الگوریتم گرگ خاکستری

مقاله اصلی الگوریتم

Abstract:

This work proposes a new meta-heuristic called Grey Wolf Optimizer (GWO) inspired by grey wolves (Canis lupus). The GWO algorithm mimics the leadership hierarchy and hunting mechanism of grey wolves in nature. Four types of grey wolves such as alpha, beta, delta, and omega are employed for simulating the leadership hierarchy. In addition, the three main steps of hunting, searching for prey, encircling prey, and attacking prey, are implemented.

 

1.  
2. Title: Grey Wolf Optimizer
3. Journals : Advances in Engineering Software
4. Impact Factor: 1.673
5. Accepted: 11 December 2013
6. Page: 16

 

اسلاید ارائه الگوریتم

اسلاید الگوریتم گرگ خاکستری GWO  در سه بخش اصلی براساس مقاله‌ی اصلی با طراحی آکادمیک تنظیم شده است :

• تاریخچه و ایده‌ی اصلی الگوریتم
• مدل‌سازی  ریاضی ایده
• شبه کد الگوریتم

1. عنوان: Grey Wolf Optimizer (GWO)
2. تعداد صفحات: ۱۴
3. زبان: انگلیسی
4. فایل پاورپوینت داری یادداشت (note) می‌باشد

 

ترجمه و گزارش الگوریتم

چکیده:

در این مقاله یک الگوریتم فراابتکاری جدید به نام بهینه‌ساز گرگ خاکستری (GWO) با الهام از زندگی گرگ‌های خاکستری ارائه داده‌ایم. این الگوریتم تقلیدی از سلسله مراتب رهبری و فرآیند شکار گرگ خاکستری در طبیعت است. از چهار نوع گرگ خاکستری مانند alpha، beta، delta و omega برای شبیه‌سازی سلسله مراتب رهبری گرگ‌ها استفاده‌ کرده‌ایم. علاوه بر این، سه گام اصلی در فرایند شکار (جستجوی‌طعمه، محاصره‌ی طعمه، و حمله به طعمه) را نیز در این الگوریتم پیاده‌سازی کرده‌ایم.

علاوه بر ترجمه کامل مقاله، مباحثی مرتبط و تکمیلی نیز در گزارش گنجانده شده است.

1. تعداد صفحات: ۱۰
2. زبان: فارسی
3. فرمت: Word

 

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.

• آماده‌سازی: که در آن باید شناخت دقیقی از مسئله‌ای که می‌خواهیم حل کنیم بدست آوریم، و اهداف طراحی الگوریتم فراابتکاری برای آن باید با توجه به روش‌های حل موجود برای این مسئله به طور واضح و شفاف مشخص شود
• ساخت نام: مهمترین اهداف این مرحله انتخاب استراتژی حل، تعریف معیارهای اندازه گیری عملکرد، و طراحی الگوریتم برای استراتژی حل انتخابی می‌باشد
•  پیاده‌سازی: که در آن پیاده‌سازی الگوریتم طراحی شده در مرحله‌ی قبل، شامل تنظیم پارامترها، تحلیل عملکرد، و در نهایت تدوین و تهیه گزارش نتایج باید انجام 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.

1. زبان برنامه نویسی : Matlab
2. تعداد فایل‌ها : ۳

 

ارتباط با بخش پشتیبانی

1. ارتباط با پشتیبان از طریق تلگرام
2. ارتباط با پشتیبان از طریق ایمیل