ترجمه مقاله انگلیسی : A comparative study of Artificial Bee Colony algorithm

اختصاصی از فایل هلپ ترجمه مقاله انگلیسی : A comparative study of Artificial Bee Colony algorithm دانلود با لینک مستقیم و پر سرعت .

عنوان انگلیسی : 

A comparative study of Artificial Bee Colony algorithm

تعداد صفحات انگلیسی : 25 صفحه PDF

محل و سال انتشار :  ELSEVIRE - 2009 سایت

a b s t r a c t
Artificial Bee Colony (ABC) algorithm is one of the most recently introduced swarm-based algorithms. ABC simulates the intelligent foraging behaviour of a honeybee swarm. In this work, ABC is used for optimizing a large set of numerical test functions and the results produced by ABC algorithm are compared with the results obtained by genetic algorithm, particle swarm optimization algorithm, differential evolution algorithm and evolution strategies. Results show that the performance of the ABC is better than or similar to those of other population-based algorithms with the advantage of employing fewer control parameters.

عنوان فارسی مقاله :

یک مطالعه تطبیقی از الگوریتم اجتماع زنبور مصنوعی

تعداد صفحات ترجمه فارسی : 52 صفحه word

چکیده: الگوریتم اجتماع زنبور مصنوعی (ABC) یکی از جدید ترین الگوریتمهای بر مبنای چندین اشکال برنامه (بر مبنای ازدحام) معرفی شده است. ABC رفتار هوشمندانه کاوش کردن یک دسته زنبور عسل را شبیه سازی میکند. در این مطالعه، از ABC برای بهینه سازی یک سری بزرگ از فانکشن های تست شمارشی استفاده شده است و نتیجه های بدست آمده به وسیله  الگوریتم ABC با نتایج بدست آمده از الگوریتم ژنتیک، الگوریتم گروه زنبوران ذره ای، الگوریتم تکامل تفاضلی، و استراتژی های تکامل مقایسه شده است. نتایج نشان میدهد که عملکرد ABC بهتر یا برابر دیگر الگوریتمهای جمعیت محور است با این مزیت که پارامتر های کنترلی کمتری به کار گرفته میشود.

مقدمه:

الگوریتم بهبود سازی جمعیتی، راه حلهای تقریبا بهینه ای را برای مشکلات بهبود سازی سختی که از طبیعت نشات میگیرند، پیدا کرده است. یک ویژگی رایج در تمام الگوریتم های جمعیتی این است که اجتماع از راه حلهای احتمالی اصلاح شده تشکیل شده است که به وسیله عملگرهایی بر راه حلها، بسته به اطلاعات سازگاری آنها اعمال شده است. بنابراین، اجتماع به سمت ناحیه جواب بهتری از فضای جستجو حرکت میکند. الگریتم تکاملی و الگریتم هوش اجتماع زنبور، دو کلاس مهم الگوریتم های بهینه سازی جمعیتی هستند. گر چه الگریتم ژنتیک (GA) برنامه نویسی ژنتیک (GP) استراتژی تکامل(ES) و برنامه نویسی تکاملی (EP)، الگریتمهای تکاملی مشهوری هستند، GA گسترده ترین استفاده را در ادبیات دارد. GA بر اساس علم ژنتیک و انتخاب طبیعی است و تلاش میکند تا پدیده تکامل طبیعی را در سطح ژنوتیپ شبیه سازی کند، در حالی که ES و EP پدیده تکامل طبیعی را در سطح فنوتیپ شبیه سازی میکنند.

ترجمه مقاله Parallel algorithm for finding modules of large-scale coherent fault trees

اختصاصی از فایل هلپ ترجمه مقاله Parallel algorithm for finding modules of large-scale coherent fault trees دانلود با لینک مستقیم و پر سرعت .

عنوان انگلیسی :

            Parallel algorithm for finding modules of large-scale coherent fault trees

سال چاپ : 2015

تعداد صفحه : 4

عنوان فارسی :    

قابلیت اطمینان میکروالکترونیکی-الگوریتم های موازی برای پیدا کردن نمونه های بزرگ درختان خطای منسجم

چکیده :

The computation of the probability of the top event or minimal cut sets of fault trees is known as intractable NP-hard problems.Modularization can be used to reduce the computational cost of basic operations on fault trees efficiently. The idea of the linear time algorithm, as a very efficient and compact modules detecting algorithm, is visiting the nodes one by one with top-down depth-first left-most traversal of the tree. So the efficiency of the linear time algorithm is limited by nodes visiting time successively and serially, especially when confronting large-scale fault trees. Aiming at improving the efficiency of modularizing largescale fault trees, this paper proposes a new parallel method to find all possible modules. Firstly, we transform the fault tree into a directed acyclic graph (DAG) and treat the terminal basic nodes as entries of the algorithm. And then, according to the proposed rules in this paper, we traverse the graph bottom-up from the terminal nodes and mark the internal nodes in a parallel way. Therefore, we can compare all internal nodes and decidewhich nodes aremodules. Eventually, an experiment is carried out to compare the linear and parallel algorithm, and the result shows that the proposed parallel algorithm is efficient on handling large-scale fault trees.

عنوان فارسی :    

قابلیت اطمینان میکروالکترونیکی-الگوریتم های موازی برای پیدا کردن نمونه های بزرگ درختان خطای منسجم

تعداد صفحه : 10 صفحه

چکیده : 

محاسبه احتمال اتفاقات مهم یا حداقل مجموعه برشهای درختان خطا (گسل) به عنوان NP مقاوم و رام نشدنی- مشکلات سخت، شناخته می شود. پیمانه بندی (ماژول سازی) میتواند برای کم شدن هزینه های محاسبات عملیات اولیه درختان خطای کار آمد، استفاده شود. ایده الگوریتم خطی زمانی، به عنوان یک الگوریتم خیلی کارآمد و شناساگر ماژول های فشرده، گره هارا یک به یک از بالا به پایین، اول عمق، بیشترین پیمایش به سمت چپ درخت را، بررسی می کند، بنابراین کارآمدی الگوریتم زمانی خطی به وسیله دیدن گره ها به صورت پی در پی و ردیفی محدود می باشد، مخصوصا زمانی که با یک درخت خطای بزرگ روبه رو هستیم. با هدف بهبود کارآیی پیمانه بندی درختان خطای منسجم بزرگ، این مقاله یک روش موازی را برا پیدا کردن تمامی نمونه های احتمالی (ماژول) ارائه می دهد. در گام نخست، ما درختان خطای منسجم بزرگ را به یک گراف جهت دار غیر مدور تغییر میدهیم (DAG) و با گره های اصلی ترمینال مانند ورودی الگوریتم برخورد می کنیم. و سپس، با توجه به قوانین ارائه شده در این مقاله، ما از گره ترمینال در گراف از پایین به بالا حرکت می کنیم و گره های داخلی در راه های موازی را، علامت می زنیم. بنابراین، ما می توانیم تمام گره های داخلی را باهم مقایسه کنیم و تصمیم بگیریم که کدام یک از گره ها ماژول هستند. در نهایت، پژوهشی برای مقایسه الگوریتم های موازی و خطی انجام شد، و نتایج نشان می دهد که الگریتم موازی برای بررسی و رسیدگی به درختان خطای بزرگ، کارآمد است.

الگوریتم ها (طراحی تکنیک ها و تجزیه و تحلیل)

اختصاصی از فایل هلپ الگوریتم ها (طراحی تکنیک ها و تجزیه و تحلیل) دانلود با لینک مستقیم و پر سرعت .

حل مسئله، بخشی ضروری در هر رشته علمی است که دو جزء دارد: (1) شناسایی مسئله و فرمول و (2) راه حلی برای مسئله فرموله‌شده. یک جزء می‌تواند مسئله حول استفاده از تکنیک‌های ad hoc خود را حل کند یا تکنیک‌هایی که راه حل‌های کارآمدی برای مسائل مشابه بوجود می‌آورند را دنبال کند. این به درک درستی از تکنیک‌های مختلف طراحی الگوریتم، چگونگی و زمان استفاده از آنها برای فرمول‌بندی راه حل‌ها و زمینه مناسب برای هریک از آنها نیاز دارد…