دانلود ترجمه مقاله الگوریتم بهینه سازی Cuckoo – مجله الزویر
گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” الگوریتم بهینه سازی Cuckoo ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
الگوریتم بهینه سازی کوکو |
عنوان انگلیسی مقاله: |
Cuckoo Optimization Algorithm |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | ۲۰۱۱ |
تعداد صفحات مقاله انگلیسی | ۱۱ صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات و مهندسی نرم افزار |
مجله | محاسبات نرم کاربردی – Applied Soft Computing |
دانشگاه | دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، ایران |
کلمات کلیدی | الگوریتمهای تکاملی، الگوریتم بهینهسازی کوکو (COA)، بهینهسازی غیرخطی |
شناسه شاپا یا ISSN | ISSN ۲۰۱۱٫۰۵٫۰۰۸ |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
نشریه | Elsevier |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin | ۳۱ صفحه |
ترجمه عناوین تصاویر و جداول | ترجمه شده است |
ترجمه متون داخل تصاویر | ترجمه نشده است |
ترجمه متون داخل جداول | ترجمه نشده 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
۱٫مقدمه
۲٫کوکوها و سبک زندگی خاص آنها برای تولید مثل
۳٫الگوریتم پیشنهادی بهینهسازی کوکو (COA)
۳٫۱٫ساخت زیستگاه اولین کوکوها
۳٫۲٫ روش تخمگذاری کوکوها
۳٫۳٫ مهاجرت کوکوها
۳٫۴٫ نابودسازی کوکوهای ساکن در بدترین زیستگاهها
۳٫۵٫ همگرایی
۴٫ محکهای الگوریتم بهینهسازی کوکو
۴٫۱٫ توابع هزینه آزمایش
۴٫۲٫ طراحی کنترلکننده چند متغیره
۴٫۲٫۱٫ کنترلکننده PID برای فرآیندهای چند ورودی چند خروجی
۴٫۲٫۲٫ طراحی تکاملی PID
۵٫ نتیجهگیری
- بخشی از ترجمه:
۵٫ نتیجهگیری
در این مقاله، یک الگوریتم بهینهسازی جدید با الهامگیری از سبک زندگی پرندهای به نام کوکو ارائه گردید. ویژگیهای خاص کوکو در تخمگذاری و زاد و ولد، انگیزه اصلی طراحی این الگوریتم بهینهسازی بوده است. هر پرنده در این الگوریتم زیستگاهی دارد که در اطراف آن شروع به تخمگذاری میکند. تخمهایی که زنده میمانند، رشد کرده و به کوکوهای بالغ تبدیل میشوند، سپس برای تولید مثل به سمت بهترین زیستگاهی که از قبل پیدا کردهاند، مهاجرت میکنند. تغییر مسیر ایجاد شده حین حرکت به سمت بهترین زیستگاه، جمعیت کوکوها را وادار میکند تا نسبت به جمعیتی که در یک مسیر مستقیم به پیش میروند، منطقه بیشتری را جستجو کنند. پس از مهاجرت، تمام جمعیت کوکوها در زیستگاه واحدی که بهترین موقعیت آن منطقه محسوب میشود، دور هم جمع میشوند. الگوریتم معرفی شده در ۵ تابع هزینه محک مورد آزمایش قرار گرفت. تطبیق الگوریتم بهینهسازی کوکو (COA) با گونههای متداول الگوریتم بهینهسازی ازدحام ذرات (PSO) و الگوریتم ژنتیک (GA) با انتخاب چرخ رولت، انتقال یکسان نشان داد که COA به خاطر همگرایی سریع و دستیابی به مقادیر بهینه سراسری نسبت به بقیه برتری دارد. کلیه روشها در ۴ تابع آزمایش اول به کمینههای سراسری دست یافتهاند، ولی COA با تعداد تکرار کمتر، سریعتر همگرا شده است. اما در تابع آزمایش آخری موسوم به تابع ۱۰ بعدی راستریگین، GA و PSO نتوانستهاند حتی به مقداری نزدیک به بهینههای سراسری همگرا شوند. با اینهمه COA به برآورد بسیار خوب و قابل قبولی از کمینه سراسری در ۶۶ تکرار دست پیدا کرده است. البته این نکته را نیز باید متذکر شویم که عملکرد بیشتر COA در رسیدن به نتایج بهتر برای این ۵ تابع محک و انجام یک بررسی موردی واقعی لزوماً بدین معنا نیست که COA همواره بهترین روش تکاملی است که طراحی شده است. بلکه صرفاً میتوان آنرا بومسانی موفق طبیعت تلقی کرد که برای برخی از مسائل بهینهسازی مناسب میباشد.
- بخشی از مقاله انگلیسی:
۵٫ Conclusions
In this paper, a new optimization algorithm was proposed which was inspired by lifestyle of a bird called Cuckoo. Special characteristics of cuckoos in egg laying and breeding had been the basic motivation for development of this new optimization algorithm. Each individual in the algorithm has a habitat around which she starts to lay eggs. In case the eggs survive, they grow and become mature cuckoos. Then for reproduction purposes cuckoos immigrate toward best habitat, found up to now. The diversion occurred when moving toward goal habitat makes the population search more area than the case population moves straight forward on a line. After some immigrations all cuckoo population gather the same habitat which is the area’s best position. The introduced algorithm was tested on 5 benchmark cost functions. The comparison of COA with standard versions of PSO and GA with Roulette wheel selection, uniform cross-over, showed the superiority of COA in fast convergence and global optima achievement. In the first 4 test functions all methods have found the global minima but COA has converged faster in less iterations. But in the last test function (10- dimensional Rastrigin function) GA and PSO could not converge to even a close value of global optima. But COA had found a very good and acceptable estimation of global minimum in just 66 iterations. Off course, it should be noted that the higher performance of COA in reaching better results for these 5 benchmark functions and a real case study does not necessarily mean that COA is the ever best evolutionary method developed. It just can be considered as a successful mimicking of nature; suitable for some sort of optimization problems.
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
الگوریتم بهینه سازی Cuckoo |
عنوان انگلیسی مقاله: |
Cuckoo Optimization Algorithm |
|