دانلود شبیه سازی مقاله الگوریتم فراابتکاری بهینه سازی بازی آشوب

عنوان فارسی

بهینه سازی بازی آشوب: یک الگوریتم فراابتکاری جدید

عنوان انگلیسی

Chaos Game Optimization: a novel metaheuristic algorithm

کلمات کلیدی

فراابتکاری؛ تحلیل آماری؛ بهینه سازی بازی آشوب

درسهای مرتبط

الگوریتم های بهینه سازی

تعداد صفحات انگلیسی : 88 نشریه : Springer
سال انتشار : 2020 تعداد رفرنس مقاله : 77
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
اشپرینگر
قیمت دانلود مقاله
42,000تومان
دانلود رایگان مقاله انگلیسی
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله
برنامه ای که در آن مقاله شبیه سازی شده است : این مقاله در محیط متلب پیاده سازی شده است نام مجله مقاله : Artificial Intelligence Review (مجله هوش مصنوعی)
ترجمه: ندارد گزارشکار : ندارد شبیه سازی : دارد (1 فایل شبیه سازی در متلب با فرمت .m)

این مقاله در محیط متلب به صورت کامل شبیه سازی شده و در صورت خرید و دانلود مقاله شما به راحتی قادر خواهید بود از برنامه مربوطه استفاده نمایید. در صورت بروز هر گونه مشکل در نحوه ی اجرای برنامه سایت سیگمالند به مدت 24 ساعت بعد از خرید محصول، پشتیبانی آن را تا اجرای کامل برعهده دارد.

توضیحات و مشاهده مقاله انگلیسی

پروژه متلب الگوریتم بازی آشوب

اکثر مسائل طراحی مربوط به طبیعت را می توان به عنوان مسائل بهینه سازی در نظر گرفت که نیاز به تعدادی تکنیک ها و الگوریتم های بهینه سازی صحیح برای حل شان هست. امروزه، مسائل طراحی بیش از پیش، پیچیده شده اند به نحوی که الگوریتم های بهینه سازی کلاسیک براساس اصول ریاضیاتی قادر به ارائه نتایج رضایت بخش در یک مدت زمان معقول نیستند. الگوریتم های مبتنی بر گرادیان، که از گرادیان تابع هدف برای پیکربندی مسئله بهینه سازی استفاده می کنند، یکی از این الگوریتم های ریاضیاتی است. در چند دهه گذشته، رفع کمبودها و نواقص الگوریتم های بهینه سازی کلاسیک و معرفی الگوریتم های بهینه سازی کارآمد جدید، یکی از نگرانی های مهم بود. بخاطر پیشرفت های اخیر فنآوری، توجه بیش از پیش به معرفی الگوریتم های بهینه سازی جدید بوجود آمد که بازده بالا، دقت زیاد و سرعت بیشتر در حل مسائل بهینه سازی دشوار را فراهم می کنند. علاوه بر آن، تعدادی نگرانی دیگر در مورد کار با مسائل خاص دیگر مانند مسائل بهینه سازی محلی همراه با غیرهموار بودن و غیرمحدب بودن فضاهای جستجو، از این نظر از اهمیت فراوانی برخوردار شده اند.

در این مقاله، یک الگوریتم ابتکاری نوین به نام «بهینه سازی بازی آشفته» (CGO) برای حل مسائل بهینه سازی ابداع شده است. مفهوم اصلی الگوریتم CGO براساس تعدادی از اصول نظریه آشوب است که در آن آرایش فراکتال ها بوسیله مفهوم بازی آشفته و مسائل «خود مشابهت» فراکتال ها، در نظر هستند. در مجموع 239 تابع ریاضیاتی که در چهار گروه مختلف طبقه بندی می شوند، برای ارزیابی عملکرد کلی الگوریتم نوین ارائه شده، گردآوری می شوند. برای ارزیابی نتایج الگوریتم CGO، سه تحلیل مقایسه ای با مشخصه های مختلف انجام می شوند. در مرحله اول، شش الگوریتم فرا ابتکاری مختلف، از مجموعه مقالات انتخاب می شوند، درحالی که مقادیر حداقل، میانگین و انحراف معیار همراه با تعداد اجرای تابع برای CGO و این الگوریتم ها، محاسبه و مقایسه می شوند. یک تحلیل آماری کامل نیز انجام می شود تا یک قضاوت معتبر در مورد عملکرد الگوریتم CGO، حاصل شود. در مرحله دوم، نتایج الگوریتم CGO با تعدادی از الگوریتم های مبتنی بر فراکتال و مبتنی بر آشوب اخیراً مطرح شده، مقایسه می شوند. در آخر، عملکرد الگوریتم CGO با تعدادی الگوریتم نوین در کار با توابع ریاضیاتی نوین مقایسه می شود و یکی از جدیدترین رقابت ها در مورد بهینه سازی عددی پارامتر حقیقی تک هدفی به نام «CEC 2017» به عنوان مثالهای عددی برای این هدف مدنظر قرار می گیرند. علاوه بر آن، یک تحلیل هزینه محاسباتی نیز برای الگوریتم ارائه شده انجام می شوند. نتایج بدست آمده ثابت کردند که CGO، در مقایسه با دیگر روش های ابتکاری در اکثر موارد، برتر می باشد.

این مقاله مربوط به سال 2020 بوده و شبیه سازی آن نیز در محیط نرم افزار متلب (MATLAB) انجام شده است.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود شبیه سازی مقاله الگوریتم فراابتکاری بهینه سازی بازی آشوب”

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

ارتباط با ما

  • شماره تماس : 09360147484
  • ایمیل : info@sigmaland.ir
تمامی حقوق مادی و معنوی برای سایت سیگمالند محفوظ است.