شبیه سازی کامل L-SHADE و SHADE در متلب (شبیه سازی ۲ مقاله بطور کامل)
پروژه۱۳۲۷: شبیه سازی مقاله isi در متلب + سورس کامل متلب + فیلم اجرای کد
عنوان مقاله:
Improving the Search Performance of SHADE Using
Linear Population Size Reduction
بهبود عملکرد جستجوی SHADE با استفاده از کاهش اندازه خطی جمعیت
******************
دانلود: دانلود اصل مقاله لاتین
******************
خلاصه ای از کار:
SHADE یک DE تطبیقی است که انطباق تاریخ موفقیت پارامتر و یکی از الگوریتم های موفق DE را ترکیب می کند. این مقاله L-SHADE را پیشنهاد می کند که با کاهش اندازه جمعیت خطی (LPSR) ، SHADE را بیشتر گسترش می دهد وبطور مداوم اندازه جمعیت را بر طبق یک تابع خطی کاهش می دهد. ما عملکرد L-SHADE را بر حسب معیارهای CEC2014 ارزیابی و عملکرد ان را با الگوریتم های DE می سنجیم وشروع مجدد را با متغیرهای CMA-ES مقایسه کردیم. نتایج تجربی نشان می دهند که L-SHADE با الگوریتمهای تکاملی رقابت زیادی دارد.
پروژه۱۳۲۸: شبیه سازی مقاله isi در متلب + سورس کامل متلب + فیلم اجرای کد
عنوان مقاله:
An Ensemble Sinusoidal Parameter Adaptation
incorporated with L-SHADE for Solving CEC2014
Benchmark Problems
ترکیب تطبیقی کلی پارامترسینوسی با L-SHADE برای حل مسائل معیار CEC2014
******************
دانلود: دانلود اصل مقاله لاتین
******************
خلاصه ای از کار:
با ارائه یک روش تطبیقی جایگزین موفق برای انتخاب پارامترهای کنترل، یک چهارچوب موثروکارامد خود تطبیقی به منظور بهبود عملکرد الگوریتم SHADE پیشنهاد می شود. این الگوریتم پیشنهادی بنام LSHADE-EPSin از یک روش سینوسی کلی برای انطباق خودکار ارزشهای عامل مقیاسگذاری الگوریتم تکاملی دیفرانسیل استفاده می کند. این روش کلی شامل ترکیبی از دو فرمول سینوسی می باشد که عبارتند از:۱- تنظیم سینوسی غیرانطباقی کاهش دهنده ۲-تنظیم افزایش دهنده سینوسی انطباقی مبتنی بر زمان. هدف این روش کلی سینوسی،یافتن تعادلی موثر بین استفاده از بهترین راه حلهایی که تاکنون پیدا شده و کشف مناطق مشاهده نشده است. در نسلهای بعد، از یک روش تحقیق محلی گاوسی به منظور افزایش توانایی استفاده از LSHADE-EPSin استفاده می شود. این الگوریتم پیشنهادی در مسائل IEEE CEC2014 بکاررفته در جلسه ویژه و رقابتهای مربوط به بهینه سازی هدف مجزای پارامتر واقعی IEEE CEC2014 ازمایش می شود. نتایج اماری ،کارایی وتوانمندی این روش پیشنهادی را در دستیابی به نتایجی بهتر از نتایج الگوریتم L-SHADE ودیگر الگوریتمهای وضعیت را تائید می کنند.
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.