شماره تلفن : 09307584802

خانه ژورنال دانشجویان ایران

Iranian Students Article House

بهینه سازی گرگ خاکستری

عنوان فارسی

بهینه سازی گرگ خاکستری

عنوان لاتین

Grey Wolf Optimizer

عنوان مجله مقاله

ELSEVIER , Advances in Engineering Software

سال انتشار : 2014 سال انتشار مقاله
25,000 تومانقیمت ترجمه مقاله
لینک doi مقاله دانلود رایگان انگلیسی خرید ترجمه فارسی مقاله
تاریخ انتشار : ۶ اسفند ۱۳۹۸
15 بازدید
کد مقاله : 3685

چکیده فارسی

این مقاله از یک روش فرا ابتکاری جدید به نام بهینه ساز گرگ خاکستری (GWO) به منظور دسته بندی داده ها استفاده می کند. الگوریتم GWO از سلسله مراتب رهبری و ساز و کار شکار گرگ های خاکستری در طبیعت تقلید می-کند. در این الگوریتم از چهار نوع گرگ خاکستری شامل آلفا، بتا، دلتا و اومگابرای شبیه سازی سلسله مراتب رهبری استفاده شده است. علاوه بر این، سه مرحله اصلی شکار شامل جستجوی طعمه، محاصره طعمه و حمله به طعمه شبیه سازی می شوند. در ابتدا الگوریتم مورد نظر توسط 23 تابع آزمون شناخته شده به خوبی ارزیابی شده و نتایج به دست آمده با روش بهینه سازی ازدحام ذرات (PSO) مقایسه می شوند. نتایج نشان می دهد که الگوریتم GWO قادر به ارائه نتایج بسیار رقابتی نسبت به این اکتشاف شناخته شده است. این مقاله همچنین با حل سه مشکل طراحی مهندسی کلاسیک (کشش تنش / فشاری، پرتوهای جوش داده شده و طرح های مخزن فشار)، ارائه می دهد و کاربرد واقعی روش پیشنهادی در زمینه مهندسی نوری را ارائه می دهد. نتایج مشکلات طراحی مهندسی کلاسیک و کاربرد واقعی را نشان می دهد که الگوریتم پیشنهادی برای مشکلات چالش برانگیز با فضاهای جستجو ناشناخته قابل استفاده است. کلمات کلیدی: بهينه سازي، تکنیک های بهینه سازی، الگوریتم اکتشافی، استعاره، بهینه سازی محدود، بهینه سازی گرگ خاکستری (GWO)

چکیده لاتین

Highlights: 1) A new meta-heuristic called Grey Wolf Optimizer inspired by grey wolves is proposed. 2) The GWO algorithm is benchmarked on 29 well-known test functions. 3) The results on the unimodal functions show the superior exploitation of GWO. 4) The exploration ability of GWO is confirmed by the results on multimodal functions. 5) The results on semi-real and real problems confirm the performance of GWO in practice. Abstract: This work proposes a new meta-heuristic called Grey Wolf Optimizer (GWO) inspired by grey wolves (Canis lupus). The GWO algorithm mimics the leadership hierarchy and hunting mechanism of grey wolves in nature. Four types of grey wolves such as alpha, beta, delta, and omega are employed for simulating the leadership hierarchy. In addition, the three main steps of hunting, searching for prey, encircling prey, and attacking prey, are implemented. The algorithm is then benchmarked on 29 well-known test functions, and the results are verified by a comparative study with Particle Swarm Optimization (PSO), Gravitational Search Algorithm (GSA), Differential Evolution (DE), Evolutionary Programming (EP), and Evolution Strategy (ES). The results show that the GWO algorithm is able to provide very competitive results compared to these well-known meta-heuristics. The paper also considers solving three classical engineering design problems (tension/compression spring, welded beam, and pressure vessel designs) and presents a real application of the proposed method in the field of optical engineering. The results of the classical engineering design problems and real application prove that the proposed algorithm is applicable to challenging problems with unknown search spaces. Keywords: Optimization, Optimization techniques, Heuristic algorithm, Metaheuristics, Constrained optimization, GWO

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “بهینه سازی گرگ خاکستری”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مجوزها و نمادها


logo-samandehi

پل های ارتباطی با ما …

تبریز ، بخش مقصودیه ، خیابان ارتش جنوبی، کوچه شهید شهابی ، بن بست باغچه ، پلاک ۸۷ ، طبقه 4
تلفن تماس : 04135421108-09307584802
ایمیل : entofa@gmail.com


Unit4,No87,Baghcheh Alley,South Artesh ST,Azadi ave,MAGHSUDIYEH, Tabriz, Iran