الگوریتم بهینه سازی ملخ که در سال 2017 ارائه شده است، به خوبی مورد استقبال دانشجویان و محقیق قرار گرفته است از این رو ترجمه مقاله الگوریتم فراابتکاری ملخ را برای شما عزیزان آماده کرده ایم.
اگر شما به دنبال یک الگوریتم بهینه سازی جدید هستید و میخواهید در کار تحقیقاتی خود از جدیدترین الگوریتم های فراابتکاری استفاده کنید ، الگوریتم ملخ گزینه مناسبی است ، زیرا الگوریتم GOA در سال 2017 ارائه شده است و توانسته است کارایی و قدرت خود در حل مسائل مختلف را اثبات کند.
الگوریتم بهینه سازی ملخ یکی از قدرتمند ترین الگوریتم های بهینه سازی است که به خوبی تعادل بین اکتشاف و بهره برداری را ایجاد میکند و میتواند یک تقریب بهینه و خوب از بهینه سراسری را به ما بدهد.
الگوریتم ملخ در یک مقاله با عنوان Grasshopper Optimisation Algorithm: Theory and application در سال 2017 برای اولین بار معرفی شد.
ترجمه مقاله الگوریتم بهینه سازی ملخ
برای شروع به کار با الگوریتم ملخ ، توصیه میکنم که به منبع اصلی آن یعنی مقاله الگوریتم ملخ مراجعه کنید که به خوبی مبانی و تئوری های الگوریتم ملخ را تشریح میکند.
برای دانلود مقاله الگوریتم ملخ اینجا را کلیک کنید
چنانچه با دانلود مقاله از سایت های مرجع مشکل دارید میتوانید به “دانلود مقاله اصلی الگوریتم ملخ” در متلب مارکت مراجعه کنید.
ترجمه مقاله الگوریتم ملخ که توسط متلب24 آماده شده است یک ترجمه روان و تخصصی می باشد که توسط مترجمین متخصص ما که دارای حداقل مدرک کارشناسی ارشد کامپیوتر می باشند انجام گرفته است.
در ادامه بخشی از این ترجمه را برای شما قرار داده ایم تا با مطالعه آن به کیفیت ترجمه پی ببرید.
دانلود ترجمه فارسی مقاله Slime Mould Algorithm : شما به راحتی با پرداخت هزینه ای کم (به نسبت هزینه ترجمه ) میتوانید فایل ترجمه را در اختیار داشته باشید.
در زیر میتوانید ترجمه بخش چکیده مقاله را برای بررسی کیفیت ترجمه مشاهده کنید.
ترجمه چکیده مقاله GOA : الگوریتم بهینه سازی ملخ : تئوری و کاربردها
در این مقاله یک الگوریتم بهینه سازی جدید بنام الگوریتم بهینه سازی ملخ (GOA) معرفی شده است و بر روی مسائل چالش برانگیر در حوزه بهینه سازی ساختار اعمال شده است.
مدل ریاضی الگوریتم پیشنهادی تقلیدی از رفتار دسته ملخ ها در طبیعت برای حل مسئله بهینه سازی می باشد.
الگوریتم GOA ابتدا بر روی مسائل تستی شامل مسائل CEC2005 اعمال شد تا عملکردن آن از نظر کیفی و کمی بررسی شود. سپس برای پیدا کردن شکل بهینه مسئله خرپای 52 میله ای و 3 میله ای و طراحی پرتوی کانتیلور به منظور سنجش کاربردی بودن آن بکار برده شد.
نتایج شبیه سازی ها نشان می دهد که الگوریتم پیشنهادی قادر به ارائه نتایج برتر در مقایسه با الگوریتم های شناخته شده و اخیر در ادبیات است. نتایج شبیه سازی بر روی مسائل واقعی نیز ثابت کرد که الگوریتم ملخ قادر به حل مسائل واقعی با فضای ناشناخته می باشد.
کلمات کلیدی :
بهینه سازی ، تکنیک های بهینه سازی ، الگوریتم اکتشافی ، فرااکتشافی .
متن لاتین چکیده در بالا ترجمه آن را مشاهده کردید در زیر آورده شده است تا بتوانید کیفیت ترجمه را بسنجید.
Abstract
This paper proposes an optimisation algorithm called Grasshopper Optimisation Algorithm (GOA) and ap- plies it to challenging problems in structural optimisation. The proposed algorithm mathematically mod- els and mimics the behaviour of grasshopper swarms in nature for solving optimisation problems. The GOA algorithm is first benchmarked on a set of test problems including CEC2005 to test and verify its performance qualitatively and quantitatively. It is then employed to find the optimal shape for a 52-bar truss, 3-bar truss, and cantilever beam to demonstrate its applicability. The results show that the pro- posed algorithm is able to provide superior results compared to well-known and recent algorithms in the literature. The results of the real applications also prove the merits of GOA in solving real problems with unknown search spaces..
Keywords:
Optimization, Optimization techniques, Heuristic algorithm, Metaheuristics Constrained optimization
دانلود ترجمه مقاله الگوریتم GOA
در بالا، بخش چکیده الگوریتم ملخ و ترجمه آن را قرار داده بودیم تا کیفیت ترجمه را ملاحظه کنید. اگر تمایل به داشتن فایل ترجمه کامل الگوریتم ملخ را دارید کافی است با کلیک بر روی دکمه افزودن به سبد خرید ، اقدام به خرید این ترجمه با کیفیت بفرمایید.
چنانچه نیاز به مشاوره یا آموزش خصوصی الگوریتم ملخ را دارید میتوانید با متلب24 تماس بگیرید ، شماره ما : 09120563264
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.