بهینه سازی بدون قید پارامتر ها بر مبنای الگوریتم تکاملی تفاضلی تطبیقی

پروژه۱۱۹: شبیه سازی مقاله isi  ۲۰۱۷ در متلب  + سورس کامل متلب + فیلم اجرای کد

عنوان مقاله: 

Real-parameter unconstrained optimization based on enhanced
fitness-adaptive differential evolution algorithm with novel
mutation

بهینه سازی بدون قید پارامتر واقعی برمبنای الگوریتم تکامل تفاضلی تطبیقی با جهش جدید

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

دانلود: دانلود اصل مقاله لاتین

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

خلاصه ای از کار:

     ااین مقاله الگوریتم تکاملی تفاضلی تقویت شده تطبیقی را با تغییر جدید(EFADE) برای حل مسائل بهینه سازی عددی جهانی درفضای پیوسته ارائه می کند.  یک عملگر جهش جدید مثلثی معرفی می شود. این سه تایی براساس بردارترکیب محدب وتوسط سه بردار انتخابی تصادفی وتفاوت بین بهتر ،بهترین وبدترین بردارهای انتخابی تصادفی تعریف می شود. عملگرجهش مثلثی به جستجوی تعادل بهتر میان توانایی اکتشاف جهانی وتمایل کشف محلی وافزایش میزان همگرائی الگوریتم از طریق بهینه سازی کمک می کند. بعلاوه از دو طرح تطبیقی موثر و جدید برای به روز کردن پارامترهای کنترل به ارزشهای جدید بدون پارامترها یا دانش قبلی اضافه درمورد ویژگیهای مساله بهینه سازی ،استفاده می شود. ازمایشهای عددی در مجموعه ای از ۲۸ مساله ازمون درمورد معیارCEC2013 برای ابعاد ۱۰ ،۳۰ و۵۰ بعد شامل مقایسه ای بین ۱۲الگوریتم جدید DE و شش الگوریتم جدید تکامل به منظور تائید وتحلیل عملکرد EFADE اجرا می شوند. نتایج تجربی نشان می دهند که EFADE برحسب نیرومندی،پایداری وکیفیت راه حل بدست امده درمقایسه با روشهای وضعیت هنر با عملکرد برجسته،بسیار بهتر یا حداقل قابل مقایسه با انها است.

در صورت سوال در مورد محصول و یا در صورت اشکال در اجرای شبیه سازی می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.

پس از پرداخت آنلاین، فایل بلافاصله قابل دانلود می باشد

خرید آنلاین

برخی نتایج:

 

 


مجموعه: الگوریتم های فراابتکاری و هوشمند, یادگیری ماشینبرچسب ها , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دیدگاهتان را بنویسید

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