Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
968,000

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " FAFSA: الگوریتم سریع دسته ماهی های مصنوعی " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
FAFSA: الگوریتم سریع دسته ماهی های مصنوعی
نویسنده/ناشر/نام مجله :
International Journal of Information Science and Intelligent System
سال انتشار
2013
کد محصول
1011920
تعداد صفحات انگليسی
12
تعداد صفحات فارسی
13
قیمت بر حسب ریال
968,000
نوع فایل های ضمیمه
pdf+word
حجم فایل
1 مگا بایت
تصویر پیش فرض



 چکیده

معمولاً اکثر مسائل بهینه سازی واقعی بسیار غیرخطی هستند. در این مسائل برای یافتن راه ­حل­های بهینه فقط باید از الگوریتم­ های بهینه سازی عمومی استفاده کنیم. در این مقاله یک الگوریتم بهینه سازی فرا-اکتشافی به نام الگوریتم سریع دسته ماهی­ های مصنوعی (FAFSA) برای بهینه سازی و زمان بندی کار ارائه می ­شود که الهام گرفته شده از طبیعت است. ایده اصلی AFSA پیروی از رفتارهای ماهی مانند شکار و ازدحام و دنبال کردن مکان بهینه محلی و رسیدن به بهینه عمومی است. 

1-مقدمه

معمولاً اکثر مسائل بهینه سازی واقعی بسیار غیرخطی هستند. الگوریتم­ های بهینه سازی محلی در این مسائل کارایی مطلوب را ندارند. به همین دلیل برای رسیدن به راه­ حل­های بهینه فقط باید از الگوریتم ­های بهینه سازی عمومی استفاده کنیم ([1][2]).

برای اولین بار Glover در زمان ارائه جستجوی tabu از عبارت فرا-اکتشافی استفاده کرد [3]. روش­های فرا-اکتشافی یک دسته از بهینه­سازهای اکتشافی عمومی هستند. تاکنون تعداد زیادی الگوریتم بهینه­سازی فرا-اکتشافی با الهام از طبیعت برای تقلید از بهترین رفتارهای طبیعی ارائه شده است. فارمر و همکارانش سیستم ایمنی مصنوعی (AIS) را ارائه کردند [4]. گلدبرگ الگوریتم ژنتیک را معرفی کرد [5]. دوریگو بهینه سازی کلونی مورچه (ACO) را در پایان نامه دکترای خود پیشنهاد داد [25]. کندی و ابرهرت بهینه سازی گروه ذرات (PSO) را ارائه دادند [26]. کارابوگا الگوریتم کلونی زنبور مصنوعی (ABC) را پیشنهاد داد. یانگ و دِب جستجوی فاخته را ارائه کردند...

 Abstract

Most optimization problems in real life applications are often highly nonlinear. Only global optimization algorithms should be used to obtain optimal solutions. This paper introduces a new nature-inspired metaheuristic optimization algorithm, called Fast Artificial Fish Swarm Algorithm (FAFSA) for optimization and job scheduling. The basic idea of AFSA is to tradition of the behaviors of fish such as preying, swarming, and following with local fish of individual optimization of global reach



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:



AFSA
Levy
Fast artificial fish swarm algorithm

ثبت سفارش جدید