CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

الگوریتم گرگ خاکستری بهبودیافته

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۴۶۸ | نظرات: ۱
سال انتشار: ۱۳۹۴
کد COI مقاله: ICFUZZYS15_055
زبان مقاله: فارسی
حجم فایل: ۵۷۵.۷۹ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله الگوریتم گرگ خاکستری بهبودیافته

  احسان زارع - دانشجوی کارشناسی ارشد علوم کامپیوتر، دانشگاه سیستان و بلوچستان
  فرهاد حمیدی - عضو هیئت علمی گروه ریاضی، دانشگاه سیستان و بلوچستان،
  امین راحتی - عضو هیئت علمی گروه علوم کامپیوتر، دانشگاه سیستان و بلوچستان

چکیده مقاله:

گرگ خاکستری، یکی از الگوریتم های فرا ابتکاری جدید جهت حل مسائل بهینه سازی می باشد که با الهام گرفتن از زندگی گروهی گرگ ها و نحوه شکار آن ها در طبیعت عمل می نماید. با افزایش پیچیدگی در مسائل بهینه سازی، این الگوریتم از سرعت پایین همگرایی رنج می برد و سبب افزایش زمان محاسبات می گردد. جهت بهبود این مشکل، توسعه ای جدید از الگوریتم جستجوی گرگ خاکستری را در این مقاله پیشنهاد نموده ایم. الگوریتم پیشنهادشده، ابتدا نحوه ی حرکت گرگ ها در فضای جستجو و سپس نحوه ی ترکیب همسایگی های تصادفی را بهبود می دهد. جهت ارزیابی الگوریتم پیشنهادی، کارایی آن بر روی توابع محک شناخته شده موردبررسی قرارگرفته است. نتایج به دست آمده نشان می دهد که در مقایسه با الگوریتم گرگ خاکستری استاندارد و چندین الگوریتم فرا ابتکاری شناخته شده ی دیگر، روش پیشنهادشده از سرعت همگرایی و پایداری بیش تری برخوردار است و می تواند سبب کاهش زمان محاسبات گردد.

کلیدواژه‌ها:

الگوریتم های فرا ابتکاری، الگوریتم گرگ خاکستری، الگوریتم بهبود یافته گرگ خاکستری

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://www.civilica.com/Paper-ICFUZZYS15-ICFUZZYS15_055.html
کد COI مقاله: ICFUZZYS15_055

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:
زارع, احسان؛ فرهاد حمیدی و امین راحتی، ۱۳۹۴، الگوریتم گرگ خاکستری بهبودیافته، چهارمین کنگره مشترک سیستم های فازی و هوشمند ایران (پانزدهمین کنفرانس سیستم های فازی و سیزدهمین کنفرانس سیستم های هوشمند)، زاهدان، مرکز پژوهشهای سیستمهای فازی دانشگاه سیستان و بلوچستان، انجمنهای سیستمهای فازی و سیستم های هوشمند ایران، https://www.civilica.com/Paper-ICFUZZYS15-ICFUZZYS15_055.html

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: (زارع, احسان؛ فرهاد حمیدی و امین راحتی، ۱۳۹۴)
برای بار دوم به بعد: (زارع؛ حمیدی و راحتی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Bonabeau, E., M. Dorigo, and G. Theraulaz, Sxarm intelligence: from ...
  • Kennedy, J. and R. Eberhart, Particle Svarm Optimizatio. Neural Networks, ...
  • Dorigo, M., E. Bonabeau, and G. Theraulaz, Ant algorithms and ...
  • Rashedi, E., H. Nezamabadi -Pour, and S. Saryazdi, GSA: A ...
  • Mirjali, S., S.M. Mirjalili, and A. Lewis, Grey _ Optimizer. ...
  • Storn, R. and K. Price, _ Evolution - A Simple ...
  • Guangming, Evolutionary programming made faster. Evolutionary Computation, IEEE Transactions on, ...
  • علم سنجی و رتبه بندی مقاله

    4.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 1
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۹۱۸۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    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.