دانلود مقاله ISI انگلیسی شماره 78845
عنوان فارسی مقاله

تکامل Monkey King: یک الگوریتم تکاملی ممتیک جدید و کاربرد آن در بهینه سازی مصرف سوخت وسایل نقلیه

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
78845 2016 14 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Monkey King Evolution: A new memetic evolutionary algorithm and its application in vehicle fuel consumption optimization
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Knowledge-Based Systems, Volume 97, 1 April 2016, Pages 144–157

کلمات کلیدی
تابع معیار؛ مصرف سوخت؛ الگوریتم تکاملی Monkey King؛ تعداد ارزیابی تابع؛ انواع ازدحام ذرات؛ ناوبری وسایل نقلیه
پیش نمایش مقاله
پیش نمایش مقاله تکامل Monkey King: یک الگوریتم تکاملی ممتیک جدید و کاربرد آن در بهینه سازی مصرف سوخت وسایل نقلیه

چکیده انگلیسی

Optimization algorithms are proposed to tackle different complex problems in different areas. In this paper, we firstly put forward a new memetic evolutionary algorithm, named Monkey King Evolutionary (MKE) Algorithm, for global optimization. Then we make a deep analysis of three update schemes for the proposed algorithm. Finally we give an application of this algorithm to solve least gasoline consumption optimization (find the least gasoline consumption path) for vehicle navigation. Although there are many simple and applicable optimization algorithms, such as particle swarm optimization variants (including the canonical PSO, Inertia Weighted PSO, Constriction Coefficients PSO, Fully Informed Particle Swarm, Comprehensive Learning Particle Swarm Optimization, Dynamic Neighborhood Learning Particle Swarm). These algorithms are less powerful than the proposed algorithm in this paper. 28 benchmark functions from BBOB2009 and CEC2013 are used for the validation of robustness and accuracy. Comparison results show that our algorithm outperforms particle swarm optimizer variants not only on robustness and optimization accuracy, but also on convergence speed. Benchmark functions of CEC2008 for large scale optimization are also used to test the large scale optimization characteristic of the proposed algorithm, and it also outperforms others. Finally, we use this algorithm to find the least gasoline consumption path in vehicle navigation, and conducted experiments show that the proposed algorithm outperforms A* algorithm and Dijkstra algorithm as well.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.