الگوریتم علفهای هرز + توضیحات کلی و بررسی چند مقاله
الگوریتم علف های هرز یا Invasive Weed Optimization یا IWO یکی از الگوریتم های برجسته در حل مسائل بهینه سازی می باشد. این الگوریتم را می توان با استفاده از تمهیدات خاص در شرایط گسسته ، پیوسته و باینری بکار برد و نتایج بسیار عالی از آن بدست آورد. الگوریتم علف های هرز در روش بهینه سازی از عملکرد رشد علف های هرز در طبیعت الهام گرفته است. این الگوریتم در سال۲۰۰۶ توسط محرابیان و لوکاس ارایه گردید. در طبیعت علف های هرز رشدی شدید دارند و این رشد شدید تهدیدی جدیدی برای گیاهان مفید می باشد. یکی از ویژگی های مهم علف های هرز پایداری و تطابق پذیری بسیار بالای آن ها در طبیعت می باشد که این ویژگی مبنای بهینه سازی در الگوریتم IWO قرار گرفته است.
الگوریتم فراابتکاری علفهای هرز یکی از الگوریتم‌های بهینه‌سازی جدید و توانمند است که بر اساس تقلید از قابلیت تطابق‌پذیری و تصادفی بودن کولونی علفهای هرز، بهینه عمومی یک تابع ریاضی را پیدا می‌کند. تاکنون بررسی مدونی در خصوص تاثیر پارامترهای این الگوریتم بر عملکرد آن (کیفیت جواب و زمان محاسباتی) انجام نشده است.
برررسی چند مقاله و پایان نامه فارسی:
حل مسئله تخصیص نمایی با استفاده از الگوریتم بهینه سازی علف های هرز:
در این مقاله یک الگوریتم جدید قدرتمند با الهام از تکثیر و رشد علف های هرز جهت حل مسئله معروف تخصیص نمایی که از کاربرد بسیار زیادی در حوزه های مختلف نظیر چیدمان کارخانه، چیدمان ماشین آلات و … برخوردار است، به کار گرفته شده است. مجموعه ای از مسائل عددی مرجع از منبع مربوط به این مسئله مشهور انتخاب و کارایی الگوریتم از طریق آن در مقایسه با الگوریتم های قبلی مشابه مورد ارزیابی قرار گرفته است. نتایج نشان دهنده اینست که این الگوریتم نتایج بهتری را در مقایسه الگوریتم های قبلی خصوصا با افزایش ابعاد مسئله ارائه می دهد
بهبود عملکرد الگوریتم علفهای هرز (Invasive Weed Optimization) در حل مسائل بهینه‌سازی تولید با بکارگیری روش طراحی آزمایشات
الگوریتم فراابتکاری علف های هرز یکی از الگوریتم‌های بهینه سازی جدید و توانمند است که بر اساس تقلید از قابلیت تطابق پذیری و تصادفی بودن کولونی علف های هرز، بهینه عمومی یک تابع ریاضی را پیدا می کند. تاکنون بررسی مدونی در خصوص تاثیر پارامترهای این الگوریتم بر عملکرد آن (کیفیت جواب و زمان محاسباتی) انجام نشده است. بعلاوه عملکرد الگوریتم علف های هرز در حل مسائل برنامه ریزی تولید تا به حال بررسی نگردیده است. هدف اصلی این تحقیق تعیین سطوح بهینه پارامترهای تنظیمی الگوریتم IWO در حل …
ارائه الگوریتم بهینه سازی علفهای هرز جهت حل مساله انتخاب سبد سرمایه گذاری
نحوه تخصیص سرمایه دردارایی های مختلف از جمله مسائل تصمیم گیری مهم پیشروی سرمایه گذاران می باشد نخستین مساله انتخاب سبد سرمایه پرتفوی توسط مارکویتز دردهه پنجاه ارایه گردید که به مدل میانگین واراینس معروف بوده که با درنظرگرفتن تنها دو محدودیت بازده و بودجه به دنبال مینیمم سازی واریانس پرتفوی می باشد حل مدل کوادراتیک مارکویتز مرکز کارای سرمایه گذاری را به عنوان مجموعه جواب برای سرمایه گذاران به دنبال دارد درسالهای اخیر معرفی سایر محدودیت های کاربردی منجر به توسعه مدل اولیه مارکویتز گردیده اند درتحقیق پیشرو مدلی نوین جهت بهینه سازی پرتفوی ارایه گردیده است که علاوه برمجاز شمردن فروش استقراضی برخی محدودیت های کاربردی بازار سرمایه نیز به مدل تحمیل گردیده است با توجه به پیچیدگی محاسباتی مدل پیشنهادی دراندازه های نسبتا بزرگ الگوریتم فراابتکاری بهینه سازی علفهای هرز به عنوان روش حل انتخاب گردیده است
ترکیب جدیدی از سیستم استنتاج فازی و الگوریتم علفهای هرز به منظور بازآرایی همزمان با جایابی و تعیین ظرفیت بهینه تولیدات پراکنده در شبکه‌های توزیع
در این مقاله یک روش بهینه‌سازی ترکیبی به منظور بازآرایی و تخصیص مناسب تولیدات پراکنده در فیدرهای شبکه توزیع برق ارائه شده است. اهداف این بهینه سازی، کاهش تلفات، بهبود پروفیل ولتاژ و افزایش تعادل بار در شبکه توزیع می‌باشند. از الگوریتم علفهای هرز جهت تعیین آرایش بهینه شبکه توزیع همراه با تعیین مکان و ظرفیت مناسب برای واحدهای تولید پراکنده استفاده شده است. به منظور بهبود توانایی این الگوریتم از تئوری فازی بهره گرفته شده تا مسئله بهینه‌سازی چند منظوره به مسئله بهینه‌سازی تک هدفه تبدیل شود. شبکه توزیع ۳۳ باسه جهت ارزیابی روش پیشنهادی در هر سه بار نامی، سبک و سنگین مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان می‌دهد که روش پیشنهادی، در بهبود هر سه شاخص مورد آزمایش، عملکرد قابل قبولی داشته و نیز در مقایسه با الگوریتم‌های دیگر مانند الگوریتم بهینه‌سازی غذایابی و الگوریتم ژنتیک موفق‌تر عمل نموده است.
پیش‌بینی قیمت سهام در بورس اوراق بهادار تهران با استفاده از الگوریتم بهینه‌سازی علفهای هرز
بورس اوراق بهادار یکی از اجزای مهم بازارهای مالی می‌باشد. اولین و مهم ترین عاملی که در اتخاذ تصمیمات سرمایه گذاری در بورس اوراق بهادار فراروی سرمایه گذار قرار دارد، عامل قیمت سهام است لذا هدف از این تحقیق پیش بینی قیمت سهام در بورس اوراق بهادار تهران با استفاده از الگوریتم‌های بهینه سازی علف های هرز و ازدحام ذرات می‌باشد. الگوریتم‌های فوق برای یافتن وزن‌های بهینه در مدل اتورگرسیو به‌کار برده شد. به منظور تعیین جامعه آماری از داده های شرکت پتروشیمی آبادان از تاریخ ۱۳۹۱/۱۱/۱۴ الی۱۳۹۲/۱۲/۲۸ استفاده گردید. همچنین جهت آموزش مدل، از ۸۰ درصد داده‌ها استفاده شد و پس از طراحی مدل در محیط نرم‌افزار اکسل ، ۲۰ درصد داده‌ها توسط مدل پیش‌بینی شد. نتایج حاصل این تحقیق نشان داد که میانگین قدرمطلق درصد خطا، میانگین قدر مطلق خطاو میانگین مجذور خطا در الگوریتم‌های علفهای هرز به ترتیب معادل ۰/۰۱۵۸ ، ۲۰۷/۱۷۹و ۱۰۰۹۷۲/۴۷۹و در الگوریتم ازدحام ذرات به ترتیب معادل ۰/۰۴۲۹، ۵۰۹/۴۶۱ و ۱۲۵۸۶۴/۱می‌باشد. با توجه به نتایج فوق الگوریتم علفهای هرز پیش بینی دقیق‌تری را نسبت به الگوریتم ازدحام ذرات ارائه کرد.
کنترل سرعت موتور القایی جهت بکارگیری در سیستم تست HIL واحد کنترل سوخت موتور جت با استفاده از کنترل‌کننده‌ی ANFIS و الگوریتم علفهای هرز مهاجم
واحد کنترل سوخت موتور جت (FCU) در طی چند سال گذشته در آزمایشگاه شبیه‌سازی و کنترل سیستم‌های دانشگاه علم و صنعت ایران، طراحی و ساخته شده‌است و در حال حاضر در مرحله‌ی تست سخت‌افزار در حلقه قرار گرفته‌است. با توجه به اینکه در دستگاه تست FCU، موتور جت به صورت واقعی وجود ندارد لذا از یک موتور القایی به‌عنوان عملگر واسطه استفاده‌شده‌است تا از طریق آن بتوان میزان دور بدست‌آمده از نتایج شبیه‌سازی موتور جت را به پمپ دنده‌ای FCU منتقل کرد. در این مقاله، کنترل سرعت این موتور القایی مطابق با شرایط دستگاه تست ارائه شده‌است. بدین منظور از روش شناسایی سیستم برای مدل‌سازی اجزای بکار رفته در سیستم کنترل سرعت موتور القایی استفاده گردیده و مدل ارائه شده با استفاده از نتایج بدست‌آمده از تست عملی مورد ارزیابی قرار گرفت. این مدل جهت طراحی کنترلر فازی- عصبی- تطبیقی (ANFIS) استفاده شده‌است و با بکارگیری الگوریتم علفهای هرز مهاجم (IWO) به‌عنوان یک ابزار قدرتمند کاوش در فضاهای جستجوی وسیع و نامنظم به تنظیم پارامترهای این کنترلر پرداخته شده‌است. کنترلر طراحی شده بر روی سیستم واقعی پیاده‌سازی گردید. نتایج بدست‌آمده از شبیه‌سازی و پیاده‌سازی کنترلر طراحی‌شده نشان‌دهنده عملکرد مناسب کنترلر ANFIS طراحی‌شده با الگوریتم IWO می‌باشد.
Automatic Liver CT Image Clustering based on Invasive Weed Optimization Algorithm
خوشه بندی اتوماتیک تصاویر CT کبد براساس الگوریتم بهینه سازی علف هرز مهاجم
در این مقاله، یک روش خوشه بندی اتوماتیک تصاویر CT کبد براساس یک الگوریتم فرا ابتکاری تکاملی که الگوریتم بهینه سازی علف هرز مهاجم نام دارد؛ ارائه می شود؛ بدون اینکه از قبل در خصوص گروه هایی که به صورت طبیعی در تصویر ایجاد می شوند؛ اطلاعاتی در دسترس باشد. تابع برازش (شایستگی) مورد استفاده در الگوریتم ژنتیک، تابع هدف k-means می باشد که برای جستجوی خوشه فشرده و هموار سازی شده مورد استفاده می باشد. با توجه به نتایج تجربی، انتظار می رود الگوریتم بهینه سازی علف هرز مهاجم، بتواند به عنوان یک روش فرا ابتکاری موثر و کارآمد برای حل مسائل بهینه سازی چند منظوره در کاربردهای تشخیص بیماری به کمک کامپیوتر، مطرح می شود.
برای عضویت روی عکس زیر کلیک کنید : (آخرین اخبار مرتبط با مهندسی و سایر تکنولوژی ها)
یا آدرس لینک زیر را در تلگرام خود جستجو نمایید:
m_b_coll@
مجموعه: اخبار