دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقاله ISI الگوریتم و محاسبات به زبان انگلیسیدانلود رایگان مقاله ISI مهندسی کامپیوتر به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI هوش مصنوعی به زبان انگلیسی

مقاله انگلیسی رایگان در مورد الگوریتم تکاملی تقلیدی کاربرد در بهینه سازی مصرف سوخت خودرو ( الزویر )

 

مشخصات مقاله
عنوان مقاله  Monkey King Evolution: A new memetic evolutionary algorithm and its application in vehicle fuel consumption optimization
ترجمه عنوان مقاله  الگوریتم تکامل مانکی کینگ: الگوریتم تکاملی جدید تقلیدی و کاربرد آن در بهینه سازی مصرف سوخت خودرو
فرمت مقاله  PDF
نوع مقاله  ISI
سال انتشار

مقاله سال ۲۰۱۶

تعداد صفحات مقاله  ۱۴ صفحه
رشته های مرتبط  مهندسی کامپیوتر
گرایش های مرتبط  مهندسی الگوریتم ها و محاسبات و هوش مصنوعی
مجله  سیستم های مبتنی بر دانش – Knowledge-Based Systems
دانشگاه  دانشکده کامپیوتر، مؤسسه فناوری هاربین، دانشکده تحصیلات تکمیلی، چین
کلمات کلیدی  تابع معیار، مصرف سوخت، الگوریتم تکاملی مانکی کینگ، تعداد ارزیابی تابع، متغییرات دسته ذرات، تردد خودرو
کد محصول  ۷۴۱۹
نشریه  نشریه الزویر
لینک مقاله در سایت مرجع  لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
خرید ترجمه این مقاله خرید ترجمه این مقاله

 

بخشی از متن مقاله:
نمونه متن ترجمه

۶- نتیجه گیری

در این مقاله الگوریتم تکاملی مانکی کینگ را مطرح کردیم و به تحلیل سه طرح به روز رسانی پرداختیم و آنگاه از توابع معیار برای تایید الگوریتم پیشنهادی استفاده کردیم. مقایسه های بین الگوریتم خود و مدل های بهینه سازی دسته ذرات پیشرفته، انجام شد و نتایج آزمایشات نشان داد که الگوریتم ما سرعت و دقت همگرایی بهتری دارد. مدل های بهینه سازی دسته ذرات دارای نقطه ضعف عمده اند و اینکه اندازه جمعیت بزرگ به طور عمده نتایج بهینه سازی را بهبود نمی بخشد و لذا این ضعف در بهینه سازی مسائل ابعد بالا وجود دارد. الگوریتم ما استفاده بهتری از هماهنگی ذرات داشته و این مسئله به طور کامل در بهینه سازی مقیاس بزرگ نشان داده می شود. به کارگیری تردد خودروهای نواحی شهری در چارچوب مصرف حداقل سوخت بحث می شود و الگوریتم ما تردد با مصرف سوخت حداقل مطرح می کند و بهتر از الگوریتم A*و دیکسترا عمل می کند. الگوریتم ما همچنین می تواند به شکل بهینه سازی دسته ذرات و شکل تکامل دیفرانسیلی تجزیه شود. همچنین می توانیم از تکرارها/تولد های تکامل ذره با افزایش اندازه جمعیت ذره استفاده کنیم تا به تعداد برابر ارزیابی های توابع برسیم که عملکرد بهتری از خود نشان داده و این تحلیل در مقاله بعدی بحث خواهد شد.

نوشته های مشابه

دیدگاهتان را بنویسید

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

دکمه بازگشت به بالا