الگوریتم کپک مخاطی یکی از جدیدترین الگوریتم های تکاملی مبتنی بر طبیعت است که در سال 2020 ارائه شد ، ما در متلب مارکت ترجمه مقاله الگوریتم کپک مخاطی را برای علاقه مندان به این الگوریتم آماده کرده ایم.
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 کپک مخاطی : یک روش جدید برای بهینه سازی تصادفی
الگوریتم SMA پیشنهادی دارای چندین ویژگی جدید با یک مدل ریاضی منحصر به فرد است که از وزنهای تطبیقی برای شبیه سازی فرایند تولید بازخورد مثبت و منفی موج انتشار کپک مخاطی مبتنی بر موج بیولوژیکی استفاده می کند تا مسیر بهینه برای اتصال مواد غذایی با توانایی اکتشاف و بهره برداری بالا را فراهم کند.
الگوریتم SMA پیشنهادی با چندین بهینه ساز به روز ، در مجموعه گسترده ای از توابع تست برای بررسی اثربخشی مقایسه شده است.
علاوه بر این ، از چهار مسئله ساختارمهندسی کلاسیک برای برآورد اثربخشی الگوریتم در بهینه سازی مسائل مهندسی استفاده شده است.
نتایج نشان می دهد که الگوریتم کپک مخاطی عملکردی رقابتی و اغلب برتر در مقایسه با الگوریتم های مختلف را ارائه می دهد.
کلمات کلیدی :
الگوریتم کپک مخاطی ، وزن تطبیقی ، مسائل طراحی در مهندسی ، بهینه سازی با محدودیت.
متن لاتین چکیده در بالا ترجمه آن را مشاهده کردید در زیر آورده شده است تا بتوانید کیفیت ترجمه را بسنجید.
Abstract
In this paper, a new stochastic optimizer, which is called slime mould algorithm (SMA), is proposed based on the oscillation mode of slime mould in nature. The proposed SMA has several new features with a unique mathematical model that uses adaptive weights to simulate the process of producing positive and negative feedback of the propagation wave of slime mould based on bio-oscillator to form the optimal path for connecting food with excellent exploratory ability and exploitation propensity. The proposed SMA is compared with up-to-date metaheuristics using an extensive set of benchmarks to verify its efficiency. Moreover, four classical engineering problems are utilized to estimate the efficacy of the algorithm in optimizing constrained problems. The results demonstrate that the proposed SMA benefits from competitive, often outstanding performance on different search
landscapes.
Keywords:
Slime mould algorithm, Adaptive weight , Engineering design problems , Constrained optimization
نقد و بررسیها
هنوز بررسیای ثبت نشده است.