الگوریتم فراابتکاری نفرون-۲ (NOA-۲)، جهت حل مسائل بهینه سازی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 197

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SCJKA-11-2_005

تاریخ نمایه سازی: 29 آبان 1403

چکیده مقاله:

امروزه الگوریتم های بهینه سازی فراابتکاری در حل مساله های بهینه سازی محبوبیت فراوانی پیدا کرده اند. با استفاده از این دسته الگوریتم های می توان به راحتی و به دور از پیچیدگی بسیاری از مساله های حوزه مهندسی را حل نمود. الگوریتم بهینه سازی نفرون-۲ (NOA-۲) نیز از این دسته الگوریتم ها است که توسعه اولین نسخه الگوریتم نفرون است. این الگوریتم الهامی از عملکرد نفرون در کلیه انسان است. ساختار الگوریتم NOA-۲ که در این مقاله پیشنهاد شده، طبق رفتار نفرون مشتمل بر ۴ بخش: جداسازی، جذب، تراوش و دفع است. برای ارزیابی عملکرد، به بررسی نتیجه اجرای الگوریتم NOA-۲ و پنج الگوریتم بهینه سازی معروف دیگر بر روی هفت مساله بهینه سازی پرداخته شده است. در این ارزیابی، دو معیار کیفیت جواب (تابع هدف) و زمان حل محاسباتی برای ارزیابی و مقایسه در نظر گرفته شده اند. نتایج نشان می دهد که الگوریتم NOA-۲ نسبت به سایر الگوریتم ها بهترین تابع هدف را در زمان معینی یافته و همچنین در زمان کمتری نسبت به سایر الگوریتم ها جواب بهینه هفت مساله مورد مطالعه را به دست آورده است.

نویسندگان

رضا بهمنش

گروه مهندسی صنایع، موسسه آموزش عالی نقش جهان، اصفهان، ایران

نگار مجمع

گروه مهندسی کامپیوتر، موسسه آموزش عالی نقش جهان، اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • L. Bianchi, M. Dorigo, L.M. Gambardella, and W.J. Gutjahr, “A ...
  • M.G.H. Omran, S. Al-Sharhan, and M. Clerc, “A modified Intellects-Masses ...
  • M. Lindahl, M. Sorensen, and T.R. Stidsen, “A fix-and-optimize matheuristic ...
  • C.-C. Wu, J.-Y. Chen, W.-C. Lin, K. Lai, S.-C. Liu, ...
  • R. Capua, Y. Frota, L.S. Ochi, and T. Vidal, “A ...
  • R. Behmanesh, “Nephron Algorithm Optimization: Inspired of the Biologic Nephron ...
  • A. Maton, J. Hopkins, C.W., McLaughlin, S. Johnson, M.Q. Warner, ...
  • H. Darcy, Les fontaines publiques de la ville de Dijon: ...
  • A. Bejan, Convection heat transfer, John Wiley & Sons, Inc., ...
  • D.E. Goldberg, Genetic Algorithms in Search Optimization and Machine Learning, ...
  • E. Atashpaz-Gargari and C. Lucas, “Imperialist competitive algorithm: An algorithm ...
  • D. Simon, “Biogeography-Based Optimization,” IEEE Trans. Evol. Comput., vol. ۱۲, ...
  • D. Karaboga and B. Basturk, “A powerful and efficient algorithm ...
  • J. Salimisartaghti and S. Goli-Bidgoli, “A Hybrid Algorithm using Firefly, ...
  • M. Mohammadpour, B. Minaei, and H. Parvin, “Introducing a new ...
  • M.P. Akbarpour, K. Khamforoosh, and V. Maihami, “An approach to ...
  • S. Surjanovic and D. Bingham, D., (August ۲۰۱۷), Optimization Test ...
  • نمایش کامل مراجع