دانلود مقاله رفتار كوانتوم گاوسين در رهيافت هاي بهينه سازي ذرات براي مسائل طراحي مهندسي محدود
تعداد کلمات فایل انگلیسی:4799 کلمه 8 صفحه pdf
تعداد صفحات فایل ترجمه:21 صفحه word فونت 14 B Nazanin
رفتار كوانتوم گاوسين در رهيافت هاي بهينه سازي ذرات براي مسائل طراحي مهندسي محدود
چكيده
بهينه سازي گروهي ذرات يا PSO يك الگوريتم هوشمند گروهي مبتني بر جمعيت است كه بسياري از تشابهات را با تكنيك هاي محاسباتي ارزيابي به اشتراك مي گذارد. به هرحال، PSO توسط شبيه سازي يك عبارت كنايي روانشناسي اجتماعي به دست آمده است كه از رفتار تجمعي پرندگان و ديگر ارگانيسم هاي اجتماعي سرنشات گرفته و به جاي بقاء‌تناسب افراد مورد استفاده مي باشد. با الهام از روش كلاسيك PSO و نظريه هاي مكانيك كوانتومي، اين پ‍ژوهش روي رهيافت هاي رفتار كوانتومي جديد PSO يا QPSO با استفاده از عملگر جهش با توزيع احتمال گاوسين كار مي كند. اين عملكرد جهش گاوسين به جاي توالي تصادفي در QPSO مطرح شده كه استرات‍ژي قوي را براي بهبود عملكرد QPSO در همگرايي جهش به سمت بهينه سازي محلي شكل مي دهد. در اين مقاله، تركيبات جديدي از QPSO و توزيع احتمال گاوسين بيان مي گردد كه مسائل بهينه سازي پيوسته را به خوبي در طراحي مهندسي مورد مطالعه قرار مي دهد. دو مورد مطالعاتي توصيف و ارزيابي در اين مقاله مطرح مي گردد. نتايج ما ، بيانگر رهيافت هاي QPSO گاوسين است كه چنين مسائلي به صورت موثر در دقت و همگرايي بسياري موارد نقش داشته و نتايج مربوطه را در اين مقاله شكل مي دهد.
لغات كليدي:بهينه سازي ذرات ، محاسبات كوانتوم، طراحي مكانيكي، توزيع گاوسين، بهينه سازي پيوسته، طراحي مهندسي، هوشمندي گروهي ذرات.
Gaussian quantum-behaved particle swarm optimization approaches for constrained engineering design problems
Leandro dos Santos Coelho *
Pontifical Catholic University of Paraná, Graduate Program in Industrial and Systems Engineering, Automation and Systems Laboratory, PUCPR/PPGEPS Imaculada Conceição, 1155, 80215-901 Curitiba, PR, Brazil
ABSTRACT
Particle swarm optimization (PSO) is a population-based swarm intelligence algorithm that shares many similarities with evolutionary computation techniques. However, the PSO is driven by the simulation of a social psychological metaphor motivated by collective behaviors of bird and other social organisms instead of the survival of the fittest individual. Inspired by the classical PSO method and quantum mechanics theories, this work presents novel quantum-behaved PSO (QPSO) approaches using mutation operator with Gaussian probability distribution. The application of Gaussian mutation operator instead of random sequences in QPSO is a powerful strategy to improve the QPSO performance in preventing pre¬mature convergence to local optima. In this paper, new combinations of QPSO and Gaussian probability distribution are employed in well-studied continuous optimization problems of engineering design. Two case studies are described and evaluated in this work. Our results indicate that Gaussian QPSO approaches handle such problems efficiently in terms of precision and convergence and, in most cases, they outperform the results presented in the literature
Keywords: Particle swarm optimization Quantum computation Mechanical design Gaussian distribution Continuous optimization Engineering design Swarm intelligence
کد:4-10994
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله رفتار كوانتوم گاوسين در رهيافت هاي بهينه سازي ذرات براي مسائل طراحي مهندسي محدود
تعداد کلمات فایل انگلیسی:4799 کلمه 8 صفحه pdf
تعداد صفحات فایل ترجمه:21 صفحه word فونت 14 B Nazanin
رفتار كوانتوم گاوسين در رهيافت هاي بهينه سازي ذرات براي مسائل طراحي مهندسي محدود
چكيده
بهينه سازي گروهي ذرات يا PSO يك الگوريتم هوشمند گروهي مبتني بر جمعيت است كه بسياري از تشابهات را با تكنيك هاي محاسباتي ارزيابي به اشتراك مي گذارد. به هرحال، PSO توسط شبيه سازي يك عبارت كنايي روانشناسي اجتماعي به دست آمده است كه از رفتار تجمعي پرندگان و ديگر ارگانيسم هاي اجتماعي سرنشات گرفته و به جاي بقاء‌تناسب افراد مورد استفاده مي باشد. با الهام از روش كلاسيك PSO و نظريه هاي مكانيك كوانتومي، اين پ‍ژوهش روي رهيافت هاي رفتار كوانتومي جديد PSO يا QPSO با استفاده از عملگر جهش با توزيع احتمال گاوسين كار مي كند. اين عملكرد جهش گاوسين به جاي توالي تصادفي در QPSO مطرح شده كه استرات‍ژي قوي را براي بهبود عملكرد QPSO در همگرايي جهش به سمت بهينه سازي محلي شكل مي دهد. در اين مقاله، تركيبات جديدي از QPSO و توزيع احتمال گاوسين بيان مي گردد كه مسائل بهينه سازي پيوسته را به خوبي در طراحي مهندسي مورد مطالعه قرار مي دهد. دو مورد مطالعاتي توصيف و ارزيابي در اين مقاله مطرح مي گردد. نتايج ما ، بيانگر رهيافت هاي QPSO گاوسين است كه چنين مسائلي به صورت موثر در دقت و همگرايي بسياري موارد نقش داشته و نتايج مربوطه را در اين مقاله شكل مي دهد.
لغات كليدي:بهينه سازي ذرات ، محاسبات كوانتوم، طراحي مكانيكي، توزيع گاوسين، بهينه سازي پيوسته، طراحي مهندسي، هوشمندي گروهي ذرات.
Gaussian quantum-behaved particle swarm optimization approaches for constrained engineering design problems
Leandro dos Santos Coelho *
Pontifical Catholic University of Paraná, Graduate Program in Industrial and Systems Engineering, Automation and Systems Laboratory, PUCPR/PPGEPS Imaculada Conceição, 1155, 80215-901 Curitiba, PR, Brazil
ABSTRACT
Particle swarm optimization (PSO) is a population-based swarm intelligence algorithm that shares many similarities with evolutionary computation techniques. However, the PSO is driven by the simulation of a social psychological metaphor motivated by collective behaviors of bird and other social organisms instead of the survival of the fittest individual. Inspired by the classical PSO method and quantum mechanics theories, this work presents novel quantum-behaved PSO (QPSO) approaches using mutation operator with Gaussian probability distribution. The application of Gaussian mutation operator instead of random sequences in QPSO is a powerful strategy to improve the QPSO performance in preventing pre¬mature convergence to local optima. In this paper, new combinations of QPSO and Gaussian probability distribution are employed in well-studied continuous optimization problems of engineering design. Two case studies are described and evaluated in this work. Our results indicate that Gaussian QPSO approaches handle such problems efficiently in terms of precision and convergence and, in most cases, they outperform the results presented in the literature
Keywords: Particle swarm optimization Quantum computation Mechanical design Gaussian distribution Continuous optimization Engineering design Swarm intelligence
کد:4-10994
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com