کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6858198 661922 2014 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An evolutionary membrane algorithm for global numerical optimization problems
ترجمه فارسی عنوان
الگوریتم غشایی تکاملی برای مسائل بهینه سازی عددی جهانی
کلمات کلیدی
الگوریتم غشای تکاملی، سیستم غشایی، اتوماتای ​​سلولی، محاسبات مولکولی، بهینه سازی عددی جهانی،
ترجمه چکیده
الگوریتم های الهام گرفته از طبیعت برای بهینه سازی، موضوعات مهم در زمینه های هوش محاسباتی هستند. سهم این مقاله ارائه یک الگوریتم جدید تکاملی هوشمند اکتشافی مبتنی بر سیستم های غشایی برای حل مشکلات بهینه سازی عددی جهانی است. الگوریتم پیشنهادی از اجزای اساسی سیستم های غشائی، از جمله چندگانه، قوانین واکنش و ساختار غشایی استفاده می کند. علاوه بر این، الگوریتم پیشنهادی شامل اطلاعاتی از اشیاء نماد مجاور است تا بتواند به طور موثر به سمت پیشرفت جهانی دست یابد. به طور خاص، اشیاء نماد توسط مدل اتوماتیک سلولی تکامل یافته است که قوانین بازنویسی را برای تبادل اطلاعات از اشیاء نماد مجاور ایجاد می کند. علاوه بر این، به اشتراک گذاری اطلاعات در غشای پوست پیاده سازی شده است، که سرعت الگوریتم پیشنهاد شده را برای یافتن راه حل مطلوب جهانی تسریع می کند. در تحقیق گسترده ای، اثربخشی الگوریتم پیشنهادی با مشکلات بهینه سازی عددی جهانی نشان داده شده است. نتایج تجربی نشان می دهد که روش پیشنهادی بهینه ساز رقابتی در مقایسه با چهار الگوریتم تکاملی پیشرفته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
الگوریتم غشایی تکاملی برای مسائل بهینه سازی عددی جهانی
چکیده انگلیسی
Nature-inspired algorithms for optimization are significant topics in the areas of computational intelligence. The contribution of this paper is to present a new heuristic intelligent evolutionary algorithm based on membrane systems to solve the global numerical optimization problems. The proposed algorithm employs the fundamental ingredients of membrane systems, including multisets, reaction rules and membrane structure. In addition, the proposed algorithm incorporates information of the adjacent symbol-objects, to guide the evolution toward the global optimum, efficiently. More specifically, symbol-objects are evolved by the cellular automata model which invokes the rewrite rules to exchange the information of the adjacent symbol-objects. Moreover, sharing information in the skin membrane is implemented, which accelerates the speed of the proposed algorithm to find the global optimal solution. In the extensive experimental study, the effectiveness of the proposed algorithm is demonstrated with the benchmark global numeric optimization problems. The experimental results indicate that the proposed method is a competitive optimizer in comparison with the four state-of-the-art evolutionary algorithms.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 276, 20 August 2014, Pages 219-241
نویسندگان
, , ,