دانلود مقالات ISI درباره بهینهسازی گروه مورچهها + ترجمه فارسی
Ant Colony Optimization
آشنایی با موضوع
الگوریتم Ant colony Optimization که به اختصار ACO نامیده می شود و به نامهای الگوریتم کلونی مورچگان و بهینه سازی کلونی مورچه ها در ایران شناخته می شود یکی از شناخته شده ترین الگوریتم های بهینه سازی تکاملی است.
مورچهها این قابلیت را دارند که میتوانند با تولید فرومون، کوتاهترین مسیر به غذا را بیابند. مورچهها مسیر غذا را توسط فرمون، پیدا میکنند. مورچههایی که کوتاهترین مسیر را انتخاب میکنند، نسبت به آنهایی که مسیر طولانیتری را انتخاب میکنند، دنبالهی فرمون شدیدتری، ایجاد میکنند. از آنجاکه فرمون شدیدتر، مورچهها را بهتر جذب میکند، مورچههای بیشتر و بیشتری، مسیر کوتاهتر را انتخاب میکنند تا آنجاکه همهی مورچهها، کوتاهترین مسیر را یافته و از آن مسیر حرکت میکنند. برای بررسی بیشتر موضوع، فرض میکنیم که به عنوان مثال، سه مسیر به منبع غذا وجود دارند که دارای طول متفاوتی هستند. مورچهها، هر سه مسیر را با احتمالات یکسان، انتخاب میکنند. مورچههایی که مسیر کوتاهتر را رفته و برگشتهاند، بیشترین فرمون را زودتر از بقیه تولید میکنند. در نتیجه، مورچههای دیگر این مسیر را زودتر انتخاب کرده و به نوبهی خود، سطح فرمون این مسیر را تقویت میکنند. در نهایت همهی مورچهها، کوتاهترین مسیر به غذا را میپیمایند.
<تبخیر شدن فرومون> و <احتمال-تصادف>به مورچهها امکان پیدا کردن کوتاهترین مسیر را میدهد. این دو ویژگی باعث ایجاد انعطاف در حل هرگونه مسئله بهینهسازی میشوند. مثلاً در گراف شهرهای مسئله فروشنده دوره گرد، اگر یکی از یالها (یا گرهها) حذف شود الگوریتم این توانایی را دارد تا به سرعت مسیر بهینه را با توجه به شرایط جدید پیدا کند. به این ترتیب که اگر یال (یا گرهای) حذف شود دیگر لازم نیست که الگوریتم از ابتدا مسئله را حل کند بلکه از جایی که مسئله حل شده تا محل حذف یال (یا گره) هنوز بهترین مسیر را داریم، از این به بعد مورچهها میتوانند پس از مدت کوتاهی مسیر بهینه (کوتاهترین) را بیابند.
کاربردهای ACO
از کاربردهای ACO میتوان به بهینه کردن هر مسئلهای که نیاز به یافتن کوتاهترین مسیر دارد، اشاره نمود:
۱. مسیر یابی داخل شهری و بین شهری.
۲. مسیر یابی بین پستهای شبکههای توزیع برق ولتاژ بالا.
۳. مسیر یابی شبکههای کامپیوتری. ۴-استفاده ازوب. ۵-استفاده ازACOدربهینه سازی شبکههای توزیع آب و…
الگوریتم
پروسهٔ پیدا کردن کوتاهترین مسیر توسط مورچهها، ویژگیهای بسیار جالبی دارد، اول از همه قابلیت تعمیم زیاد و خود- سازمانده بودن آن است. در ضمن هیچ مکانیزم کنترل مرکزی ای وجود ندارد. ویژگی دوم قدرت زیاد آن است. سیستم شامل تعداد زیادی از عواملی است که به تنهایی بیاهمیت هستند بنابراین حتی تلفات یک عامل مهم، تأثیر زیادی روی کارایی سیستم ندارد. سومین ویژگی این است که، پروسه یک فرایند تطبیقی است. از آنجا که رفتار هیچکدام از مورچهها معین نیست و تعدادی از مورچهها همچنان مسیر طولانیتر را انتخاب میکنند، سیستم میتواند خود را با تغییرات محیط منطبق کند و ویژگی آخر اینکه این پروسه قابل توسعه است و میتواند به اندازهٔ دلخواه بزرگ شود. همین ویژگیها الهام بخش طراحی الگوریتمهایی شدهاند که در مسائلی که نیازمند این ویژگیها هستند کاربرد دارند. اولین الگوریتمی که بر این اساس معرفی شد، الگوریتم ABC بود. چند نمونه دیگر از این الگوریتمها عبارتند از: AntNet،ARA،PERA،AntHocNet.
در این صفحه تعداد 650 مقاله تخصصی درباره بهینهسازی گروه مورچهها که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید. در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI بهینهسازی گروه مورچهها (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند. در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Keywords: بهینهسازی گروه مورچهها ; Ant Colony Optimization; Adaptive tour construction; Adaptive pheromone updating; Ant System; Traveling salesman problem;
Keywords: بهینهسازی گروه مورچهها ; Wireless body area network; Ant colony optimization; Bayesian game model; Sensor network; Message latency; Network lifetime;
Keywords: بهینهسازی گروه مورچهها ; Hierarchical multi-label classification; Ant colony optimization; Hierarchical single label classification; Bioinformatics data sets with gene ontology and FunCat; Protein function prediction; Correlation based IF-THEN rule list; HmAntMiner-C;
Keywords: بهینهسازی گروه مورچهها ; ACO; ant colony optimization; TSP; travelling salesman problem; α (alpha); a parameter used in Eq. (1) and is an exponent that determines how much the pheromone trail has influence in the final probability; Ï(rho); a parameter used in Eq. (2) and is a r
Keywords: بهینهسازی گروه مورچهها ; Parallel machine scheduling; Fuzzy number ranking; Ant colony optimization; Hybrid metaheuristic; Spread of fuzziness;
Keywords: بهینهسازی گروه مورچهها ; classification; ant colony optimization; medical data classification; preprocessing; feature subset selection; discretization
Keywords: بهینهسازی گروه مورچهها ; Wireless sensor networks; Energy hole; Energy consumption minimization; Energy consumption balancing; Ant colony optimization
Keywords: بهینهسازی گروه مورچهها ; System-on-Chip; Network-on-Chip; Wireless Network-on-Chip; Architecture; Ant Colony Optimization; Max–Min Ant System
Keywords: بهینهسازی گروه مورچهها ; Production planning; Conflict resolution; Complex product system; Group manufacturing; Ant colony optimization; Shapley value
Keywords: بهینهسازی گروه مورچهها ; Automated trajectory design; Space debris mitigation; Ant colony optimization; Multi-agent auctions; Vehicle routing problem