ترجمه فارسی مقاله الگوریتم خفاش آشفته (Chaotic bat algorithm )

Abstract
Bat algorithm (BA) is a recent metaheuristic optimization algorithm proposed by Yang. In the present study, we have introduced chaos into BA so as to increase its global search mobility for robust global optimization. Detailed studies have been carried out on benchmark problems with different chaotic maps. Here, four different variants of chaotic BA are introduced and thirteen different chaotic maps are utilized for validating each of these four variants. The results show that some variants of chaotic BAs can clearly outperform the standard BA for these benchmarks.

 

چکیده: الگوریتم فرا ابتکاری خفاش یا Bat algorithm توسط یانگ معرفی گردید (توضیحات: این الگوریتم بر اساس اصول زندگی خفاش ها طراحی شده است. این الگوریتم بهینه سازی  با استفاده از اصل انعکاس صدای خفاش و دریافت صدا می باشد).

در مطالعه حاضر ما آشوب در BA را معرفی می کنیم تا با تحرک جست و جوی سراسری، بهینه سراسری را افزایش دهیم. مطالعات جزئی تری بر روی مشکلاتی با معیار نقشه های آشوب مختلف ارائه شده اند. در اینجا چهار نوع مختلف BA پر از آشوب و سیزده نقشه مختلف آشوب برای تایید هر یک از این چهار نوع معرفی می شوند. نتایج نشان می دهد که برخی از انواع BA پر آشوب بهتر از BA استاندارد عمل می کنند.

کلمات کلیدی: الگوریتم خفاش، آشوب، بهینه سازی سراسری، فرا ابتکاری

 

فایل ترجمه شده با عنوان “Chaotic bat algorithm ” را می توانید از لینک زیر دانلود کنید.

 

مشخصات فایل انگلیسی:

فرمت:pdf

تعداد صفحات: ۱۲

تعداد کلمات (بدون در نظر گرفتن جداول، تصاویر، مراجع و…): ۳۲۷۶ لغت

مشخصات فایل ترجمه شده:

فرمت:pdf و doc

تعداد صفحات: ۱۹

تعداد کلمات (بدون در نظر گرفتن جداول، تصاویر، مراجع و…): ۳۵۶۴لغت

به همراه فایل پیوست شامل توضیحات اضافی در مورد اصطلاحات و موارد مهم مقاله.

 

مقدمه:

بسیاری از مشکلات بهینه سازی مربوط به بهینه سازی غیر خطی است که می تواند مدل چندگانه بهینه سازی داشته باشد، در نتیجه چالش های  زیادی برای حل مشکلات چندگانه وجود دارد.

برای حل این مسئله الگوریتم های بهینه سازی سراسری به طور گسترده تلاش هایی را انجام داده اند، در حالی که الگوریتم های سنتی ممکن است نتایج خوبی را بدست نیاورند [۱]. الگوریتم های متا هیوریستیکی روش های شناخته شده بهینه سازی سراسری هستند که بر روی بسیاری از مسائل دنیای واقعی و بهینه سازی با موفقیت اعمال شده اند [۲,۳] (توضیحات: الگوریتم های متا هیوریستیکی مانند PSO(بهینه سازی ذرات گروه) و الگوریتم کرم های شب تاب و جستجوی هارمونی (توازن و هماهنگی ) اکنون روش های قدرتمندی برای حل بسیاری از مشکلات بهینه سازی شده اند ). همچنین این تکنیک ها تلاش برای تقلید پدیده های طبیعی و با رفتار اجتماعی دارند تا بتوانند برای حل مشکلات بهینه سازی راه حل های بهتر با استفاده از تصادف و تکرار ارائه دهند. [۴]. همچنین آن ها سعی کردند…

 

پاسخ دهید