معرفی و دسته بندی الگوریتم های فراابتکاری الهام گرفته از طبیعت با رویکرد نوین

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,876

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NIESC02_135

تاریخ نمایه سازی: 27 اردیبهشت 1393

چکیده مقاله:

طبیعت ، یک منبع بزرگ و عظیم الهام بخش و نمایشگاهی بسیار متنوع، پویا، قوی با پدیده های پیچیده وجذاب برای حل مشکلات سخت وبسیار پیچیده در علوم مختلف محسوب می شود.الگوریتم های فراابتکاری الهام گرفته از طبیعت، با توجه به اهمیت بهینه سازی در شاخه هایعلوم و برازش غیرخطی مدل ومنحنی تحقیق کنندگان در عملیات ، باید جایابی بهینه منابع در جامعه و صنعت را پیدا کنند.این الگوریتم ها فنآوری های هوشمندی هستندکه از طبیعت، برای حل مشکلات بهینه سازی وایجاد کردن یک روش جدید در محاسبات رایانه ای، تقلید می کنند . با اینکه در دهه گذشته ، تلاش های تحقیقاتی بسیار متعددی بر روی این محدوده متمرکز شده است ، اما این علم هنوز جوان و نتایج حاصل از آن بسیار شگفت انگیز است و گسترش دامنه و امکانپذیری الگوریتمهای الهام یافته از طبیعت ، باعث افزایش کاوش در مناطق جدیدی از کاربردها وفرصت ها در علم کامپیوتر ، محاسبات ، صنایع و ....شده است . در این مقاله ، گروه بندی الگوریتمهای فراابتکاری بر اساس زمینه بیولوژیکی و رفتارهای طبیعی الهام بخش و محدوده فعالیت هر الگوریتم صورت گرفته است و پس از آن معرفی و بررسی مختصر کاربرد چند الگوریتم بهینه سازی فراابتکاری الهام گرفته از طبیعت در مباحث مربوط به مهندسی صنایع انجام شده است .

کلیدواژه ها:

الگوریتم های فرا ابتکاری الهام گرفته از طبیعت ، بهینه سازی ، الگوریتم کلونی زنبور عسل مصنوعی ، الگوریتم بهینه سازی غذایابی باکتری ، بهینه سازی مبتنی بر جغرافیای زیستی

نویسندگان

مهدی صدیقی منش

دانشجوی کارشناسی ارشد مهندسی صنایع مدیریت سیستم و بهره وری , دانشگاه پیام نورتهران _ ری

غلامرضا اسماعیلیان

استادیارگروه مهندسی صنایع , دانشگاه پیام نور اصفهان

مریم حامدی

استادیار گروه مهندسی صنایع , دانشگاه پیام نور اصفهان

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 :
  • B Basturk, D. K. (2006). An artificial bee colony (ABC) ...
  • Blum, _ & roli, a (2003). metaheuristics in combinatorial optimization ...
  • Borenstein, y., & poli, r. (2006). steracture an metaheuristic, gecco, ...
  • D Karaboga, _ A. (2009). A comparative study of artificial ...
  • D Karaboga, B. B. (2007). A powerful and efficient algorithm ...
  • D Karaboga, B. B. (2007). Artificial bee colony (ABC) optimization ...
  • DH Kim, A. A, JH Cho (2007). A hybrid genetic ...
  • G Zhu, S. K. (2010). Gbest-guided artificial bee colony algorithm ...
  • H Chen, Y. Z., K Hu (2009). Cooperative bacterial foraging ...
  • H Kaur, G. K. (2013). A Survey on Comparison between ...
  • Karaboga, D. (2005). An idea based on honey bee SWarm ...
  • L Wang , Y. X. (2011). An effective hybrid b ...
  • Mishra, S. (2005). A hybrid least square-fuzzy bacterial foraging strategy ...
  • MR Lohokare, S. P., S Devi (2009). Intelligent b io ...
  • P Chutima, K. J. (2013). Adaptive b i _ ge ...
  • PK Roy, S. G. S. T. (2009). B i _ ...
  • QK Pan, M. F. T. P. S. (2011). A discrete ...
  • SHA Rahmati, M. Z. (2012). A new b i _ ...
  • Simon, D. (2008). B io ge ography-based optimization Evolutionary Computation, ...
  • Talbi, E. (2009). Metaheuristic, from design to imp lementationb John ...
  • U Jansaem, P. C. (2013). Multi-objective balancing On mixed-model two-sided ...
  • Y Atasagun, Y. K. (2011). Assembly line balancing using bacterial ...
  • Y Song, M. L., Z Wang (2010). B io geo ...
  • نمایش کامل مراجع