بهینه سازی سیستمهای پیچیده با استفاده از بهینه سازی مبتنی برجغرافیایی زیستی

پروژه ۱۲۲: شبیه سازی مقاله در متلب + سورس کامل متلب + ترجمه کامل مقاله

عنوان مقاله: 

Complex System Optimization Using
Biogeography-Based Optimization

بهینه سازی سیستمهای پیچیده با استفاده از بهینه سازی مبتنی برجغرافیایی زیستی

********************************

دانلود: دانلود اصل مقاله لاتین

********************************

خلاصه ای از مقاله: 

   در صنعت نوین ، سیستمهای پیچیده بطور مکرر یافت می شوند.اما با وجود چندین زیر سیستم،چندین هدف و چندین محدودیت،بهینه سازی این سیستم ها بسیار دشوار می باشد.در این مقاله یک الگوریتم جدید برای بهینه سازی سیستمهای پیچیده معرفی می شود که از بهینه سازی جغرافیای زیستی (BBO) اقتباس می شود.  سیستم BBO-پیچده ،ترکیبی از بهینه سازی جغرافیای زیستی با یک سیستم رتبه بندی چند منظوره ،یک روش مهاجرت ابداعی وکنترل موثر تنوع می باشد. ترکیب BBO-پیچیده بر اساس مقایسه سه الگوریتم بهینه سازی سیستمهای پیچیده (چند رشته امکان پذیر(MDF) ، تک رشته ای امکان پذیر(IDF)، و بهینه سازی گروهی (CO) ) درمورد مسائل معیار دنیای واقعی،عملکرد رقابتی را نشان می دهد.ترکیب BBO-پیچیده بهترین عملکرد را در سه مساله معیار وبهترین عملکرد درجه دوم را در مساله چهارم میسر می کند.

مقدمه 

   با پیشرفتهای اخیرفن اوری در زمینه صنعت، بسیاری از سیستمها درمقایسه با سیستمهای گذشته اجزاء و بخشهای بیشتری دارند.این سیستمها نسبت به سیستمهای قبل پیچیده تر هستند.تحت این شرایط ،بهینه سازی طراحی این سیستمها دشوارتر می شود.یک مثال اشنا ،طراحی هواپیمای جدید است که در ان باید هزاران بخش طراحی و میلیونها بخش باید برای نصب انتخاب شوند.با توجه به تعداد زیاد متغیرها یافتن یک روش موثر بهینه سازی بسیار دشوار می باشد. (…) 

بخش سوم: 

    COیک الگوریتم معمولی بهینه سازی دیگر است که یک ساختار دو سطحی دارد و در تصویر ۲ نشان داده می شود.سطح اول ،بهینه ساز سیستم است که بازدهی بهینه سازهای زیرسیستم را بهینه می سازد.سطح دوم ،ترکیبی از بهینه سازهای زیرسیستم است که هر زیرسیستم را بهینه می سازد.بهینه سازیهای این زیر سیستم برخلاف MDF ، در CO از یکدیگر مستقل هستند یعنی CO به بهینه سازی زیرسیستم توجه زیادی می کند که برای سیستمهایی سودمند است که دارای زیرسیستمهای بسیار پیچیده ای هستند که رابطه ضعیفی دارند.(…)

بخش الگوریتم:

   روش اصلی الگوریتم BBO به ترتیب زیر است[۱۱].

(۱)-احتمال جهش وپارامتر نخبه گرایی را تعریف کنید.جهش ونخبه گرایی در الگوریتمهای ژنتیکی وبسیاری از الگوریتمهای تکاملی دیگر مشابه هستند[۱۲].

(۲)-به جمعیت یک ارزش اولیه دهید.این کار بار دیگر در همه الگوریتمهای تکاملی دیگر نیز انجام می گیرد [۱۲].

(۳)-میزان مهاجرت وکهاجرت به خارج برای هر جزیره را محاسبه کنید.را ه حلهای خوب دارای میزان بالای مهاجرت به خارج ومیزان پایین مهاجرت می باشند. درراه حلهای بد میزان مهاجرت به خارج ،پایین و میزان مهاجرت بالا می باشد.

  (۴)-بطور احتمالی جزایر مهاجرت کننده را بر مبنای میزان مهاجرت انتخاب کنید.برای انتخاب جزایر مهاجرت کننده به خارج،از انتخاب چرخش رولت برمبنای میزان مهاجرت استفاده کنید.

(۵)-متغیرهای شاخص مناسب که بطور تصادفی انتخاب شده اند (مثلا متغیرهای مستقل راه حل) را بر مبنای جزایر انتخابی در مرحله قبل مهاجرت دهید.

(۶)-جهش هر جزیره را بطور احتمالی انجام دهید.

(۷)-بدترین جزایر این جمعیت را با جزایربرگزیده نسل قبل جایگزین کنید.

(۸)-اگربا معیار پایان دهی برخورد کردید،کاررا خاتمه دهید در غیر اینصورت به مرحله سوم بروید.

در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.

پس از پرداخت آنلاین، فایل قابل دانلود است.  
خرید آنلاین

برخی نتایج:

 


مجموعه: الگوریتم های فراابتکاری و هوشمند, مهندسی شیمی و مواد, مهندسی کامپیوتربرچسب ها , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *