ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Elite Opposition-based Artificial Bee Colony Algorithm for Global Optimization

سال انتشار: 1394
کد COI مقاله: JR_IJE-28-9_003
زبان مقاله: انگلیسیمشاهد این مقاله: 210
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقالهElite Opposition-based Artificial Bee Colony Algorithm for Global Optimization

z guo - School of Science, JiangXi University of Science and Technology, Ganzhou, China
s wang - School of Information Engineering, Shijiazhuang University of Economics, Shijiazhuang, China
x yue - School of Science, JiangXi University of Science and Technology, Ganzhou, China
d jiang - State Key Laboratory of Software Engineering, School of Computer, Wuhan University, Wuhan, China

چکیده مقاله:

Numerous problems in engineering and science can be transformed into optimization problems. Artificial bee colony (ABC) algorithm is a newly developed stochastic optimization algorithm and has been successfully used in many areas. However, due to the stochastic characteristics of the solution search equation, the traditional ABC algorithm often suffers from poor exploitation. Aiming at this weakness of the traditional ABC algorithm, in this paper, we propose an enhanced ABC algorithm with elite opposition-based learning strategy (EOABC). In the proposed EOABC, it executes the elite opposition-based learning strategy with a preset learning probability to enhance the exploitation capacity. In the experiments, EOABC is tested on a set of numerical benchmark test functions, and is compared with some other ABC algorithms. The comparisons indicate that EOABC can obtain competitive results on the majority of the test functions

کلیدواژه ها:

Evolutionary Algorithm , Artificial Bee Colony , Opposition-based Learning , Elite Strategy

کد مقاله/لینک ثابت به این مقاله

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/406412/

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:
guo, z و wang, s و yue, x و jiang, d,1394,Elite Opposition-based Artificial Bee Colony Algorithm for Global Optimization,,,,,https://civilica.com/doc/406412

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: (1394, guo, z؛ s wang و x yue و d jiang)
برای بار دوم به بعد: (1394, guo؛ wang و yue و jiang)
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.

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.

برخی از سازمانهای عضو
سازمان انرژی اتمی ایران
سازمان ملی استاندارد
سازمان مدیریت صنعتی
اداره کل نظارت فنی و مهندسی قوه قضاییه
سازمان پژوهشهای علمی و صنعتی ایران
وزارت نیرو
مرکز تحقیقات راه، مسکن و شهرسازی
لیست همه مراکز عضو

دفتر مرکزی انتشارات بوم سازه (سیویلیکا): تهران، بزرگراه جلال آل احمد، بین خیابان کارگر و بزرگراه چمران، کوچه پروانه، پلاک ۴، ساختمان چمران، طبقه ۴، واحد ۳۱

تلفن: ۸۸۰۰۸۰۴۴ ، ۸۸۳۳۵۴۵۰ ، ۸۸۳۳۵۴۵۱ ، ۸۸۳۳۵۴۵۲ - کد پستی: ۱۴۳۹۹۱۴۱۵۳

تمامی خدمات پایگاه سیویلیکا ، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می باشند و فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است

پشتیبانی