تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله تحلیل الگوریتم بهینه سازی ازدحام ذرات

عنوان فارسی: تحلیل الگوریتم بهینه سازی ازدحام ذرات
عنوان انگلیسی: Analysis of Particle Swarm Optimization Algorithm
تعداد صفحات مقاله انگلیسی : 5 تعداد صفحات ترجمه فارسی : 8
سال انتشار : 2010 نشریه : Ccsenet
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 5556 رفرنس : دارد
محتوای فایل : zip حجم فایل : 435.27Kb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: مهندسی الگوریتم ها و محاسبات، هوش مصنوعی و مهندسی نرم افزار
مجله: علوم اطلاعات و کامپیوتر - Computer and Information Science
دانشگاه: دانشکده علوم و تکنولوژی کامپیوتر، دانشگاه مغولستان Inner Mongolia، چین
کلمات کلیدی: الگوریتم بهینه سازی ازدحام ذرات، هوش ازدحامی، هیورستیک
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1 . مقدمه

2. پایه الگوریتم بهینه سازی ذرات

3. فواید و مضرات پایه در تحلیل الگوریتم بهینه سازی ازدحام ذرات

4. وضعیت تحقیق حاضر در الگوریتم بهینه سازی ازدحام ذرات

5. بهبود الگوریتم بهینه سازی ازدحام ذرات

5.1 وزن اینرسی

5.2 افزایش ضریب همگرایی

5.3 انتخاب

5.4 ترکیب الگوریتم PSO و بقیه الگوریتم های هوشمند

6. محاسبه و تحقیق روی آینده PSO

نمونه متن انگلیسی

1. Introduction

Particle swarm optimization is a heuristic global optimization method put forward originally by Doctor Kennedy and E berhart in 1995(Kennedy J,Eberhart R,1995;Eberhart R,Kennedy J,1995) It is developed from swarm intelligence and is based on the research of bird and fish flock movement behavior. While searching for food, the birds are either scattered or go together before they locate the place where they can find the food. While the birds are searching for food from one place to another, there is always a bird that can smell the food very well, that is, the bird is perceptible of the place where the food can be found, having the better food resource information. Because they are transmitting the information, especially the good information at any time while searching the food from one place to another, conduced by the good information, the birds will eventually flock to the place where food can be found. As far as particle swam optimization algorithm is concerned, solution swam is compared to the bird swarm, the birds’ moving from one place to another is equal to the development of the solution swarm, good information is equal to the most optimist solution, and the food resource is equal to the most optimist solution during the whole course. The most optimist solution can be worked out in particle swarm optimization algorithm by the cooperation of each individual. The particle without quality and volume serves as each individual, and the simple behavioral pattern is regulated for each particle to show the complexity of the whole particle swarm. This algorithm can be used to work out the complex optimist problems. Due to its many advantages including its simplicity and easy implementation, the algorithm can be used widely in the fields such as function optimization, the model classification, machine study, neutral network training, the signal procession, vague system control, automatic adaptation control and etc(Zheng Jianchao,Jie Jing,Cui Zhihua,2004,(In Chinese)).

نمونه متن ترجمه

1 . مقدمه

بهینه سازی ازدحام ذرات یک روش بهینه سازی کلی است که درسال 1995توسط جیمزکندی وراسل ابر هارت ابداع شده است . هوش ازدحامی که توسعه یافته و مبتنی بر تحقیق روی حرکت و رفتار گروهی پرندگان و ماهی ها است . زمانی که پرندگان در جستجوی غذا و جا باهم هستند ، همیشه پرنده ای وجود داردکه بتواندبابو کردند خیلی خوب غذا را پیداکند،که پرندگان جایی محسوس برای پیدا کردن غذای خوددارند،که دارای اطلاعات غذای خوب هستند . زیرا آنهااطلاعاتی راانتقال می دهند،مخصوصااطلاعات غذاهایی رامی دهندکه هرزمان در جستجوی غذا در یک مکان هستند ، پرندگان در نهایت گروهی از غذاها را می توانندپیداکنند.تاآنجایی که به الگوریتم بهینه سازی ذرات مربوط می شود ، مقایسه گروهی از پرندگان که در حال حرکت ازیک مکان به مکان دیگرهستند. راه حل توسعه ازدحام ، اطلاعات خوبی است که مساوی با راه حل های بهینه است ،ومنبع غذامساوی بابیشترراه حل های بهینه طول کل دوره است . بیشتر راه حل های بهینه که می تواننددربیرون الگوریتم بهینه سازی ذرات کار کنند توسط هر شخص دیگری می توانند همکاری کنند . ذرات بدون کیفیت و حجم هر فرد ،الگوی رفتاری ساده ای است که هرذره برای نشان دادن پیچیدگی ازدحام کل ذرات تنظیم میشود.این الگوریتم می تواندمورد استفاده قرار گیرد که کار با مسئله های بهینه سازی بسیار پیچیده است .

بسیاری از فوایدها که شامل اجرای ساده و آسان است ، این الگوریتم بیشتردرزمینه هایی مثل توابع بهینه سازی، تقسیم بندی مدل ها ، مطالعه ماشین آلات ، آموزش شبکه عصبی ، پردازش سیگنال ها ، کنترل سیستم مبهم ، کنترل تطابق خودکارسازی و غیره استفاده می شود .