| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کلونی مورچه در برابر الگوریتم ژنتیک بر اساس مسئله فروشنده دوره گرد |
| عنوان انگلیسی مقاله: |
Ant Colony versus Genetic Algorithm based on Travelling Salesman Problem |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| تعداد صفحات مقاله انگلیسی | 9 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر و مهندسی فناوری اطلاعات |
| گرایش های مرتبط با این مقاله | مهندسی الگوریتم و محاسبات و مهندسی نرم افزار |
| مجله مربوطه | مجله بین المللی تکنولوژی و برنامه های کاربردی کامپیوتر |
| دانشگاه تهیه کننده | دانشگاه اسلامی غزه |
| رفرنس | دارد |
| نشریه | Ijcta |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 18 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| 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 |
- فهرست مطالب:
چکیده
1- مقدمه
2- بهینه سازی کلونی مورچه
2-1- سیستم مورچه (AS)
2-2- روش
2-2-1- الگوریتم ACO
الگوریتم 1: بهینه سازی کلونی مورچه (ACO)
الگوریتم 2: ایجاد_ راه حل (i)؛
الگوریتم 3: روزآمدسازی_ سرتاسری_ فرومون (i)؛
2-3- پارامترهای ACO
3- مقدمه ای بر الگوریتم ژنتیک
3-1- توصیف اساسی از GA
4- نتایج تجربی بهینه سازی کلونی مورچه
5- نتایج تجربی الگوریتم های ژنتیک
6- مقایسه ی بین GA و ACO برای TSP
8- نتیجه گیری
- بخشی از ترجمه:
8- نتیجه گیری
همان طور که توسط آزمایش نشان داده شده، انتخاب بهترین پارامتر برای ACO دشوار است، اما ما می توانیم وابستگی تعداد تکرار ها را به ضریب تبخیر p و نیز تعداد مورچه ها M را مشاهده کنیم. که چنانچه p = 0 که تبخیری وجود ندارد، الگوریتم همگرا نمی شود. اما هنگامی که p به اندازه ی مافی بزرگ است (p = 0.9)، الگوریتم اغلب به راه حل های بهینه ی فرعی برای مسائل پیچیده نزدیک می شود. این مقاله اولین گام در تعیین بهترین تعداد تکرار برای ACO است که راه حلی بهینه دارد. ضروری است ارتباط بین هزینه ها، آلفا، و بتا را ارزیابی کنیم، و اینکه چگونه این پارامترها بر بهترین تعداد تکرارها و ضریب تبخیر اثر می گذارند.
هم چنین برای GA، ما باید بهترین مقدار را برای تعداد کروموزوم، جا به جایی، و احتمال جهش انتخاب کنیم. اما باز هم در حال حاضر GA بهتر از ACO برای TSP است.
- بخشی از مقاله انگلیسی:
7. Conclusions
As shown by the experiment, it is difficult to select the best parameter for ACO, but we can observe the dependency of the number of iterations on both the evaporation coefficient p and the number of ants M. that if p=0 that have no evaporation, the algorithm does not converge. But when p is large enough (p=0.9), the algorithm often converged to suboptimal solutions for complex problem. This paper is the first step on determining best number iteration for ACO to have the optimal solution. It is necessary to evaluate the relation between costs, alpha, and beta and how these parameters effect on best number of iterations and evaporations coefficient.
Also for GA, we need to select the best value for chromosome population, crossover, and mutation probabilities. But still at this time the GA is better than ACO for TSP.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کلونی مورچه در برابر الگوریتم ژنتیک مبتنی بر مسئله فروشنده دوره گرد |
| عنوان انگلیسی مقاله: |
Ant Colony versus Genetic Algorithm based on Travelling Salesman Problem |
|
|