الگوریتم شاهین هریس یا HHO در سال 2019 در مقاله ای با عنوان Harris hawks optimization: Algorithm and applications منتشر شد.
ما برای آن دسته از پژوهشگرانی که قصد مطالعه الگوریتم شاهین هریس را دارند ، ترجمه فارسی و روان و تخصصی این مقاله را آماده کرده ایم تا بتوانند به راحتی آن را مطالعه کنند.
ترجمه شاهین هریس را با هزینه کم دریافت کنید.
حتما میدانید که هزینه ترجمه این مقاله ، در صورتی که به موسسات ترجمه مراجعه کنید بالای 200 هزار تومان خواهد بود اما ما این ترجمه را با مبلغ پایین در اختیار شما قرار داده ایم ، که تنها به هدف کمک به شما همراهان و رشد شما عزیزان می باشد.
در ادامه بخشی از ترجمه را قرار میدهیم تا شما بتوانید کیفیت و تخصصی بودن ترجمه را بسنجید:
ترجمه بخش چکیده الگوریتم شاهین هریس:
بهینه سازی شاهین هریس: الگوریتم و کاربرد آن
چکیده :
در این مقاله ، یک الگوی بهینه سازی مبتنی بر جمعیت و با الهام گرفتن از طبیعت ، ارائه شده است که به آن بهینه ساز شاهین هریس(HHO) گفته می شود.ایده اصلی الگوریتم HHO ، رفتار مشارکتی و سبک تعقیب شاهین هریس در طبیعت است که به نام یورش غافلگیرانه شناخته میشود.
در این استراتژی هوشمند ، چندین شاهین به صورت مشارکتی و همکارانه تلاش میکنندT تا یک طعمه را از جهات مختلف غافلگیر کنند.شاهین Harris می تواند الگوهای تعقیب و گریز متنوعی را بر اساس ماهیت پویای سناریوها و الگوهای شکار از خود نشان دهد .
این مقاله تقلیدی ریاضی از اینچنین الگوریتم ها و رفتارهای داینامیک برای ساخت یک الگوریتم بهینه سازی می باشد.
اثربخشی روش پیشنهادی بهینه ساز HHO ، از طریق مقایسه با سایر تکنیک های الهام گرفته شده از طبیعت ، بر روی 29 تابع محک و چندین مسئله مهندسی دنیای واقعی بررسی شده است.
نتایج آماری و مقایسه ها نشان می دهد که الگوریتم HHO نتایج بسیار امیدوار کننده و گاها رقابتی را در مقایسه با دیگر تکنیک های فراابتکاری شناخته شده دارد.کلید واژه ها:
محاسبات الهام گرفته شده از طبیعت ، الگوریتم بهینه سازی شاهین هریس ، هوش ازدحامی ، بهینه سازی ، فراابتکاری.
چکیده انگلیسی مقاله شاهین هریس جهت بررسی کیفیت ترجمه
Abstract
In this paper, a novel population-based, natureinspired optimization paradigm is proposed, which is called Harris Hawks Optimizer (HHO).
The main inspiration of HHO is the cooperative behavior and chasing style of Harris’ hawks in nature called surprise pounce.
In this intelligent strategy, several hawks cooperatively pounce a prey from different directions in an attempt to surprise it.
Harris hawks can reveal a variety of chasing patterns based on the dynamic nature of scenarios and escaping patterns of the prey.
This work mathematically mimics such dynamic patterns and behaviors to develop an optimization algorithm.
The effectiveness of the proposed HHO optimizer is checked, through a comparison with other nature-inspired techniques, on 29 benchmark problems and several real-world engineering problems. The statistical results and comparisons show that the HHO algorithm provides very promising and occasionally competitive results compared to well-established metaheuristic techniques.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.