شبیه سازی مقاله: بهینه سازی مبتنی بر جغرافیای زیستی در محیط های نویزی

پروژه ۱۲۴: شبیه سازی مقاله در متلب + سورس کامل متلب + ترجمه کامل مقاله + فیلم اجرای کد

عنوان مقاله:

Biogeography-based optimization in
noisy environments

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

دانلود: دانلود اصل مقاله لاتین

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

چکیده:

بهینه سازی مبتنی برجغرافیای زیستی (BBO) ،یک الگوریتم جدید از بهینه سازی تکاملی درزمینه علم جغرافیایی زیستی است. در این مقاله از BBO در بهینه سازی مسائلی استفاده می شود که در ان تابع هدف با نویز تصادفی معیوب می شود. نویز با میزان انتقال BBO و میزان انتقال به خارج تداخل پیدا می کند وبر عملکرد بهینه سازی تاثیر معکوس دارد. ما با استفاده از الگوی مارکوف تاثیر نویز بر BBO را تجزیه وتحلیل می کنیم. ما همچنین نمونه گیری مجدد در BBO را هماهنگ می کنیم که تناسب هر راه حل منتخب را چندین بار نمونه گیری می کند ومیانگین کاهش تاثیرات نویز را محاسبه می کند. عملکرد BBO درمورد توابع معیار Benchmark نویز با بهینه سازی ازدحام ذرات (PSO) ،تکامل تفاضلی (DE)، DE خود تطبیقی (SaDE) ، و PSO  دارای محدودیت (CPSO) مقایسه می شود. نتایج نشان می دهند که SaDE بهترین عملکرد را دارد و BBO از لحاظ عملکرد در مرتبه دوم قرار دارد. بعلاوه BBO دارای نمونه گیری مجدد ، با BBO فیلتری کالمن(KBBO) مقایسه می شود. نتایج نشان می دهند که BBO دارای نمونه گیری مجدد تقریبا عملکردی مشابه KBBO دارد اما زمان کمتری مصرف می کند. 

کلمات کلیدی: بهینه سازی مبتنی بر جغرافیای زیستی، الگوریتم تکاملی،فیلتر کالمن، بهینه سازی نویز،نمونه گیری مجدد.

اهداف:

هدف اصلی این مقاله مطالعه عملکرد BBO در بهینه سازی مسائل نویزی ومطالعه تاثیر نویز برمیزان مهاجرت به داخل و خارج درBBO است. ما به منظور تجزیه وتحلیل تاثیر نویز بر BBO از الگوی مارکوف استفاده می کنیم وسپس نمونه گیری مجدد در BBO را ترکیب می کنیم تا تاثیرات نویز را کاهش دهیم. روشهای موجود در این مقاله را می توان در اینده به الگوریتمهای تکاملی گسترش داد. ۲۵ تابع هدف در این تحقیق مورد ارزیابی قرار داده شده است. 

سایر بحش ها که بطور کامل مورد تشریح قرار گرفته عبارتند از : 

مقدمه

بهینه سازی جغرافیای زیستی و جغرافیای زیستی طبیعی

جغرافیای زیستی طبیعی

بهینه سازی برمبنای جغرافیای زیستی

یک الگوی مارکوف از BBO

تاثیر نویز برBBO

نتایج شبیه سازی

  BBO با نمونه گیری مجدد

تنظیم ازمایش

مقایسه با دیگر الگوریتمهای تکاملی

مقایسه هایی با BBO مبتنی بر فیلتر کالمن (KBBO)

نتیجه گیری

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:

 

 

دیگر پروژه های مرتبط: 

سورس مقاله: تجزیه وتحلیل احتمالی یک الگوریتم بهینه سازی جغرافیای زیستی

مدل مارکوف برای بهینه سازی سیستمهای پیچیده بر مبنای جغرافیای زیستی

کنترل ربات و مدل سازی مارکوف با بهینه سازی مبتنی بر جغرافیای زیستی (BBO)

 

 


مجموعه: الکترونیک, الگوریتم های فراابتکاری و هوشمند, کنترل, مهندسی کامپیوتر, یادگیری ماشینبرچسب ها , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دیدگاهتان را بنویسید

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