دانلود ترجمه مقاله الگوریتم پویای الگوریتم کلونی مصنوعی زنبور چند مستعمره (ساینس دایرکت – الزویر ۲۰۱۵) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه الزویر در ۲۰ صفحه در سال ۲۰۱۵ منتشر شده و ترجمه آن ۳۴ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

الگوریتم پویای الگوریتم کلونی مصنوعی زنبور چند مستعمره برای بهینه سازی چند منظوره

عنوان انگلیسی مقاله:

A dynamic multi-colony artificial bee colony algorithm for multi-objective optimization

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۱۵
تعداد صفحات مقاله انگلیسی ۲۰ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی کامپیوتر
گرایش های مرتبط با این مقاله مهندسی الگوریتم ها و محاسبات ، رایانش ابری
چاپ شده در مجله (ژورنال) محاسبات نرم کاربردی – Applied Soft Computing
کلمات کلیدی بهینه سازی چند هدفه، مدل چند کلنی، الگوریتم مستعمره مصنوعی زنبور، استراتژی مهاجرت، آزمون فریدمن
کلمات کلیدی انگلیسی Multi-objective optimization – Multi-colony model – Artificial bee colony algorithm – Migration strategy – Friedman test
ارائه شده از دانشگاه دانشکده علوم داده و کامپیوتر، دانشگاه سان یات سن، چین
نمایه (index) scopus – master journals – JCR
نویسندگان Yi Xiang – Yuren Zhou
شناسه شاپا یا ISSN ۱۵۶۸-۴۹۴۶
شناسه دیجیتال – doi https://doi.org/10.1016/j.asoc.2015.06.033
ایمپکت فاکتور(IF) مجله ۷٫۱۴۹ در سال ۲۰۱۹
شاخص H_index مجله ۱۲۴ در سال ۲۰۲۰
شاخص SJR مجله ۱٫۴۰۵ در سال ۲۰۱۹
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۹
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۲۷۵
لینک مقاله در سایت مرجع لینک این مقاله در سایت Elsevier
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۳۴ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه نشده است 
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه نشده است 
ترجمه ضمیمه ترجمه نشده است 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است
منابع داخل متن درج نشده است 
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱٫ مقدمه

۲٫ مقدمات

۲٫۱ بهینه سازی چند منظوره اصلی

۲٫۲ . الگوریتم اجتماع زنبور عسل مصنوعی

۳٫ الگوریتم DMCMOABC مطرح شده

۳٫۱ مقدار دهی اولیه

۳٫۲ نگهداری آرشیو

۳٫۳ ارسال زنبورهای کارگر

۳٫۴ ارسال زنبورهای ناظر

۳٫۵٫ تعویض اطلاعات

۳٫۶ . روش رسیدگی کردن به محدودیت

۴٫ مطالعه تجربی

۴٫۱ معیارهای اجرا و عملکردهای آزمون

۴٫۲ انتخاب پارامتر

۴٫۳ نتایج محاسباتی و مقایسه عملکردی

۴٫۴ مقایسه جبهه های تقریبی pareto

۴٫۵ بحث در مورد تأثیر پارامترهای کنترل

۵٫ نتیجه

 

بخشی از ترجمه

چکیده

این مقاله یک الگوریتم پویای چند منظوره، چند مستعمره مجتمع زنبور عسل مصنوعی (DMCMOABC) را با استفاده از مدل multi-deme و راهبرد تعویض اطلاعات پویا پیشنهاد میکند.  در این الگوریتم مطرح شده، اجتماع های k (K colonies ) بیشتر اوقات به طور غیر وابسته جستجو میکند و اطلاعات را گهگاه به اشتراک میگذارد. در هر اجتماع (colony, ) زنبورهای S  شامل تعداد برابر از زنبورهای کارگرو زنبورهای ناظر وجود دارد. برای هر منبع غذا، زنبورهای کارگر و ناظر یک موقعیت موقت را کشف خواهند کرد که با استفاده از اطلاعات همسایه تولید شده است و مورد بهتری که توسط یک راهبرد انتخاب حریص تعیین شده، مرتبا تکرار می شود. آرشیو بیرونی برای ذخیره¬ی راه حل های غیر غالب به کار گرفته شده است که در حین فرآیند جستجو یافت شد و تنوع بیش از آرشیو انفرادی، توسط راهبرد ازدحام- فاصله (crowding-distance) حفظ شده است. اگر تعداد تولید تصادفی کوچکتر از نرخ مهاجرت Rباشد پس از آن نخبگان،که  به عنوان افراد حد واسط با بیشترین مقدار ازدحام- فاصله تعریف می شوند؛ برای جایگزینی بدترین منبع غذا در یک انتخاب اجتماع تصادفی شناسایی و به کار برده می شود. DMCMOABC پیشنهاد شده، بر یک مجموعه ای از عملکردهای آزمایشی محدود/ نامحدود ارزیابی شده است که از دوره ویژه ی CEC2009 و رقابت از نظر چهار ماتریکس به کار برده شده  EPSILON,، HV,، IGD و SPREAD, گرفته شده است و با سایر الگوریتم های  وضعیت هنر (state-of-the-art) توسط  اجرای آزمون Friedman بر میانگین IGD مقایسه شده است. نتایج آرمون نشان می دهد که DMCMOABC به طور قابل توجهی بهتر از یا حداقل قابل مقایسه با رقبایش برای هر دو مشکل محدود و نامحدود است.

 

۱٫ مقدمه

در بسیاری از برنامه های بهینه سازی جهان واقعی ، تصمیم گیرنده ها (DMs) اغلب باید به مشکلاتی که با هم تضاد دارند و باید به طور همزمان بهینه شوند، با چندین هدف رسیدگی کنند و آنها معمولا  مشکلات بهینه سازی چند منظوره (MOPs) نامیده می شوند که مشکل تر از مشکلات یک منظوره هستند ، از آنجایی که یک راه حل یگانه در دسترس برای آنها وجود ندارد اما یک مجموعه از راه حل های Pareto-optimal (PS) یا راه حل های غیر غالب وجود دارد که تبادل بین اهداف را نشان می دهد.

 

۵٫ نتیجه

در این مقاله، ما یک الگوریتم جدید اجتماع زنبور عسل مصنوعی چند منظوره توسط کابرد یک مدل چند اجتماعی و یک راهبرد مبادله اطلاعات پویا  پیشنهاد میکنیم. در الگوریتم پیشنهادشده ،اجتماع  K در زیر فضای خودشان  مستقلا بیشتر اوقات جستجو میکند  و اطلاعات را به طور تصادفی به اشتراک میگذارد که توسط پارامتر ی که نرخ مهاجرت نامیده میشود کنترل شده است. در هر مهاجرت، یک گلچین از آرشیو خارجی انتخاب شده است و برای جایگزینی بدترین منبع غذا در اجتماع به طور تصادفی انتخاب شده، به کار گرفته شده است . جهت مهاجرت پویاست زیرا گلچین ممکن است توسط هر اجتماع یافت شود و اجتماع پذیرنده همچنین به طور تصادفی تعیین شده است.  پارامترهای کنترل الگوریتم ما توسط یک تجربه تعیین شده است و توصیه شده است که برای کاربرد عمومی به ترتیب R بر ۰٫۰۱ ، K بر ۹, S بر ۲۰ تنظیم شود. 

 

بخشی از مقاله انگلیسی

Abstract

This paper suggests a dynamic multi-colony multi-objective artificial bee colony algorithm (DMCMOABC) by using the multi-deme model and a dynamic information exchange strategy. In the proposed algorithm, K colonies search independently most of the time and share information occasionally. In each colony, there are S bees containing equal number of employed bees and onlooker bees. For each food source, the employed or onlooker bee will explore a temporary position generated by using neighboring information, and the better one determined by a greedy selection strategy is kept for the next iterations. The external archive is employed to store non-dominated solutions found during the search process, and the diversity over the archived individuals is maintained by using crowding-distance strategy. If a randomly generated number is smaller than the migration rate R, then an elite, defined as the intermediate individual with the maximum crowding-distance value, is identified and used to replace the worst food source in a randomly selected colony. The proposed DMCMOABC is evaluated on a set of unconstrained/constrained test functions taken from the CEC2009 special session and competition in terms of four commonly used metrics EPSILON, HV, IGD and SPREAD, and it is compared with other state-of-the-art algorithms by applying Friedman test on the mean of IGD. The test results show that DMCMOABC is significantly better than or at least comparable to its competitors for both unconstrained and constrained problems.

 

۱٫ Introduction

In many real-world optimization applications, decision makers (DMs) often have to handle problems with multiple objectives that are conflicting to each other and should be optimized simultaneously, and they are usually called multi-objective optimization problems (MOPs) which are more difficult than one-objective ones since there is no single solution available for them but a set of Pareto-optimal solutions (PS) or non-dominated solutions that represent a trade-off among the objectives.

 

۵٫ Conclusion

In this paper, we suggest a new multi-objective artificial bee colony algorithm by using a multi-colony model and a dynamic information exchange strategy. In the proposed algorithm, K colonies search in their own sub-spaces independently most of the time and share information occasionally that is controlled by a parameter named migration rate. In each migration, an elite is selected from the external archive and used to replace the worst food source in a randomly chosen colony. The migration direction is dynamic since the elite may be found by any colony and the received colony is also determined stochastically. The control parameters of our algorithm are determined by an experiment and it is recommended to set R to 0.01, K to 9 and S to 20 for general usage, respectively

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

الگوریتم پویای الگوریتم کلونی مصنوعی زنبور چند مستعمره برای بهینه سازی چند منظوره

عنوان انگلیسی مقاله:

A dynamic multi-colony artificial bee colony algorithm for multi-objective optimization

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.