https://virgool.io/feed/@metaheuristic ارائه دهنده‌ی انواع مقالات و الگوریتم‌های فراابتکاری به صورت کاملا آکادمیک fa 2026-06-17 09:49:43 https://files.virgool.io/upload/users/156749/avatar/D6A3YJ.png?height=120&width=120 https://virgool.io/@metaheuristic https://virgool.io/@metaheuristic/woa-ghvgbmhm49jb الگوریتم نهنگ WOAاین مقاله الهام گرفته از یک الگوریتم فراابتکاری طبیعی به نام الگوریتم بهینه‌سازی نهنگ (WOA) می‌باشد، که عملکرد آن شبیه به رفتار اجتماعی نهنگ‌های کوهان‌دار می‌باشد. این الگوریتم، از استراتژی شکار Bubble-Net نهنگ‌ها الهام گرفته شده است. الگوریتم WOA با ۲۹ مسئله‌ی بهینه‌سازی ریاضی و ۶ مسئله طراحی ساختاری مورد آزمایش قرار گرفته شده است. نتایج بهینه‌سازی ثابت می‌کند که الگوریتم WOA در مقایسه با سایر الگوریتم‌های فراابتکاری متداول و روش‌های مرسوم، بسیار رقابتی هستند.الگوریتم نهنگ WOAلینک‌های دانلود:مقاله اصلی الگوریتم بهینه‌سازی نهنگاسلاید ارائه الگوریتم بهینه‌سازی نهنگترجمه و گزارش الگوریتم بهینه‌سازی نهنگکد و پیاده‌سازی الگوریتمبهینه‌سازی نهنگ الگوریتم‌های فراابتکاری الگوریتم‌های فراابتکاری Sun, 05 Apr 2020 14:18:34 +0430 https://virgool.io/@metaheuristic/fed-rvmy3lgmijlp تشخیص لبه با مجموعه فازیتقسیم‌بندی تصویر یکی از مسائلی ست که در زمینه تجزیه وتحلیل تصاویر، دید رایانه‌ای، تشخیص الگو و غیره بیشتر مورد بررسی قرار گرفته است. تشخیص لبه یک رویکرد مبتنی بر عدم پیوستگی است که در تقسیم‌بندی تصویر مورد استفاده قرار می‌گیرد. تشخیص لبه‌ای که در اینجا پیشنهاد می‌شود با استفاده از مجموعه فازی بوده که در ان یک تصویر بعنوان یک مجموعه فازی محسوب شده و هر پیکسل آن بعنوان عناصر مجموعه فازی در نظر گرفته می‌شوند. روش پیشنهادی تصویر رنگی را به یک تصویر تقسیم شده جزئی‌تر تقسیم می‌کند. در نهایت تشخیص لبه بر روی تصویر تقسیم شده جزئی می‌پیچد تا تصویر کم کم حاصل شود. این روش در متلب  (R2010) پیاده سازی شده است. در این مقاله سعی بر این شده تا با استفاده از ارزیابی تشخیص لبه، اصل زمینه به صورت کمی و کیفی مقایسه انجام شود. از ۳۰ تصویر BSD و حقایق مربوط به زمین برای آزمایش استفاده شده است. در اینجا از پارامترهای عملکرد (PSNR(dB و نسبت عملکرد (PR) لبه‌های درست به غلط استفاده شده است. نتایج تجربی نشان می دهد روش پیشنهادی در مقایسه با الگوریتم تشخیص لبه Canny تقریبا در تمامی زمینه‌ها مقادیر PSNR و PR بالایی می‌دهد. روش پیشنهادی شناسایی لبه‌های کاذب را کاهش داده و شناسایی لبه‌های دوگانه را به حداقل می‌رساند.تشخیص لبه با مجموعه فازیلینک‌های دانلود:مقاله اصلی تشخیص لبه با مجموعه فازیاسلاید ارائه تشخیص لبه با مجموعه فازیترجمه و گزارش تشخیص لبه با مجموعه فازیکد و پیاده‌سازی تشخیص لبه با مجموعه فازی الگوریتم‌های فراابتکاری الگوریتم‌های فراابتکاری Thu, 02 Apr 2020 14:17:07 +0430 https://virgool.io/@metaheuristic/%D8%A7%D9%84%DA%AF%D9%88%D8%B1%DB%8C%D8%AA%D9%85-%D8%A7%D8%B2%D8%AF%D8%AD%D8%A7%D9%85-%D8%B3%D8%A7%D9%84%D9%BE-%D8%A8%D8%A7-%D8%A7%D8%B3%D8%AA%D8%B1%D8%A7%D8%AA%DA%98%DB%8C-%D8%A8%D8%B1%D8%B4-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AD%D9%84-%D9%85%D8%B3%D8%A7%D9%84%D9%87%DB%8C-%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D9%88%DB%8C%DA%98%DA%AF%DB%8C-plyxwvtprxww الگوریتم BSAAجستجو برای انتخاب زیر مجموعه‌های بهینه (نزدیک) در فرآیند انتخاب ویژگی (FS) یک مساله‌ی چالش برانگیز است. در ادبیات، الگوریتم‌های هوش ازدحامی (SI) عملکرد فوق العاده‌ای را در حل این مسائل نشان داده‌اند. این عملکرد باعث شد ما الگوریتم ازدحام سالپ (SSA) که اخیرا پیشنهاد شده است، را مورد آزمایش قرار دهیم. به همین ترتیب، دو رویکرد جدید FS پوششی که از SSA به عنوان استراتژی جستجو استفاده می‌کنند را پیشنهاد می‌دهیم. در اولین رویکرد، هشت تابع انتقال برای تبدیل نسخه پیوسته SSA به دودویی استفاده می‌شود. در رویکرد دوم، عملگر برش علاوه بر تابع انتقال برای جایگزینی عملگر میانگین و بهبود رفتار اکتشافی الگوریتم استفاده می‌شود. روش‌های پیشنهادی در ۲۲ مجموعه داد‌ی شناخته شده‌ی UCI مورد ارزیابی قرار می‌گیرند و نتایج با ۵ روش FS مقایسه می‌شوند: الگوریتم جستجو گرانشی دودویی (BGSA)، الگوریتم خفاش دودویی (BBA)، بهینه‌سازی ذرات دودویی (BPSO) و الگوریتم ژنتیک (GA). در این مقاله همچنین بررسی گسترده‌ای از تنظیم پارامتر برای روش پیشنهادی را در نظر گرفته شده است. از نتایج، مشاهده شده است که رویکرد پیشنهادی به طور قابل توجهی در بیش از ۹۰٪ از مجموعه داده‌ها، نسبت به سایر روش‌ها بهبود داشته است. الگوریتم ازدحام سالپ با استراتژی برشلینک‌های دانلود:مقاله اصلی الگوریتم ازدحام سالپ با استراتژی برشاسلاید ارائه الگوریتم ازدحام سالپ با استراتژی برشترجمه و گزارش الگوریتم ازدحام سالپ با استراتژی برشکد و پیاده‌سازی الگوریتم ازدحام سالپ با استراتژی برش الگوریتم‌های فراابتکاری الگوریتم‌های فراابتکاری Fri, 27 Mar 2020 13:11:34 +0430 https://virgool.io/@metaheuristic/hho-zkyycqwxuukx الگوریتم HHOالگوریتم بازشکاری هریس یک الگوریتم بهینه‌سازی مبتنی بر جمعیت و با الهام از طبیعت، ارائه شده است که به آن بهینه‌ساز بازهای شکاری هریس (HHO) گفته می‌شود. بخش اصلی HHO، از رفتار مشارکتی و سبک تعقیب باز هریس در طبیعت به نام یورش غافلگیرانه الهام گرفته شده است. در این استراتژی هوشمند، چندین باز به طور تعاونی طعمه‌ای را از جهات مختلف برای غافلگیر کردن شکار می‌کنند باز هریس می‌تواند براساس ماهیت پویا سناریوها و الگوهای گریز از طعمه، الگوهای مختلفی را تعقیب کند. این کار به طور ریاضی از چنین الگوهای و رفتارهای پویا تقلید می‌کند تا یک الگوریتم بهینه‌سازی را توسعه داد. اثرات بهینه‌ساز HHO پیشنهادی، از طریق مقایسه با سایر تکنیک‌های الهام بخش از طبیعت، بر روی 29 مساله‌ی محک و چندین مشکل مهندسی در دنیای واقعی بررسی می‌شود. نتایج آماری و مقایسه‌ها نشان می‌دهد که الگوریتم HHO نتایج بسیار امیدوار‌کننده و گاها رقابتی را در مقایسه با سایر تکنیک‌های فراابتکاری دارد.الگوریتم شاهین هریسلینک‌های دانلود:مقاله اصلی الگوریتم بازشکاری هریساسلاید ارائه الگوریتم بازشکاری هریسترجمه و گزارش الگوریتم بازشکاری هریسکد و پیاده‌سازی الگوریتم بازشکاری هریس الگوریتم‌های فراابتکاری الگوریتم‌های فراابتکاری Wed, 25 Mar 2020 17:36:14 +0430