مقاله انگلیسی رایگان در مورد فریم ورک جاوا برای الگوریتم های کلونی مورچگان – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله Isula: فریم ورک جاوا برای الگوریتم های کلونی مورچگان
عنوان انگلیسی مقاله Isula: A java framework for ant colony algorithms
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۸ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
Original software publication
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۲٫۱۴۳ در سال ۲۰۱۹
شاخص H_index ۱۰ در سال ۲۰۲۰
شاخص SJR ۴٫۵۳۹ در سال ۲۰۱۹
شناسه ISSN ۲۳۵۲-۷۱۱۰
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط کامپیوتر
گرایش های مرتبط مهندسی الگوریتم ها و محاسبات، مهندسی نرم افزار، طراحی و تولید نرم افزار
نوع ارائه مقاله
ژورنال
مجله  Xنرم افزار – Softwarex
دانشگاه University College London, Department of Computer Science, Gower Street, London, UK
کلمات کلیدی بهینه سازی کلونی مورچه ها، جاوا، مسئله فروشنده دوره گرد، تقسیم بندی تصویر
کلمات کلیدی انگلیسی Ant colony optimisation، Java، Travelling salesman problem، Image segmentation
شناسه دیجیتال – doi
https://doi.org/10.1016/j.softx.2020.100400
کد محصول E14416
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Motivation and significance

۲- Software description

۳- Illustrative example

۴- Impact

۵- Conclusion

References

بخشی از متن مقاله:

Abstract

Ant Colony Optimisation (ACO) algorithms emulate the foraging behaviour of ants to solve optimisation problems. They have proven effective in both academic and industrial settings. ACO algorithms share many features among them. Isula encapsulates these commonalities and exposes them for reuse in the form of a Java library. In this paper, we use the travelling salesman problem and image segmentation to showcase the framework capabilities using three top-performing ACO algorithms implemented in Isula. This framework is an open-source project available at GitHub, where is currently the most popular ACO java repository.

Motivation and significance

Ant Colony Optimisation (ACO) algorithms, proposed by Dorigo et al. [1], solve optimisation problems by emulating the behaviour of ants in nature. When ants traverse a territory searching for food, they mark their path with pheromone. After they have located food, they make several trips from the food source to the nest, increasing the intensity of their path’s pheromone trail. In case several ants have located the same food source and are also transporting food to the nest, the pheromone trail of the ant with the shortest path is more intense. The shortest path, in the same amount of time, has more two-way trips than longer paths that require more time for their traversal. Fellow ants are sensitive to pheromone and tend to select the path with the most intense pheromone trail. This behaviour also increases the pheromone intensity of the shortest path. Over time, the whole colony converges towards the optimal solution.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *