مقاله اصلی الگوریتم
Abstract:
In this paper, a novel population-based, nature-inspired optimization paradigm is proposed, which is called Harris Hawks Optimizer (HHO). The main inspiration of HHO is the cooperative behavior and chasing style of Harris’ hawks in nature called surprise pounce. In this intelligent strategy, several hawks cooperatively pounce a prey from different directions in an attempt to surprise it. Harris hawks can reveal a variety of chasing patterns based on the dynamic nature of scenarios and escaping patterns of the prey. This work mathematically mimics such dynamic patterns and behaviors to develop an optimization algorithm. The effectiveness of the proposed HHO optimizer is checked, through a comparison with other nature-inspired techniques, on 29 benchmark problems and several real-world engineering problems. The statistical results and comparisons show that the HHO algorithm provides very promising and occasionally competitive results compared to well-established metaheuristic techniques.
اسلاید ارائه الگوریتم
اسلاید الگوریتم بهینهسازی بازشکاری هریسHHO در پنج بخش اصلی براساس مقالهی اصلی با طراحی آکادمیک تنظیم شده است :
ترجمه و گزارش الگوریتم
چکیده:
در این مقاله، 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.
کد و پیادهسازی الگوریتم
پیادهسازی الگوریتمهای فراابتکاری
فرایند طراحی و پیادهسازی الگوریتمهای فراابتکاری دارای سه مرحلهی متوالی است که هر کدام از آنها دارای گامهای مختلفی هستند. در هر گام فعالیتهایی باید انجام شود تا آن گام کامل شود.
امروزه استفاده از نرمافزارهای کامپیوتری جهت انجام محاسبات ریاضی و حل معادلات و اجرای الگوریتمهای پیچیده بسیار پر کاربرد میباشد. نرمافزار Matlab به جهت راحتی در استفاده و گسترش و ساده و و روان بودن جهت کد کردن الگوریتم و مدلها، از پرکاربرد ترین نرمافزارها میباشد.
ارتباط با بخش پشتیبانی
درباره این سایت