مقایسه عملکرد الگوریتم های بهینه سازی جدید | شبیه سازی در متلب

عنوان مقاله : مقايسه عملكرد چهار الگوريتم فراابتكاري نوين براي حل مسايل بهينه سازي رياضي
نوع ارائه: مقاله
نویسنده: دليلي يزدي هدي*,توكلي مقدم رضا,بوالحسني گلريز

*دانشگاه آزاد اسلامي، واحد علوم و تحقيقات، تهران

عنوان مجمع: کنفرانس بين المللي انجمن ايراني تحقيق در عمليات
نوع مجمع: انجمن هاي علمي
حامی: انجمن ايراني تحقيق در عمليات، دانشكده علوم رياضي، دانشگاه فردوسي مشهد

مقايسه عملكرد چهار الگوريتم فراابتكاري

مقايسه عملكرد چهار الگوريتم فراابتكاري

چکیده مقاله:

امروزه الگوریتم های فراابتکاری سهم بسزایی را در حل تقریبی مسائل بهینه سازی دارا می باشند. انتخاب الگوریتمی مناسب برای مسائل مختلف دارای اهمیت می باشد به طوری که یک الگوریتم برای گونه ای از مسائل می تواند مناسب و در عین حال برای دیگر مسائل نامناسب باشد. در این مقاله سعی شده است با مقایسه الگوریتم بهینه سازی گرگ خاکستری با ٣ الگوریتم نوین بهینه سازی (الگوریتم زنبور ها، الگوریتم مبتنی برجغرافیای زیستی، الگوریتم بهینه سازی ازدحام جوجه ها)
(از طریق حل نه تابع معیار)، عملکرد این الگوریتم ها از دو جهت دستیابی به نقطه بهینه سراسری و همچنین زمان دستیابی به این نقطه، مورد بررسی قرار گیرد. به جهت صحیح بودن مقایسه، الگوریتم های انتخاب شده همگی از جمله الگوریتم هایی هستند که برگرفته از رفتار غذایابی موجودات زنده می باشد.

واژگان کلیدی : الگوریتم گرگ خاکستری؛ الگوریتم زنبورها؛ الگوریتم مبتنی برجغرافیای زیستی؛ الگوریتم بهینه سازی ازدحام جوجه ها؛ توابع ریاضی

مقايسه عملكرد چهار الگوريتم فراابتكاري

جهت دریافت شبیه سازی مقاله فوق در نرم افزار Matlab با ما تماس بگیرید.

کد مقاله Opt-1

ما در متلب 24 بعنوان مرجع تخصصی هوش مصنوعی و الگوریتم های بهینه سازی آمادگی داریم تا مقاله فوق را با هر الگوریتم تکاملی ای که مورد نظر شما هست برایتان شبیه سازی کنیم .

جهت هماهنگی میتوانید با شماره زیر تماس بگیرید : 09120563264

در زیر برخی از الگوریتم های بهینه سازی را لیست کرده ایم اما هر الگوریتم بهینه سازی دیگری نیز مد نظر شما باشد قابل انجام می باشد:

• الگوریتم بهینه سازی گرگ خاکستری GWO
• الگوریتم بهینه سازی مرغ آلاچیق ساز SBO
• الگوریتم بهینه سازی کلونی زنبور عسل  ABC
• الگوریتم بهینه سازی عنکبوت اجتماعی  SSA
• الگوریتم بهینه سازی وال یا نهنگ WOA
• الگوریتم بهینه سازی سنجاقک DA
• الگوریتم بهینه سازی ملخ GOA
• الگوریتم بهینه سازی گرده افشانی گل ها FPA
• الگوریتم غذایابی باکتری BFA
• الگوریتم ازدحام ماهی های مصنوعی AFSA
• الگوریتم علف های هرز WOI
• الگوریتم جستجوی گرانشی GSA
• الگوریتم توده ذرات PSO
• الگوریتم خفاش BA
• الگوریتم زنبور عسل HBO
• الگوریتم قابت استعماری ICA
• الگوریتم تکامل تفاضلی DE
• الگوریتم کلونی مورچگان ACO
• الگوریتم کلونی مورچگان پیوسته ACOR
• الگوریتم جستجوی هارمونی HA
• الگوریتم بهینه سازی واکنش شیمیایی CRO
• الگوریتم سیستم ایمنی مصنوعی IA
• الگوریتم ذوب شبیه سازی شده SA
• الگوریتم جستجوی ممنوعه TS
• الگوریتم قورباغه SFLA
• الگوریتم ژنتیک GA

جهت پیاده سازی هر یک الگوریتم های تکاملی و مقایسه کارایی آنها با یکدیگر کافی است با متلب 24 تماس بگیرید تا کارشما را به بهترین شکل ممکن و در کمترین زمان انجام دهیم. 

نوشته مقاله بهینه سازی : مقايسه عملكرد چهار الگوريتم فراابتكاري نوين اولین بار در برنامه نویسی هوشمند پدیدار شد.

کد متلب معمای n وزیر با الگوریتم جهش قورباغه SFLA

کد متلب معمای ۸ وزیر با الگوریتم جهش قورباغه SFLA

معمای ۸ وزیر:

هدف از مساله هشت وزیر، چیدن ۸ مهره وزیر روی یک صفحه شطرنج خالی است، به قسمی که هیچ مهره‌ای مهره‌های دیگر را تهدید نکند. به عبارت دیگر، ۸ وزیر باید به نحوی چیده شوند که هیچ‌کدام در بک سطر، بک ستون یا بک قطر قرار نداشته باشند

الگوریتم جهش قورباغه:

به طور کلی، الگوریتم جهش قورباغه  جزء الگوریتم‌های الهام گرفته شده از طبیعت هستند. این نوع الگوریتم‌ها، الگوریتم‍هایی کامپیوتری هستند که اصول و ویژگی‌های آنها نتیجه بررسی در رفتار قورباغه ها می باشد

ما مسئله معمای ۸ وزیر را با الگوریتم جهش قورباغه برای شما آماده کرده ایم

جهت دریافت کد متلب حل ۸ وزیر با الگوریتم جهش قورباغه از بخش زیر اقدام کنید وبصورت آنلاین کد را خریداری و دانلود نمایید

به همراه کد یک فایل توضیحات خط به خط نیز برای شما ارسال خواهد شد.

[parspalpaiddownloads id=”66″]

ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir

 شماره تماس : ۰۹۱۳۹۹۳۵۳۶۰

نوشته کد متلب معمای n وزیر با الگوریتم جهش قورباغه SFLA اولین بار در برنامه نویسی هوشمند پدیدار شد.

حل مسئله کوله پشتی با الگوریتم جهش قورباغه : در این پروژه به حل کوله پشتی 0 و 1، با الگوریتم SFLA ، در نرم افزار متلب پرداخته ایم.

مسئله کوله پشتی 0 و 1 حالتی از کوله پشتی است که ، در آن یک شی یا داخل کیسه قرار میگیرد (انتخاب میشود =1) ، یا داخل کیسه قرار نمیگیرد (انتخاب نمیشود = 0) .

برای حل مسئله کوله پشتی روشها و الگوریتم های مختلفی ارائه شده است.

اگر تمایل دارید در خصوص مسئله کوله پشتی مطالعه بیشتر داشته باشید و جزئیات بیشتر بیاموزید بر روی لینک زیر کلیک کنید.

همه چیز درباره مسئله کوله پشتی

کوله پشتی با sfla

الگوریتم جهش قورباغه ، الگوریتمی الهام گرفته شده از رفتار قورباغه ها در طبیعت می باشد که در سال 2003 معرفی شده است و در سال 2006 و 2009 بهبود یافته است. قبلا در آموزش الگوریتم قورباغه بصورت کامل به تشریح آن پرداختیم.

حال میخواهیم با استفاده از الگوریتم SFLA به حل مسئله کوله پشتی 0 و 1 بپردازیم و این کار را در نرم افزار متلب Matlab انجام داده ایم.

با خرید این محصول، دو فایل برای شما ارسال میگردد:

• فایل کد متلب حل مسئله کوله پشتی 0 و 1 با الگوریتم جهش قورباغه : که در این کد در نرم افزار Matlab نوشته شده است و میتوانید با نرم افزار Matlab آن را اجرا کنید و خروجی را ببینید
• فایل توضیحات کد : که یک فایل فارسی میباشد و در آن بصورت خط به خط به توضیح کد پرداخته ایم.

برای دریافت کد حل کوله پشتی صفر و یک با الگوریتم جهش قورباغه SFLA از بخش زیر بصورت انلاین خرید کنید:

• کد بعلاوه یک فایل توضیحات خط به خط جهت آموزش و یادگیری کد:

[zarinpalpaiddownloads id=”61″]

چنانچه در خصوص خرید این محصول سوالی دارید ، با شماره درج شده تماس بگیرید یا در واتساپ ، یا تلگرام پیام ارسال کنید.

—————————————————

حل مسئله کوله پشتی با الگوریتم SFLA : در این کار ما مسئله کوله پشتی صفر و یک را با الگوریتم جهش قورباغه SFLA حل کرده ایم

جزئیات بیشتر:

شرح مسئله به این صورت است که ما تعدادی اجسام با وزن مشخص و با ارزش مشخص داریم و میخواهیم اشیایی را انتخاب کنیم که دارای بیشترین ارزش باشند. و محدودیتی که داریم بر روی وزن کل اشیا می باشد زیرا که کوله پشتی تحمل وزن مشخصی را دارد

تعاریف ما به صورت زیر می باشد:

• یک بردار وزن به نام W خواهیم داشت که وزن اشیا را در ان وارد میکنیم
• یک بردار ارزش به نام V خواهیم داشت که ارزش اشیا را در ان وارد میکنیم
• و همچنین یک متغیر W_total داریم که حداکثر وزن قابل قبول را در ان وارد میکنیم

تابع شایستگی نیز به این صورت عمل میکند که ابتدا مجموع وزن اشیای انتخاب شده را محاسبه میکنیم اگر این مجموع کمتر از W_total بود انگاه شایستگی این راه حل برابر است با مجموع ارزش اشیای انتخاب شده . اما اگر مجموع وزن بیشتر از W_total باشد انگاه شایستگی این راه حل را برابر با صفر در نظر میگیریم چون یک راه حل غیر قابل قبول می باشد.

در نهایت ما به دنبال راه حل با بیشترین مقدار شایستگی می باشیم که بیشترین ارزش را به ما میدهد بنابر این دنبال پیدا کردن ماکزیمم می باشیم.

برای دریافت کد حل کوله پشتی صفر و یک با الگوریتم جهش قورباغه SFLA از بخش زیر بصورت انلاین خرید کنید:

• کد بعلاوه یک فایل توضیحات خط به خط جهت آموزش و یادگیری کد:

[zarinpalpaiddownloads id=”61″]

چنانچه در خصوص خرید این محصول سوالی دارید ، با شماره درج شده تماس بگیرید یا در واتساپ ، یا تلگرام پیام ارسال کنید.

نوشته حل مسئله کوله پشتی با الگوریتم جهش قورباغه : کوله پشتی 0و1 با الگوریتم قورباغه اولین بار در برنامه نویسی هوشمند پدیدار شد.

الگوریتم جستجوي جهش قورباغههاي متحرك، یک الگوریتم جدید در خانواده الگوریتم هاي تکاملی می باشد . این الگوریتم از زندگی گروهی قورباغه ها زمانی که به دنبال غذا می گردند الهام گرفته شده است. این الگوریتم در سال 2006 به منظور حل مسائل پیچیده ي بهینهسازي، بدون استفاده از روابط ریاضی ارائه گردید .این الگوریتم ترکیبی از ویژگی هاي الگوریتم ژنتیک و الگوریتم جمعیت پرندگان را دارد و لذا نسبت به این دو روش از سرعت و دقت بالاتري برخوردار می باشد. در این الگوریتم هر قورباغه بیانگر جوابی از مسئله می باشد. در روش مفروض جمعیت اولیه را به چند گروه مجزا به نام MemePlex تقسیم نموده که تعداد قورباغه هاي موجود در همه ي گروه ها با هم برابر است. بر اساس این تقسیم بندي دو نوع تکنیک جستجو در این الگوریتم وجود دارد، تکنیک اول تکنیک جستجوي محلی است و بر اساس آن قورباغه ها در هر گروه با تبادل اطلاعات، موقعیت خود را نسبت به غذا (بهترین جواب) بهبود می دهند 

 و تکنیک دوم مربوط به تبادل اطلاعات بین گروه ها می باشد، که بر اساس آن، بعد از هر جستجوي محلی در گروه ها، اطلاعات بدست آمده بین گروه ها با هم مقایسه می شود 

جهت دریافت کد متلب الگوریتم جهش قورباغه SFLA   از بخش زیر اقدام کنید و بصورت آنلاین خرید و دانلود کنید

[parspalpaiddownloads id=”94″]

ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir

شماره تماس : 09120563264

فایل های تحویلی : کد متلب الگوریتم جهش قورباغه با توضیحات کد 

جهت انجام کارهای بهینه سازی با الگوریتم جهش قورباغه SFLA ، الگوریتم جمعیت پرندگان Pso، الگوریتم کلونی زنبور عسل Bee، الگوریتم تکامل تفاضلی DE، الگوریتم کرم شب تاب Firefly، الگوریتم ژنتیک GA ، الگوریتم تکاملی گرانشی GSA، الگوریتم ذوب شبیه سازی شده SA ، الگوریتم جستجوی ممنوعه Tabu،الگوریتم رقابت استعماری ICA ، الگوریتم کلونی مورچگان ACO با ما تماس بگیرید

نوشته کد متلب الگوریتم جهش قورباغه ها SFLA اولین بار در برنامه نویسی هوشمند پدیدار شد.

آشنایی با الگوریتم جهش قورباغه SFAL

روال الگوریتم جهش قورباغه بصورت زیر می باشد 

1)      ابتدا پارامترهاي اولیه الگوریتم مقداردهی میشوند

2)       جمعیت اولیه (قورباغه ها) به صورت تصادفی تولید میشود.

3)      شایستگی هر عضو محاسبه میشود

4)       تمام قورباغه ها بر اساس میزان شایستگی شان به صورت نزولی، مرتب می شوند

5)       قورباغه ها به چند گروه (MemePlex) تقسیم می شوند به این صورت که قورباغه با بهترین شایستگی در گروه اول ، قورباغه دوم در گروه دوم ،و قورباغه m ام در گروه m ام قرار میگیرد به همین ترتیب قورباغه m+1 ام در گروه اول و .. قرار میگیرند همانند شکل زیر

6)       جستجوي محلی براي جهش قورباغه هايی با بدترین شایستگی به سمت قورباغه هايی با بهترین شایستگی صورت می پذیرد. این جهش مطابق روابط ( 1) و ( 2) می باشد.

که در رابطه فو قxb و xw به ترتیب قورباغه هاي با بدترین و بهترین شایستگی در گروه خود می باشند.   Dمقدار جهش ضعیف ترین قورباغه به سمت بهترین عضو گروه ،و Dmaxبیشترین حد مجاز براي جهش قورباغه و rand  ،عددي تصادفی در بازه [ 1 و 0] می باشد. پس از اعمال تغییرات فوق در صورتی که قورباغه جدید داراي پاسخ بهتري نسبت به بدترین قورباغه گروه داشته باشد، جایگزین آن می گردد . در غیر این صورت همین اعمال باجایگزینی Xg با Xbتکرار می گردد. اگر با اعمال تغییر فوق پاسخ مناسب تري یافت نگردید، یک جواب به صورت تصادفی تولید کرده و آن را جایگزین بدترین عضو گروه می نماییم . این روند براي تعداد تکرار مشخص شده ادامه می یابد تا در نهایت شرایط اتمام الگوریتم حاصل گردد.

جهت دریافت کد متلب الگوریتم جهش قورباغه SFLA از بخش زیر اقدام کنید و بصورت آنلاین کد را خریداری و دانلود کنید

[parspalpaiddownloads id=”94″]

ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir

شماره تماس : 09120563264

فایل های تحویلی: متلب الگوریتم جهش قورباغه با توضیحات کد 

جهت انجام کارهای بهینه سازی با الگوریتم جهش قورباغه SFLA ، الگوریتم جمعیت پرندگان Pso، الگوریتم کلونی زنبور عسل Bee، الگوریتم تکامل تفاضلی DE، الگوریتم کرم شب تاب Firefly، الگوریتم ژنتیک GA ، الگوریتم تکاملی گرانشی GSA، الگوریتم ذوب شبیه سازی شده SA ، الگوریتم جستجوی ممنوعه Tabu،الگوریتم رقابت استعماری ICA ، الگوریتم کلونی مورچگان ACO با ما تماس بگیرید

نوشته آشنایی با الگوریتم جهش قورباغه SFAL اولین بار در برنامه نویسی هوشمند پدیدار شد.

نوشته فلوچارت الگوریتم جهش قورباغه SFAL اولین بار در برنامه نویسی هوشمند پدیدار شد.

الگوریتم جستجوي جهش قورباغه هاي متحرك، یک الگوریتم جدید در خانواده الگوریتم هاي تکاملی می باشد . این الگوریتم از زندگی گروهی قورباغه ها زمانی که به دنبال غذا می گردند الهام گرفته شده است. این الگوریتم در سال 2006 به منظور حل مسائل پیچیده ي بهینه سازي، بدون استفاده از روابط ریاضی ارائه گردید
مسأله فروشنده دوره گرد یا Traveling Salesman Problem (به اختصار TSP)، یکی از مسائل بسیار مهم و پرکاربرد در علوم کامپیوتر و تحقیق در عملیات است.

شرح مسئله بدین شکل است:

تعدادی شهر داریم و هزینه رفتن مستقیم از یکی به دیگری را می‌دانیم. مطلوب است کم‌هزینه‌ترین مسیری که از یک شهر شروع شود و از تمامی شهرها دقیقاًٌ یکبار عبور کند و به شهر شروع بازگردد.

جهت دریافت کد متلب حل فروشنده دوره گرد با الگوریتم جهش فورباغه با ما تماس بگیرید

ُSolve TSP Using Shuffled Frog Leaping Algorithm 

نمایی از حل مسئله فروشنده دوره گرد با الگوریتم جهش قورباغه:

گراف اولیه:

راه حل ارائه شده توسط الگوریتم جهش قورباغه:

حل فروشنده دوره گرد با الگوریتم جهش قورباغه

جهت دریافت کد متلب حل فروشنده دوره گرد با الگوريتم جهش قورباغه به همراه توضیحات کامل از بخش زیر اقدام کنید

[parspalpaiddownloads id=”29″]

ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir

شماره تماس : 09120563264

قیمت :39000 تومان =کد متلب + توضیحات کد

نوشته حل فروشنده دوره گرد با الگوریتم جهش قورباغه اولین بار در برنامه نویسی هوشمند پدیدار شد.