چکیده فارسی :

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.

چکیده انگلیسی:

Stochastic search algorithms that take their inspiration from nature are gaining a great attention of many researchers to solve high dimension and non – linear complex optimization problems for which traditional methods fails. Shuffled frog – leaping algorithm (SFLA) is recent addition to the family of stochastic search algorithms that take its inspiration from the foraging process of frogs. SFLA has proved its efficacy in solving discrete as well as continuous optimization problems. The present study introduces a modified version of SFLA that uses geometric centroid mutation to enhance the convergence rate. The variant is named as Centroid Mutated – SFLA (CM-SFLA). The proposal is implemented on five benchmark and car side impact problem. Simulated results illustrate the efficacy of the proposal in terms of convergence speed and mean value.

Keywords: Shuffled frog – leaping algorithm ; SFLA ; Global optimization ; Geometric centroid ; Stochastic ; car side impact