمقید و مقید استاندارد بکار گرفته می شود. همچنین، این الگوریتم برای یک سری از مسائل طراحی مهندسی چند هدفی، بکار گرفته می شود: طراحی تیر یک سرگیردار، طراحی موتور چرخ dc بدون جاروبک؛ طراحی ترمز دیسکی؛ طراحی خرپای 4 میله ای، طراحی ترانسفورماتور ایزوله کننده ایمنی، طراحی کاهش سرعت و طراحی تیر جوش خورده. نتایج با مقایسه MOALO با NSGA-II و MOPSO، تایید می شوند. نتایج الگوریتم پیشنهادی برروی توابع آزمون نشان می دهند که این الگوریتم از همگرایی و پوشش زیاد بهره می برد. نتایج الگوریتم در مورد مسائل طراحی مهندسی، کاربردی بودن آن در حل مسائل واقعی چالش برانگیز را نیز اثبات می کنند. مقدمه: در سالهای اخیر، کامپیوترها در زمینه های مختلف برای حل مسائل چالش برانگیز، بسیار محبوب شده اند. طراحی به کمک کامپیوتر، یک رشته و زمینه است که بر استفاده از کامپیوترها در حل مسائل و طراحی سیستم ها، تاکید می کند. در گذشته، فرآیند طراحی یک سیستم نیاز به دخالت مستقیم انسانی داشت. برای نمونه، اگر یک طراح می خواست تا شکل بهینه را برای یک راکت پیدا کند، باید ابتدا یک نمونه اولیه ایجاد می کرد و از یک تونل باد برای تست آن استفاده می کرد. واضح است که چنین رویکرد طراحی بسیار گرانقیمت و وقت گیر بود. سیستم هرچه پیچیده تر می شد، زمان و هزینه بیشتری را آن پروژه لازم داشت.

This paper proposes a multi-objective version of the recently proposed Ant Lion Optimizer (ALO) called Multi-Objective Ant Lion Optimizer (MOALO). A repository is first employed to store non-dominated Pareto optimal solutions obtained so far. Solutions are then chosen from this repository using a roulette wheel mechanism based on the coverage of solutions as antlions to guide ants towards promising regions of multi-objective search spaces. To prove the effectiveness of the algorithm proposed, a set of standard unconstrained and constrained test functions is employed. Also, the algorithm is applied to a variety of multi-objective engineering design problems: cantilever beam design, brushless dc wheel motor design, disk brake design, 4-bar truss design, safety isolating transformer design, speed reduced design, and welded beam deign. The results are verified by comparing MOALO against NSGA-II and MOPSO. The results of the proposed algorithm on the test functions show that this algorithm benefits from high convergence and coverage. The results of the algorithm on the engineering design problems demonstrate its applicability is solving challenging real-world problems as well. Introduction: In recent years, computers have become very popular in different fields for solving challenging problems. Computer-aided design is a field that emphasizes the use of computers in solving problems and designing systems. In the past, the design process of a system would have required direct human involvements. For instance, if a designer wanted to find an optimal shape for a rocket, he would have to first create a prototype and then use a wind tunnel to test. Obviously, such a design approach was very expensive and time consuming. The more complex the system was, the more time and cost the entire project required.