ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Superior-Teaching-Learning Based Optimization Algorithm for Solving Unconstrained Optimization Problems

سال انتشار: 1398
کد COI مقاله: IIEC16_320
زبان مقاله: انگلیسیمشاهده این مقاله: 140
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 17 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Superior-Teaching-Learning Based Optimization Algorithm for Solving Unconstrained Optimization Problems

Ayush Singh - VGSOM, Indian Institute of Technology Kharagpur, kharagpur-۷۲۱۳۰۲, India Department of Mechanical Engineering, Indian Institute of Technology (BHU) Varanasi-۲۲۱۰۰۵, India
S. K. Sharma, - VGSOM, Indian Institute of Technology Kharagpur, kharagpur-۷۲۱۳۰۲, India Department of Mechanical Engineering, Indian Institute of Technology (BHU) Varanasi-۲۲۱۰۰۵, India
Tarunima Mishra - VGSOM, Indian Institute of Technology Kharagpur, kharagpur-۷۲۱۳۰۲, India Department of Mechanical Engineering, Indian Institute of Technology (BHU) Varanasi-۲۲۱۰۰۵, India

چکیده مقاله:

Teaching-Learning-Based Optimization (TLBO) is recently being used as a reliable, accurate and robust optimization technique for global optimization over continuous spaces. Few variants of TLBO have been proposed by researchers to improve the performance of the original TLBO algorithm. In this paper, an attempt is made to eliminate the mean from the original TLBO algorithm. The purposed algorithm is called Superior-Teaching-Learning-Based Optimization (S-TLBO), the teacher is directly interacting with each student to increase the quality of students. By inclusion of this step, the teacher directly interacts with each student, it is found that improves the convergence speed of original TLBO and also gives the better result for most of the problems with less number of iterations. The performance of proposed S-TLBO after solving numerical problems is compared with original TLBO and other evolutionary techniques. By using standard unconstrained benchmark functions, it can be revealed from the results, that the proposed approach provides superior solutions when compared with original TLBO and other evolutionary approaches, like Particle Swarm Optimization and Differential Evolution.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IIEC16_320 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1035006/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Singh, Ayush and Sharma,, S. K. and Mishra, Tarunima,1398,Superior-Teaching-Learning Based Optimization Algorithm for Solving Unconstrained Optimization Problems,16th Iran International Industrial Engineering Conference,Tehran,https://civilica.com/doc/1035006

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Singh, Ayush؛ S. K. Sharma, and Tarunima Mishra)
برای بار دوم به بعد: (1398, Singh؛ Sharma, and Mishra)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی