تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله بهینه ساز گرگ خاکستری – نشریه الزویر

عنوان فارسی: بهینه ساز گرگ خاکستری
عنوان انگلیسی: Grey Wolf Optimizer
تعداد صفحات مقاله انگلیسی : 24 تعداد صفحات ترجمه فارسی : 35
سال انتشار : 2014 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : F547 رفرنس : دارد ✓
محتوای فایل : zip حجم فایل : 5.30Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: مهندسی نرم افزار، مهندسی الگوریتم ها و محاسبات
مجله: پیشرفت در نرم افزار مهندسی - Advances in Engineering Software
دانشگاه: دانشکده فناوری اطلاعات و ارتباطات، دانشگاه گریفیت، استرالیا
کلمات کلیدی: بهینه سازی، تکنیک های بهینه سازی، الگوریتم اکتشافی، متهوریستی، بهینه سازی محدود، GWO
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
کیفیت ترجمه این مقاله در سطح متوسط می باشد.
فهرست مطالب

چکیده

1. مقدمه

2- مرور منابع

3- بهینه ساز گرگ خاکستری(GWO)

3-1 الهام

3-2-1 سلسله مراتب اجتماعی

3-2-2 محاصره شکار

3-2-3 شکار

3-2-4 حمله به شکار( بهره برداری)

3-2-5 جست وجوی شکار(اکتشاف)

4- نتایج و بحث

4-1 تحلیل بهره برداری

4-2 تحلیل اکتشاف

4-3 اجتناب از حداقل محلی

4-4 تحلیل رفتار همگرایی(نزدیک شدن)

5-GWO برای مسائل مهندسی کلاسیک

5-1 طراحی فنر کشش/ فشار

5-2 طراحی تیر جوش یافته

5-3 طرح محفظه تحت فشار

6- کاربرد واقعی GWO در مهندسی اپتیک و لیزر( طراحی بافر اپتیکی)

7- نتیجه گیری

نمونه متن انگلیسی

Abstract

This work proposes a new meta-heuristic called Grey Wolf Optimizer (GWO) inspired by grey wolves (Canis lupus). The GWO algorithm mimics the leadership hierarchy and hunting mechanism of grey wolves in nature. Four types of grey wolves such as alpha, beta, delta, and omega are employed for simulating the leadership hierarchy. In addition, the three main steps of hunting, searching for prey, encircling prey, and attacking prey, are implemented. The algorithm is then benchmarked on 29 well-known test functions, and the results are verified by a comparative study with Particle Swarm Optimization (PSO), Gravitational Search Algorithm (GSA), Differential Evolution (DE), Evolutionary Programming (EP), and Evolution Strategy (ES). The results show that the GWO algorithm is able to provide very competitive results compared to these wellknown meta-heuristics. The paper also considers solving three classical engineering design problems (tension/compression spring, welded beam, and pressure vessel designs) and presents a real application of the proposed method in the field of optical engineering. The results of the classical engineering design problems and real application prove that the proposed algorithm is applicable to challenging problems with unknown search spaces.

نمونه متن ترجمه

چکیده

کار حاضر یک الگوریتم جدید موسوم به بهینه ساز گرگ خاکستری(GWO) با الهام گیری از گرگ های خاکستری(Canis lupus) پیشنهاد می کند. الگوریتم GWO از سلسله مراتب رهبری و مکانیسم شکار گرگ های خاکستری در طبیعیت پیروی می کند. چهار نوع گرگ خاکستری نظیر آلفا، بتا، دلتا و امگا برای شبیه سازی سلسله مراتب رهبری به کار گرفته می شوند. به علاوه، سه مرحله اصلی شکار کردن یعنی جست و جوی شکار، محاصره شکار و حمله به شکار پیاده سازی می شوند. سپس این الگوریتم بر روی 29 تابع آزمون شناخته شده الگوبرداری می گردد و نتایج توسط یک مطالعه تفضیلی با بهینه ذرات ازدحام ذرات(PSO)، الگوریتم جست و جوی گرانشی(GSA)، تکامل تفاضلی(DE)، برنامه نویسی تکاملی(EP) و راهبرد تکامل(ES) صحت سنجی می شود. نتایج نشان می دهد که الگوریتم GWO قادر به ارایه نتایج فوق العاده رقابتی در مقایسه با این الگوریتم های فرا ابتکاری شناخته شده می باشد. در عین حال، این مقاله حل سه مسئله طراحی مهندسی کلاسیک( فنر تنش/فشار، اتصال جوشی تیر و طرح های محفظه تحت فشار) را در نظر گرفته و کاربرد واقعی روش پیشنهادی را در زمینه مهندسی اپتیک و لیزر بررسی می کند. نتایج مسائل طراحی مهندسی کلاسیک و کاربرد واقعی اثبات کننده این موضوع هستند که الگوریتم پیشنهادی قابل کاربرد برای حل مسائل چالش بر انگیز با فضا های جست و جوی ناشناخته است.