کیده
الگوریتم های جستجوی تصادفی که از طبیعت الهام می گیرند توجه بسیاری از محققان را برای حل مسائل بهینه سازی پیچیده ابعاد بالا و غیر خطی به خود جلب کرده است که روش های سنتی با شکست مواجه می شوند. الگوریتم جهش ترکیبی قورباغه (SFLA) اخیرا به خانواده الگوریتم های جستجوی تصادفی اضافه شده است که از روند جستجوی غذای قورباغه ها الهام گرفته شده است. SFLA کارآیی خود را در حل مسائل بهینه سازی گسسته و همچنین پیوسته ثابت کرده است. مطالعه حاضر به معرفی نسخه اصلاح شده ی SFLA می پردازد که از جهش مرکز ثقل هندسی به منظور افزایش سرعت همگرایی استفاده می کند. ای نوع با نام Centroid Mutated – SFLA (CM-SFLA) نام گذاری شده است. پیشنهاد بر روی پنج مسئله معیار و تصادف از سمت کنار ماشین اجرا شده است. نتایج شبیه سازی کارآمدی پیشنهاد را از نظر سرعت همگرایی و مقدار متوسط نشان می دهد.
کلمات کلید: الگوریتم جهش ترکیبی قورباغه، SFLA، بهینه سازی سراسری، مرکز ثقل هندسی، تصادفی، تصادف جانبی خودرو
—————————————————————————–
عنوان اصلی مقاله: Centroid Mutation Embedded Shuffled Frog-Leaping Algorithm
ترجمه فارسی عنوان: الگوریتم پرش ترکیبی قورباغه جاسازی شده جهش مرکزی
تعداد صفحات انگلیسی: ۸ صفحه
تعداد صفحات ترجمه فارسی: ۱۷ صفحه