دانلود ترجمه مقاله الگوریتم بهینه سازی پروانه جهش یافته

1. مقدمه 2. الگوریتم پیشنهادی 3. پیاده سازی تجربی و تحلیل نتایج 4. نتیجه گیری

چکیده – الگوریتم بهینه سازی پروانه، یک الگوریتم فراابتکاری الهام گرفته از طبیعت است که رفتار خوراک جویی پروانه ها را مورد استفاده قرار می دهد. الگوریتم بهینه سازی پروانه، برای حل توابع بنچمارک و مسائل بهینه سازی طراحی مهندسی، معرفی شده است. الگوریتم بهینه سازی پروانه جهش یافته، یک نوع جدید از الگوریتم بهینه سازی پروانه است که در این مقاله برای حل مسائل بهینه سازی سراسری یا جهانی، پیشنهاد شده است. و رویکردی است که الگوریتم بهینه سازی پروانه را با جهش کوشی (Cauchy) ترکیب می کند تا به جواب بهینه سراسری با اجتناب از گیر افتادن در بهینه های محلی، دست یابد. اعتبار یابی الگوریتم پیشنهادی برروی توابع آزمون ابعاد پایین و ابعاد بالا، انجام می شود. نتایج تجربی با الگوریتم بهینه سازی پروانه پایه و دیگر انوان آن که در ادبیات گزارش شده، مقایسه می شوند. آزمون رتبه بندی علامت دار ویلکوکسون نیز اجرا می شود تا قدرت الگوریتم پیشنهادی در مقایسه با روش های دیگر، مشخص شود. روش پیشنهادی به نتایج بهتری در مقاییسه با الگوریتم بهینه سازی پروانه اصلی و انواع آن برروی توابع آزمون مختلف، دست یافت.

Butterfly optimization algorithm is a nature inspired metaheuristic algorithm which adapts food foraging behavior of butterflies. Butterfly optimization algorithm was introduced to solve benchmark functions and engineering design optimization problems. Mutated butterfly optimization algorithm, a new variant of butterfly optimization algorithm is proposed in this work for solving global optimization problems. It is an approach which combines butterfly optimization algorithm with Cauchy mutation to achieve global optimal solution by avoiding entrapment in local optima. The validation of proposed algorithm is carried out on low dimensional and high dimensional test functions. The experimental results are compared with basic butterfly optimization algorithm and other variants of it reported in the literature. The Wilcoxon signed rank test is also performed to identify the significance of proposed algorithm with other methods. The proposed method has achieved better results than basic butterfly optimization algorithm and its variants on various test functions.