توضیحات کامل :

ترجمه مقاله الگوریتم بهینه سازی شیر (LOA)، یک الگوریتم فرا ابتکاری الهام گرفته از طبیعت در 19 صفحه فارسی ورد قابل ویرایش را فرمت doc به همراه اصل مقاله انگلیسی



عنوان فارسی :

الگوریتم بهینه سازی شیر (LOA): یک الگوریتم فرا ابتکاری الهام گرفته از طبیعت

عنوان انگلیسی :

Lion Optimization Algorithm (LOA): A nature-inspired metaheuristic algorithm

تعداد صفحات فارسی : 19 صفحه ورد قابل ویرایش

سطح ترجمه : متوسط

شناسه کالا : y2133

دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2133.pdf

دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 24 هزار تومان قادر به دانلود خواهید بود .


بخشی از ترجمه :


چکیده در طول دهه ی گذشته، حل مسائل بهینه سازی پیچیده با الگوریتم های فرا ابتکاری، توجه زیادی را بین کارورزان و محققان به خود جلب کرده است. از اینرو، الگوریتمهای فرا ابتکاری زیادی در طول سالهای گذشته توسعه یافته اند. بسیاری از این الگوریتمها از پدیده های مختلف طبیعت الهام میگیرند. در این مقاله، یک الگوریتم مبتنی بر جمعیت جدید، الگوریتم  بهینه سازی شیر (LOA)، معرفی میشود. سبک زندگی ویژه ی شیرها و مشخصات همکاری آنها، انگیزه ی اصلی ایجاد این الگوریتم  بهینه سازی بوده است. برخی مسائل معیار از آثار انتخاب شده اند و راه حل الگوریتم  ارائه شده با راه حلهای برخی از فرا ابتکارات معروف و از همه جدیدتر برای این مسائل مقایسه شده اند. نتایج بدست آمده، عملکرد بالای الگوریتم  ارائه شده را در مقایسه با سایر الگوریتمهای بکار رفته در این مقاله، تایید میکند.





Abstract

During the past decade, solving complex optimization problems with metaheuristic algorithms has received considerable attention among practitioners and researchers. Hence, many metaheuristic algorithms have been developed over the last years. Many of these algorithms are inspired by various phenomena of nature. In this paper, a new population based algorithm, the Lion Optimization Algorithm (LOA), is introduced. Special lifestyle of lions and their cooperation characteristics has been the basic motivation for development of this optimization algorithm. Some benchmark problems are selected from the literature, and the solution of the proposed algorithm has been compared with those of some well-known and newest meta-heuristics for these problems. The obtained results confirm the high performance of the proposed algorithm in comparison to the other algorithms used in this paper.