• مهندسی کامپیوتر
    • سیستم عامل
    • طراحی الگوریتم
    • ساختمان داده
    • پایگاه داده
    • مهندسی نرم افزار
    • گرافیک کامپیوتری
    • بازی سازی
    • پردازش تصویر
    • طراحی وب
    • رمزنگاری
  • هوش مصنوعی
    • الگوریتم های یادگیری ماشین
    • شبکه های عصبی مصنوعی
    • الگوریتم های فرا ابتکاری
    • هوش مصنوعی
    • داده کاوی
  • شبکه های کامپیوتری
    • شبکه های حسگر بی سیم
    • شبکه های خودرویی
    • شبکه های موردی
    • شبکه های کامپیوتری
  • تحقیق و پژوهش
    • عمومی
    • تکنولوژی
    • زبان های برنامه نویسی
    • مشاهیر و اشخاص
    • اینترنت اشیاء
    • واقعیت مجازی
    • ارز دیجیتال
    • کسب و کار
    • علوم
  • رشته های مهندسی
    • مهندسی برق
    • مهندسی عمران
    • مهندسی معماری
  • قالب پاورپوینت پایانامه
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • درباره ما
  • تماس با ما
  • سفارش تدریس آنلاین
پی استور
0

ورود و ثبت نام

مقالات آموزشی
  • مهندسی کامپیوتر
    • سیستم عامل
    • طراحی الگوریتم
    • ساختمان داده
    • پایگاه داده
    • مهندسی نرم افزار
    • گرافیک کامپیوتری
    • بازی سازی
    • پردازش تصویر
    • طراحی وب
    • رمزنگاری
  • هوش مصنوعی
    • الگوریتم های یادگیری ماشین
    • شبکه های عصبی مصنوعی
    • الگوریتم های فرا ابتکاری
    • هوش مصنوعی
    • داده کاوی
  • شبکه های کامپیوتری
    • شبکه های حسگر بی سیم
    • شبکه های خودرویی
    • شبکه های موردی
    • شبکه های کامپیوتری
  • تحقیق و پژوهش
    • عمومی
    • تکنولوژی
    • زبان های برنامه نویسی
    • مشاهیر و اشخاص
    • اینترنت اشیاء
    • واقعیت مجازی
    • ارز دیجیتال
    • کسب و کار
    • علوم
  • رشته های مهندسی
    • مهندسی برق
    • مهندسی عمران
    • مهندسی معماری
  • قالب پاورپوینت پایانامه
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین

ترجمه الگوریتم Sine Cosine برای حل مسائل بهینه سازی SCA

خانهفروشگاهالگوریتم های بهینه سازی هوشمندترجمه الگوریتم Sine Cosine برای حل مسائل بهینه سازی SCA
ترجمه الگوریتم Sine Cosine

در این قسمت ترجمه الگوریتم Sine Cosine برای حل مسائل بهینه سازی SCA قرار گرفته شده است. ترجمه مقاله SCA: A Sine Cosine Algorithm for Solving Optimization Problems در 31 صفحه در قالب Word آماده شده است. این مقاله یک روش بهینه سازی با نام الگوریتم سینوس کسینوس را معرفی می کند. الگوریتم Sine Cosine یا به زبان خودمانی الگوریتم Sin Cos به اختصار SCA یک الگوریتم متاهیورستیک یا فرا ابتکاری است. این الگوریتم توسط سید علی میرجلیلی (Seyedali Mirjalili) در سال 2016 در مقاله ای با عنوان SCA: A Sine Cosine Algorithm for solving optimization problems در ژورنال Knowledge-Based Systems پایگاه علمی Elsevier ارائه شده است. در ادامه به معرفی این الگوریتم بهینه سازی پرداخته می شود. برای دانلود مقاله اصلی روی این لینک (+) کلیک کنید.

golnaz rohani

تهیه و تنظیم: گلناز محرر روحانی

کارشناس ارشد رشته مهندسی کامپیوتر گرایش نرم افزار

گلناز محرر روحانی از اعضای اصلی تیم توسعه پی استور هستند. ایشان علاوه بر پژوهش در زمینه های شبکه های کامپیوتری و الگوریتم های فرا ابتکاری در امور Cryptocurrency و طراحی انواع پاورپوینت برای ارائه‌های کلاسی فعالیت دارند و مدرس فعال زبان انگیلیسی نیز هستند.

چکیده انگلیسی

This paper proposes a novel population-based optimization algorithm called Sine Cosine Algorithm (SCA) for solving optimization problems. The SCA creates multiple initial random candidate solutions and requires them to fluctuate outwards or towards the best solution using a mathematical model based on sine and cosine functions. Several random and adaptive variables also are integrated to this algorithm to emphasize exploration and exploitation of the search space in different milestones of optimization. The performance of SCA is benchmarked in three test phases.

Firstly, a set of well-known test cases including unimodal, multi-modal, and composite functions are employed to test exploration, exploitation, local optima avoidance, and convergence of SCA. Secondly, several performance metrics (search history, trajectory, average fitness of solutions, and the best solution during optimization) are used to quantitatively and qualitatively observe and confirm the performance of SCA on shifted two-dimensional test functions. Finally, the cross-section of an aircraft’s wing is optimized by SCA as a real challenging case study to verify and demonstrate the performance of this algorithm in practice.

The results of test functions and performance metrics prove that the proposed algorithm is able to explore different regions of a search space, avoid local optima, converge towards the global optimum, and exploit promising regions of a search space during optimization effectively. The SCA algorithm obtains a smooth shape for the airfoil with a very low drag, which demonstrates that this algorithm can highly be effective in solving real problems with constrained and unknown search spaces. Note that the source codes of the SCA algorithm are publicly available at http://www.alimirjalili.com/SCA.html.

چکیده فارسی

در این مقاله یک الگوریتم بهینه سازی مبتنی بر جمعیت به نام الگوریتم (Sine Cosine (SCA برای حل مشکلات بهینه سازی ارائه شده است. SCA چندین راه حل کاندیدای تصادفی اولیه ایجاد می کند و از آنها می خواهد که با استفاده از یک مدل ریاضی مبتنی بر توابع سینوسی و کسینوسی، به صورت سینوسی و کسینوسی ( بالا و پایین) به سمت بهترین راه حل حرکت کنند. چندین متغیر تصادفی و تطبیقی نیز برای تأکید بر اکتشاف و بهره برداری از فضای جستجو در نقاط عطف بهینه سازی مختلف در این الگوریتم ادغام شده اند. عملکرد SCA در سه مرحله آزمایشی مشخص شده است.

در مرحله اول، مجموعه ای از موارد آزمون شناخته شده از جمله توابع تک حالته، چند حالته و ترکیبی برای آزمایش اکتشاف، بهره برداری، اجتناب از حالت بهینه محلی و همگرایی SCA استفاده می شود. چندین معیار عملکردی از قبیل (سابقه جستجو، مسیر، سازگاری متوسط راه حل ها و بهترین راه حل در حین بهینه سازی) برای مشاهده کمی و کیفی و تأیید عملکرد SCA در عملکردهای آزمون دو بعدی تغییر یافته استفاده می شود. سرانجام، سطح مقطع بال هواپیما توسط SCA به عنوان یک مطالعه موردی واقعی به چالش کشیده می شود تا به بررسی و نمایش عملکرد این الگوریتم در عمل پرداخته شود.

نتایج عملکردها و معیارهای عملکردی ثابت می کند که الگوریتم پیشنهادی قادر است به کشف مناطق مختلف یک فضای جستجو، جلوگیری از بهینه سازی محلی، همگرایی به سمت بهینه سراسری و استفاده از مناطق امیدوار کننده از یک فضای جستجو در حین بهینه سازی به طور مؤثر بپردازد. الگوریتم SCA شکل نرمی برای شکل مقطعی یک بال هواپیما بدست می آورد، که نشان می دهد این الگوریتم می تواند در حل مشکلات واقعی با فضاهای جستجو محدود و ناشناخته بسیار مؤثر باشد. توجه باشید که سورس کد الگوریتم SCA در آدرس http://www.alimirjalili.com/SCA.html. در دسترس عموم است.

کلمات کلیدی : بهینه سازی؛ بهینه سازی تصادفی؛ بهینه سازی محدود؛ فرااکتشافی؛ الگوریتم مبتنی بر جمعیت

مقدمه

بهینه سازی به فرآیند یافتن مقادیر بهینه برای پارامترهای یک سیستم معین از کلیه مقادیر ممکن برای حداکثر رساندن یا به حداقل رساندن بازده آن اشاره دارد. مشکلات بهینه سازی را می توان در کلیه زمینه های مطالعه مشاهده کرد که این امر توسعه تکنیک های بهینه سازی را ضروری و یک مسیر مطالعاتی جالب برای محققان باز کرده است. با توجه به اشکال در تکنیک های بهینه سازی معمول، ایستایی و رکود مطلوب محلی و نیاز به استخراج فضای جستجو ، در دو دهه گذشته علاقه زیادی به تکنیک های بهینه سازی تصادفی مشاهده شده است.

الگوریتم های بهینه سازی تصادفی، مشکلات بهینه سازی را جعبه های سیاه می دانند. این بدان معناست که استخراج مدلهای ریاضی مورد نیاز نیست زیرا چنین الگوریتم های بهینه سازی فقط ورودی ها را تغییر داده و بر خروجی های سیستم برای به حداکثر یا به حداقل رساندن نتایج خروجی آن نظارت می کنند. یکی دیگر از مزیت های در نظر گرفتن مشکلات به عنوان جعبه های سیاه، انعطاف پذیری بالا است، به این معنی که الگوریتم های تصادفی به راحتی برای مشکلات در زمینه های مختلف قابل اجرا هستند. همانطور که از نام تکنیک های بهینه سازی تصادفی مشخص است، آنها مشکلات بهینه سازی را به صورت تصادفی بهینه می کنند. بنابراین، آنها ذاتاً با اجتناب از بهینه محلی بالاتر در مقایسه با الگوریتم های بهینه سازی معمولی سود می برند. طبقه بندی های مختلفی برای الگوریتم های بهینه سازی تصادفی در نوشته ها وجود دارد.

دو طبقه بندی اصلی، مبتنی بر الهام از یک الگوریتم از قبیل (مبتنی بر هوش دسته جمعی زنبوران، تکاملی، مبتنی بر فیزیک و غیره) بوده و تعداد راه حل های تصادفی که یک الگوریتم در هر مرحله از بهینه سازی تولید می کند، می باشد. طبقه بندی آخر الگوریتم ها را به دو دسته تقسیم می کند: الگوریتم های تک راه حلی و و چند راه حلی. در کلاس اول، تنها یک راه حل به طور تصادفی تولید می شود و در طی بهینه سازی بهبود می یابد. در کلاس دوم، با این حال، یک الگوریتم بهینه سازی بیش از یک راه حل تصادفی (عمدتا بسیاری) ایجاد می کند و آنها را در هنگام بهینه سازی بهبود می بخشد.

با توجه به مزایای فوق، تکنیک های بهینه سازی تصادفی در کتابهای نوشته شده بسیار رواج یافته است. این محبوبیت نه تنها در زمینه بهینه سازی بلکه سایر زمینه های تحصیلی نیز به چشم می خورد. استفاده از الگوریتم های تصادفی را می توان در شاخه های مختلف علم و صنعت مشاهده کرد. از آنجا که تمرکز این مقاله بر تئوری است، موارد کاربردی بیشتر مورد بحث قرار نمی گیرد و خوانندگان علاقه مند میتوانند به این مراجع مراجعه کنند. تحقیقات نظری در نوشته ها را می توان به سه جهت اصلی تقسیم کرد: بهبود تکنیک های فعلی، ترکیب الگوریتم های مختلف و ارائه الگوریتم های جدید.

در رویکرد اول، محققان سعی می کنند الگوریتم هایی را با عملکردهای مختلف ریاضی یا تصادفی مجهز کنند تا عملکرد این گونه تکنیک ها را بهبود ببخشند. روشهای رایج در این کلاس عبارتند از: نقشه های بی نظم، اپراتورهای تکاملی و جستجوی محلی. دومین جهت پژوهشی محبوب با ترکیبی از الگوریتم های مختلف برای بهبود عملکرد یا حل مشکلات خاص سروکار دارد. تعداد قابل توجهی از فرا اکتشافی ترکیبی درنوشته ها وجود دارند از قبیل PSO-GA و PSO-ACO, ACO-GA, GA-DE 39, و PSO-DE و ACO-DE  و KH-CS و KH-BBO.

نکته آخر اینکه، پیشنهاد الگوریتم های جدید راهی برای تحقیقات محبوب برای محققان مختلف است. الهام گرفتن از یک الگوریتم جدید می تواند ناشی از پدیده های تکاملی، رفتار جمعی موجودات (تکنیک های هوش دسته جمعی زنبوران) ، قوانین فیزیکی و مفاهیم مرتبط با انسان باشد.

درباره محصول :

ترجمه مقاله SCA: A Sine Cosine Algorithm for Solving Optimization Problems به فارسی (SCA: یک الگوریتم Sine Cosine برای حل مشکلات بهینه سازی) عنوان محصولی است که در قالب ورد به تعداد 31 صفحه بصورت دقیق و روان توسط متخصصان ترجمه رشته کامپیوتر انجام شده است. این ترجمه از طرف کارشناسان پی استور بررسی شده و محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن راخریداری کنید به محض خرید لینک دانلود در دسترس خواهد بود.

گارنتی 7 روزه بازگشت هزینه

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:

  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.

ترجمه های بیشتر از الگوریتم های بهینه سازی

ترجمه الگوریتم SPBO بهینه سازی مبتنی بر روانشناسی دانشجویی
ترجمه الگوریتم SPBO بهینه سازی مبتنی بر روانشناسی دانشجویی
ترجمه مقاله MVO بهینه سازی چند نظمی برای بهینه سازی سراسری
ترجمه مقاله MVO بهینه سازی چند نظمی برای بهینه سازی سراسری
ترجمه مقاله TFWO برای حل مسائل بهینه سازی Turbulent Flow of Water based
ترجمه مقاله TFWO برای حل مسائل بهینه سازی Turbulent Flow of Water based
ترجمه مقاله الگوریتم بهینه سازی باران ROA – Rain optimization algorithm
ترجمه مقاله الگوریتم بهینه سازی باران ROA – Rain optimization algorithm
امتیاز
5.00 از 1 رأی
5.00 1 رای
79,000 تومان
تاریخ انتشار: 28 خرداد 1398
تاریخ بروزرسانی: 9 آبان 1399
حجم فایل: 3.4 مگابایت
فرمت فایل docx با قابلیت ویرایش
نسخه: 1.0
هماهنگی با: Microsoft Word 2007 و بالاتر
دانلود شده توسط: 11 نفر

تاکنون 11 نفر این محصول را تهیه کرده اند و 1 نظر برای آن ثبت شده است.

نظرات و دیدگاه ها
  • مدیریت و پشتیبانی
    28 خرداد 1399
    امتیاز 5 از 5
    پاسخ

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

قوانین ثبت دیدگاه

  • لطفاً دیدگاه های خود را فارسی تایپ کنید.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • سوالات تخصصی خودتان را از طریق تیکت پشتیبانی مطرح کنید.

لغو پاسخ

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

دسته‌بندی موضوعی: الگوریتم های بهینه سازی هوشمند

قیمت 79,000 تومان

افزودن به علاقه مندی ها
امتیاز
5.00 از 1 رأی
5.00 1 رای
79,000 تومان

تاریخ انتشار: 28 خرداد 1398
تاریخ بروزرسانی: 9 آبان 1399
حجم فایل: 3.4 مگابایت
فرمت فایل docx با قابلیت ویرایش
نسخه: 1.0
هماهنگی با: Microsoft Word 2007 و بالاتر
دانلود شده توسط: 11 نفر

1 بازخورد (مشاهده نظرات)

قیمت: 79,000 تومان

تماس با ما
  • دفتر پشتیبانی: 04144225175 (ساعت کاری 8:00 الی 16:00)
  • آی دی تلگرام: programerPstore
درباره پی استور

تیم توسعه پی استور با هدف ارائه مطالب مفید علمی در گرایش های مختلف پروژه های علمی مختلف را جمع آوری می کند و در قالب یک محصول تست شده و قابل اجرا همراه با توضیحات و نحوه اجرا، انتشار می دهد. امید است با عنایت الهی و کوشش اساتید و دانشجویان همراهمان بتوانیم قدم کوچکی در تولید محتوای علمی کشور داشته باشیم.

مجوز های اخذ شده
اینماد نشان ملی   پروانه نشر دیجیتال
  • حساب کاربری من
  • سوالات متداول
  • راهنمای خرید و دانلود
پی استور
  • همکاری با ما
  • قوانین و مقررات
  • حریم خصوصی
تمامی حقوق برای پی استور محفوظ است.
keyboard_arrow_up