در این قسمت ترجمه مقاله TFWO برای حل مسائل بهینه سازی Turbulent Flow of Water based قرار گرفته شده است. ترجمه مقاله A novel and effective optimization algorithm for global optimization and its engineering applications: Turbulent Flow of Water-based Optimization در 30 صفحه در قالب Word آماده شده است. این مقاله یک روش بهینه سازی با نام الگوریتم مبتنی بر جریان توربولانس آب یا گرداب را معرفی می کند. الگوریتم TFWO از یک پدیده جستجوی طبیعت الهام گرفته شده است، یعنی گرداب های ایجاد شده در جریان توربولانس آب، و یک الگوریتم متاهیورستیک یا فرا ابتکاری است.

این الگوریتم توسط مجتبی قاسمی (Mojtaba Ghasemi) و همکارانش در سال 2020 در مقاله ای با عنوان Turbulent Flow of Water-based Optimization در ژورنال Engineering Applications of Artificial Intelligence پایگاه علمی Elsevier ارائه شده است. در ادامه به معرفی این الگوریتم بهینه سازی پرداخته می شود. برای دانلود مقاله اصلی روی لینک زیر کلیک کنید.

دانلود مقاله اصلی

چکیده انگلیسی

In this study we present a new and effective grouping optimization algorithm (namely, the Turbulent Flow of Water-based Optimization (TFWO)), inspired from a nature search phenomenon, i.e. whirlpools created in turbulent flow of water, for global real-world optimization problems. In the proposed algorithm, the problem of selecting control parameters is eliminated, the convergence power is increased and the algorithm have a fixed structure. The proposed algorithm is used to find the global solutions of real-parameter benchmark functions with different dimensions.

Besides, in order to further investigate the effectiveness of TFWO, it was used to solve various types of nonlinear Economic Load Dispatch (ELD) optimization problems in power systems and Reliability–Redundancy Allocation Optimization (RRAO) for the overspeed protection system of a gas turbine, as two real-world engineering optimization problems. The results of TFWO are compared with other algorithms, which provide evidence for efficient performance with superior solution quality of the proposed TFWO algorithm in solving a great range of real-parameter benchmark and real-world engineering problems.  Also, the results prove the competitive performance and robustness of TFWO algorithm compared to other state-of-the-art optimization algorithms in this study.

چکیده فارسی

در این مطالعه ما یک الگوریتم بهینه سازی گروه بندی جدید و مؤثر را ارائه می دهیم (یعنی مبتنی بر جریان توربولانس آب (TFWO) ، که از یک پدیده جستجوی طبیعت الهام گرفته شده است، یعنی گرداب های ایجاد شده در جریان توربولانس آب، برای بهینه سازی مسائل واقعی سراسری. در الگوریتم پیشنهادی، مشکلات انتخاب پارامترهای کنترل حذف شده است، قدرت همگرایی افزایش یافته و الگوریتم ساختار ثابت دارد. الگوریتم پیشنهادی برای یافتن راه حل های سراسری برای توابع معیار با پارامتر واقعی با ابعاد مختلف استفاده می شود. علاوه بر این، به منظور بررسی بیشتر اثربخشی TFWO، از آن برای حل انواع مسائل بهینه سازی ارسال بار اقتصادی غیر خطی در سیستم های قدرت/برق ELD بهینه سازی اختصاصی اعتبار-افزونگیRRAO برای سیستم حفاظت بیش ازحد از یک توربین گازی، به عنوان دو مشکل بهینه سازی مهندسی در دنیای واقعی استفاده می شود.

نتایج TFWO با سایر الگوریتم ها مقایسه شده است، که شواهدی برای عملکرد کارآمد با کیفیت راه حل برتر از الگوریتم پیشنهادی TFWO در حل طیف گسترده ای از معیار پارامتر واقعی و مشکلات مهندسی در دنیای واقعی ارائه می دهد. همچنین، نتایج، عملکرد رقابتی و قوی بودن الگوریتم TFWO را در مقایسه با سایر الگوریتم های بهینه سازی پیشرفته در این مطالعه اثبات می کند.

درباره محصول

ترجمه مقاله TFWO به فارسی ( یک الگوریتم جدید و بهینه سازی مؤثر برای بهینه سازی سراسری و کاربردهای مهندسی آن: مبتنی بر جریان توربولانس آب (TFWO)) عنوان محصولی است که در قالب ورد به تعداد 30 صفحه بصورت دقیق و روان توسط متخصصان ترجمه رشته کامپیوتر انجام شده است. این ترجمه از طرف کارشناسان پی استور بررسی شده و محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید به محض خرید لینک دانلود در دسترس خواهد بود.

1 دیدگاه برای ترجمه مقاله TFWO برای حل مسائل بهینه سازی Turbulent Flow of Water based

  1. امین جلیل زاده

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *