![](https://matlabtools.com/wp-content/uploads/2017/11/124_bbo_markov_code_matlab2.jpg)
شبیه سازی مقاله: بهینه سازی مبتنی بر جغرافیای زیستی در محیط های نویزی
مجموعه: الکترونیک, الگوریتم های فراابتکاری و هوشمند, کنترل, مهندسی کامپیوتر, یادگیری ماشین
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.
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 . الگوریتمهای تکاملی( EAs،گروه چن, BBO با نمونه گیری مجدد, BBO دارای نمونه گیری مجدد ، با BBO فیلتری کالمن(KBBO), BBO دارای نمونه گیری مجدد تقریبا عملکردی مشابه KBBO, BBO مانند الگوریتمهای تکاملی دیگر(چفول،۱۹۹۳), CPSO به پارامترهای PSO, PSO دارای محدودیت (CPSO), از الگوی مارکوف برای تحلیل نویز بر BBO, ازPSO، DE یا هر الگوریتم تکاملی دیگر به جای BBO, ازمایشهای ویلکوکسون بین BBO همراه با نمونه گیری مجدد و KBBO, الگوریتمهای هیبریدی BBO, الگوی مارکوف تاثیر نویز بر BBO, اندازه گیری تابع هدف نویز در الگوریتم جغرافیایی, برطبق نظر سیمون (۲۰۰۸) در متلب, برطبق نظر سیمون (۲۰۰۸)،, بهبود عملکرد BBO در محیطهای نویزی, بهینگی در جغرافیای زیستی شامل تنوع زیستی وجوامع پیچیده ای, بهینه سازی جغرافیای زیستی (BBO –سیمون ۲۰۰۸) در متلب, بهینه سازی جغرافیای زیستی و جغرافیای زیستی طبیعی در متلب, بهینه سازی مبتنی بر جغرافیای زیستی در محیطهای نویزی, پارامترهای دیگر CPSO به پارامترهای, پروژ های متلب مقاله از BBO در بهینه سازی, پیاده سازی مقاله فیتزپاتریک وگریفنستت, تابع ترکیب هیبریدی چرخشی با یک حوزه محدود برای حد بهینه جهانی, تابع ترکیب هیبریدی چرخشی بدون حدود, تابع ترکیب هیبریدی چرخشی ناپیوسته, تابع ترکیب هیبریدی وچرخشی دارای نویز در تناسب, تابع ششم گسترده ،چرخشی وتغییریافته شیفر, تابع گسترده ومبسوط گری وانک و تابع روزنبرگ(F8F2), تاثیر نویز برBBO در متلب, تاثیرات عملی و نظری بر الکوریتمهای تکاملی نویز, تاثیرنویز برعملکرد BBO, تکامل تفاضلی (DE)، DE خود تطبیقی (SaDE), تکامل تفاضلی خودتطبیقی (SaDE) ،BBOو بهینه سازی ازدحام ذرات با فشار (CPSO)،, جغرافیای زیستی (BBO) ،یک الگوریتم جدید از بهینه سازی تکاملی, جغرافیای زیستی طبیعی در متلب, جغرافیای زیستی یک پدیده بازخورد مثبت, حل کامل تاثیر نویز برBBO, خرید کد متلب مقایسه هایی با BBO مبتنی بر فیلتر کالمن (KBBO), خرید کد مقاله بهینه سازی مبتنی بر جغرافیای زیستی در محیطهای نویزی, خرید و سفارش کد متلب یک الگوی مارکوف از BBO, دانلود پایان نامه بهینه سازی جغرافیای زیستی و جغرافیای زیستی طبیعی, دانلود کد بهینه سازی جغرافیای زیستی (BBO –سیمون ۲۰۰۸), دانلود مقاله بهینه سازی مبتنی بر جغرافیای زیستی در محیطهای نویزی, در الگوریتم SaDE با متلب, روشهای میانگین گیری ضمنی اندازه جمعیت, روشهای میانگین گیری واضح و روشهای ضمنی میانگین گیری, روشهایی که به افزایش هزینه محاسباتی نیاز دارند, ساده ترین ومتداولترین نوع نویز را که افزایشی و گاوسی, سفارش پروژه بهینه سازی مبتنی بر جغرافیای زیستی در محیطهای نویزی, سفارش کد متلب مقایسه هایی با BBO مبتنی بر فیلتر کالمن (KBBO), سمینار بهینه سازی جغرافیای زیستی و جغرافیای زیستی طبیعی, سورس کد متلب بهینه سازی جغرافیای زیستی و جغرافیای زیستی طبیعی, شبیه سازی بهینه سازی جغرافیای زیستی (BBO –سیمون ۲۰۰۸) با مقاله, شبیه سازی کدهای اماده متلب بهینه سازی جغرافیای زیستی (BBO –سیمون ۲۰۰۸), شده توسط انووبالو و بابو(۲۰۰۴)،پرایس و استورن (۱۹۹۷)،و استرون (۱۹۹۹), عملکرد BBO درمورد توابع معیار نویز با بهینه سازی ازدحام ذرات (PSO), عملکرد بین BBO،PSO،DE،CPSO و SaDE را بر توابع معیار نویز در متلب, فیتزپاتریک وگریفنستت, فیتزپاتریک وگریفنستت در متلب, فیلتر کالمن شامل محاسبه عدم اطمینان, کاربرد BBO در مسائل پر نویز با فیلتر کالمن, کاربرد اولیه BBO تاکنون برای مسائل بهینه سازی, کدهای الگوریتم جدید نمونه گیری مجدد در BBO, کدهای اماده متلب نتایج ازمایش ویکوکسون, کدهای متلب با مقاله جغرافیای زیستی طبیعی, کدهای متلب تاثیر نویز برBBO, کدهای متلب دانلود مقاله یلترکالمن (KBBO), کدهای متلب نویز کاچی, ما با استفاده از الگوی مارکوف تاثیر نویز تابع تناسب برعملکرد BBO, متغیرهای نمونه گیری مجدد شامل نمونه گیری پویا, مقاله از BBO در بهینه سازی با کد متلب, مقاله وجود نویز کاچی, مقاله یا کد متلب بهبود عملکرد BBO در محیطهای نویزی, مقایسه ازمایش ویلکوکسن بین BBO و هر یک از چهار الگوریتم تکاملی, مقایسه هایی با BBO مبتنی بر فیلتر کالمن (KBBO), مقایسه هایی با BBO مبتنی بر فیلتر کالمن (KBBO) در متلب, مهاجرت گونه هایی به کراکاتوا(یک جزیره اتشفشانی در اقیانوس هند که در سال ۱۸۸۳فوران کرد), میانگین کاهش تاثیرات نویز در الگوریم ها, نتایج ازمایش ویکوکسون در متلب, نتایج ازمایش ویلکوکسون درمورد بهینه سازی جغرافیای زیستی (BBO) با نمونه گیری مجدد و BBO با استفاده ازفیلتر کالمن (KBBO)., نمونه گیری پویای خطای استاندارد, نمونه گیری سطح m, نمونه گیری مجدد در BBO در متلب, نویز با میزان انتقال BBO و میزان انتقال به خارج, نویز دو تاثیرنامطلوب بر الگوریتمهای بهینه سازی, نویز کاچی, نویز کاچی در متلب, نویز مکانسیم مهاجرت BBO را دچاراسیب, ویتاکر و بوش ،۱۹۹۳)،جنگل بارانی امازون, ویژگیهای مشخص BBO, یک الگوریتم بهینه سازی تکاملی بود (سیمون،۲۰۰۸), یک الگوی مارکوف از BBO در متلب, یلترکالمن (KBBO), یلترکالمن (KBBO) در متلب