رویکردی نوین درالگوریتم های فراابتکاری الهام گرفته ازاکوسیستم طبیعی باتاکیدبربوم شناسی وشیوه رفتار

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 604

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RIEEM01_079

تاریخ نمایه سازی: 7 آبان 1393

چکیده مقاله:

طبیعت یک منبع بزرگ و عظیم الهام بخش و نمایشگاهی بسیارمتنوع پویا قوی باپدیده های پیچیده وجذاب برای حل مشکلات سخت و بسیارپیچیده درعلوممختلف محسوب میشود الگوریتم های فراابتکاری الهام گرفته ازطبیعت باتوجه به اهمیت بهینه سازی درشاخه های علوم و برازش غیرخطی مدل و منحنی تحقیق کنندگان درعملیات باید جایابی بهینه منابع درجامعه و صنعت را پیدا کنند این الگوریتم ها فناوریهای هوشمندی هستند که ازطبیعت برای حل مشکلات بهینه سازی و ایجادکردن یک روش جدید درمحاسبات رایانه ای تقلید می کنند با اینکه دردهه گذشته تلاشهای تحقیقاتی بسیارمتعددی برروی این محدوده متمرکز شده است اما این علم هنوز جوان و نتایج حاصل ازآن بسیارشگفت انگیز است و گسترش دامنه و امکان پذیری الگوریتم های الهام یافته ازطبیعت باعث افزایش کاوش درمناطق جدیدی ازکاربردها و فرصت ها درعلم کامپیوتر محاسبات و صنایع و.. شده است دراین مقاله روشی نوین برای گروه بندی الگوریتم های فراابتکاری براساس زمینه بیولوژیکی و رفتارهیا طبیعی الهام بخش و محدوده فعالیت هرالگوریتم صورت گرفته است و درنهایت به معرفی و بررسی مختصر چندالگوریتم بهینه سازی فراابتکاری بارویکرد بوم شناسی و شیوه رفتار پرداخته شده است

کلیدواژه ها:

الگوریتم های فراابتکاری ، بهینه سازی ، الگوریتم جستجوی گرانشی ، الگوریتم بهینه سایز غذایابی باکتری ، بهینه سازی مبتنی برجغرافیای زیستی

نویسندگان

مهدی صدیقی منش

دانشجوی کارشناسی ارشدمهندسی صنایع مدیریت سیستم وبهره وری دانشگاه پیام نورتهران ری

غلامرضا اسماعیلیان

استادیارگروه مهندسی صنایع دانشگاه پیام نوراصفهان

مریم حامدی

استادیارگروه مهندسی صنایع دانشگاه پیام نوراصفهان

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 :
  • Blum, C., & Roli, A. (2003). Metaheuristics in combinatorial optimization: ...
  • Borenstein, Y., & Poli, R. (2006). Structure and metaheuristic, Paper ...
  • Eberhart, R. C., & Kennedy, J. (1995). A new optimizer ...
  • Ergezer, M., Simon, D., & Du, D. (2009). Oppositional b ...
  • Poli, R. (2007). An analysis of publications on particle SWarm ...
  • Poli, R. (2008). Analysis of the publications on the applications ...
  • Rahmati, S. H. A., & Zandieh, M. (2012). A new ...
  • Rashedi, E., Nezamabad i-Pour, H., & Saryazdi, S. (2009). GSA: ...
  • Rashedi, E., Nezamabad i-Pour, H., & Saryazdi, S. (2010). BGSA: ...
  • Rashedi, E., N ezamabadi-P our, H., & Saryazdi, S. (2011). ...
  • Simon, D. (2008). B io geo graphy-based optimization. Evolutionary Computation, ...
  • Simon, D., Rarick, R., Ergezer, M., & Du, D. (2011). ...
  • Talbi, E.-G. (2009). Metaheuristic. from design to implementation (Vol. 74): ...
  • نمایش کامل مراجع