A Hybrid Meta-Heuristic Algorithm for High Performance Computing
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 255
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-51-1_010
تاریخ نمایه سازی: 11 مهر 1400
چکیده مقاله:
Regarding optimization problems, there is a high demand for high-performance algorithms that can process the problem solution-space efficiently and find the best ones quite quickly. An approach to get this target is based on using swarm intelligence algorithms; these algorithms apply a population of simple agents to communicate locally with one another and with their surroundings. In this paper, we propose a novel approach based on combining the characteristics of the two algorithms: Cat Swarm Optimization (CSO) and the Shuffled Frog Leaping Algorithm (SFLA). The experimental results show the convergence ratio of our hybrid SFLA-CSO algorithm is seven times higher than that of CSO and five times higher than the convergence ratio of the standard SFLA algorithm. The obtained results also revealed that the hybrid method speeds up the convergence significantly, and reduces the error rate. We compared the proposed hybrid algorithm against the famous relevant algorithms PSO, ACO, ABC, GA, and SA; the results are valuable and promising.
کلیدواژه ها:
نویسندگان
E. Mahdipour
Computer Engineering Department, Yazd University, Yazd, Iran.
M. Ghasemzadeh
Computer Engineering Department, Yazd University, Yazd, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :