دانلود مقاله ISI انگلیسی شماره 78940
ترجمه فارسی عنوان مقاله

هیبریداسیون الگوریتم های تکاملی چند هدفه و شبکه های عصبی مصنوعی برای بهینه سازی عملکرد درایوهای الکتریکی

عنوان انگلیسی
Hybridization of multi-objective evolutionary algorithms and artificial neural networks for optimizing the performance of electrical drives
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
78940 2013 14 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 10947 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 16 روز بعد از پرداخت 766,290 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 8 روز بعد از پرداخت 1,532,580 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

Journal : Engineering Applications of Artificial Intelligence, Volume 26, Issue 8, September 2013, Pages 1781–1794

ترجمه کلمات کلیدی
درایوهای الکتریکی؛ بهینه سازی عملکرد - الگوریتم های تکاملی چند هدفه؛ شبکه های عصبی مصنوعی پیشخوراند؛ ارزیابی تناسب اندام جایگزین؛ پیوند زنی
کلمات کلیدی انگلیسی
Electrical drives; Performance optimization; Multi-objective evolutionary algorithms; Feed-forward artificial neural networks; Surrogate fitness evaluation; Hybridization
پیش نمایش مقاله
پیش نمایش مقاله  هیبریداسیون الگوریتم های تکاملی چند هدفه و شبکه های عصبی مصنوعی برای بهینه سازی عملکرد درایوهای الکتریکی

چکیده انگلیسی

Performance optimization of electrical drives implies a lot of degrees of freedom in the variation of design parameters, which in turn makes the process overly complex and sometimes impossible to handle for classical analytical optimization approaches. This, and the fact that multiple non-independent design parameter have to be optimized synchronously, makes a soft computing approach based on multi-objective evolutionary algorithms (MOEAs) a feasible alternative. In this paper, we describe the application of the well known Non-dominated Sorting Genetic Algorithm II (NSGA-II) in order to obtain high-quality Pareto-optimal solutions for three optimization scenarios. The nature of these scenarios requires the usage of fitness evaluation functions that rely on very time-intensive finite element (FE) simulations. The key and novel aspect of our optimization procedure is the on-the-fly automated creation of highly accurate and stable surrogate fitness functions   based on artificial neural networks (ANNs). We employ these surrogate fitness functions in the middle and end parts of the NSGA-II run (→hybridization) in order to significantly reduce the very high computational effort required by the optimization process. The results show that by using this hybrid optimization procedure, the computation time of a single optimization run can be reduced by 46–72% while achieving Pareto-optimal solution sets with similar, or even slightly better, quality as those obtained when conducting NSGA-II runs that use FE simulations over the whole run-time of the optimization process.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 10947 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 16 روز بعد از پرداخت 766,290 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 8 روز بعد از پرداخت 1,532,580 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.