الگوریتم جهش ترکیبیِ قورباغه
چکیده
الگوریتم جهش ترکیبیِ قورباغه (SFLA) یک الگوریتم تکاملی و مبتنی بر جمعیتِ متاهیوریستیک
جدید است. این الگوریتم سریع است و قابلیت جستجوی سراسری بسیار خوبی دارد. در این مقاله در ابتدا
قاعدهی کلی الگوریتم SFLA مطرح میشود و سپس پارامترهای آن مورد تحلیل قرار میگیرند. بوسیله ی
آزمایش، پارامترها به گونهای انتخاب میشوندکه تاثیر مثبتی بر SFLA داشته باشند. الگوریتم SFLA با
استفاده از تابع آزمایش، با الگوریتم ژنتیک (GA) و بهینه سازیِ گروه ذرات (PSO) مقایسه میشود.
آزمایشات نشان میدهند که دقت و قابلیت جستجوی سراسریِ SFLA از GA و PSO بهتر است
فهرست مطالب:
تاریخچه
ویژگی ها و اهداف
الگوریتم ممتیک
الگوریتم های ممتیک مبتنی بر نظریه مارک
الگوریتم های ممتیک مبتنی بر نظریه بالدوین
خوشه بندی فازی
محیط پویا و قله های متحرک
الگوریتم ژنتیک
مراحل الگوریتم ژنتیک
تکنیک های حل مسائل بهینه سازی
فرضیه تکامل
شبکه لجستیک یکپارچه مستقیم و معکوس
فرایندهای لجستیک معکوس در شبکه مورد بررسی
الگوریتم MA
الگوریتم TPA
و.......
.........................
ادامه مطلب در دانلود فایل.
برای دریافت فایل به ادامه مطلب مراجعه کنید
........................
قیمت:1500 تومان
....................
نوع فایل : pdf
تعداد صفحات: 52
حجم فایل: 2 مگابایت
قیمت:1500 تومان
....................
الگوریتم جهش ترکیبیِ قورباغه