فهرس المقالات Bat algorithm

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - An Improved Bat Algorithm with Grey Wolf Optimizer for Solving Continuous Optimization Problems
  narges jafari Farhad Soleimanian Gharehchopogh
  Metaheuristic algorithms are used to solve NP-hard optimization problems. These algorithms have two main components, i.e. exploration and exploitation, and try to strike a balance between exploration and exploitation to achieve the best possible near-optimal solution. T أکثر

  Metaheuristic algorithms are used to solve NP-hard optimization problems. These algorithms have two main components, i.e. exploration and exploitation, and try to strike a balance between exploration and exploitation to achieve the best possible near-optimal solution. The bat algorithm is one of the metaheuristic algorithms with poor exploration and exploitation. In this paper, exploration and exploitation processes of Gray Wolf Optimizer (GWO) algorithm are applied to some of the solutions produced by the bat algorithm. Therefore, part of the population of the bat algorithm is changed by two processes (i.e. exploration and exploitation) of GWO; the new population enters the bat algorithm population when its result is better than that of the exploitation and exploration operators of the bat algorithm. Thereby, better new solutions are introduced into the bat algorithm at each step. In this paper, 20 mathematic benchmark functions are used to evaluate and compare the proposed method. The simulation results show that the proposed method outperforms the bat algorithm and other metaheuristic algorithms in most implementations and has a high performance. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - An Improved Bat Algorithm based on Whale Optimization Algorithm for Data Clustering
  Neda Damya Farhad Soleimanian Gharehchopogh
  Clustering is a method of data analysis and one of the important methods in data mining that has been considered by researchers in many fields as well as in many disciplines. In this paper, we propose combining WOA with BA for data clustering. To assess the efficiency o أکثر

  Clustering is a method of data analysis and one of the important methods in data mining that has been considered by researchers in many fields as well as in many disciplines. In this paper, we propose combining WOA with BA for data clustering. To assess the efficiency of the proposed method, it has been applied in data clustering. In the proposed method, first, by examining BA thoroughly, the weaknesses of this algorithm in exploitation and exploration are identified. The proposed method focuses on improving BA exploitation. Therefore, in the proposed method, instead of the random selection step, one solution is selected from the best solutions, and some of the dimensions of the position vector in BA are replaced We change some of the best solutions with the step of reducing the encircled mechanism and updating the WOA spiral, and finally, after selecting the best exploitation between the two stages of WOA exploitation and BA exploitation, the desired changes are applied on solutions. We evaluate the performance of the proposed method in comparison with other meta-heuristic algorithms in the data clustering discussion using six datasets. The results of these experiments show that the proposed method is statistically much better than the standard BA and also the proposed method is better than the WOA. Overall, the proposed method was more robust and better than the Harmony Search Algorithm (HAS), Artificial Bee Colony (ABC), WOA and BA. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - پیش بینی بهینه بازده کوتاه مدت عرضه‌های اولیه با استفاده از الگوریتم‌های خفاش و جنگل تصادفی
  حسین رستمخانی بهروز خدارحمی آزیتا جهانشاد
  هدف این پژوهش، پیش‌بینی بازده کوتاه مدت سهام در عرضه‌های اولیه با استفاده از الگوریتم‌های خفاش و جنگل تصادفی می-باشد. در این تحقیق، شرکتهایی که طی بازه زمانی1394 تا1399 برای اولین بار در فرابورس ایران عرضه شده‌اند به عنوان نمونه آماری انتخاب شدند. برای تجزیه وتحلیل داده أکثر

  هدف این پژوهش، پیش‌بینی بازده کوتاه مدت سهام در عرضه‌های اولیه با استفاده از الگوریتم‌های خفاش و جنگل تصادفی می-باشد. در این تحقیق، شرکتهایی که طی بازه زمانی1394 تا1399 برای اولین بار در فرابورس ایران عرضه شده‌اند به عنوان نمونه آماری انتخاب شدند. برای تجزیه وتحلیل داده‌ها از نرم‌افزار MATLAB استفاده گردید. برای آزمون فرضیه‌ها دو سناریو طرح گردید. سناریوی اول بصورت سالانه و سناریوی دوم بصورت6ساله در نظر گرفته شد. داد‌ه‌های مالی با 11 عامل: بازده کوتاه مدت بازار، بازده کوتاه مدت سهام جدید، تمایلات بازار، سن شرکت، اندازه شرکت، فروش سالانه ، بازده دارایی، بازده حقوق صاحبان سهام، قیمت انتشار سهام عرضه اولیه، سود عملیاتی، گردش نقدی از عملیات به عنوان عوامل تاثیرگذار و بازده مازاد سهم عرضه شده نسبت به بازار عامل تاثیرپذیر به‌عنوان پیش فرض‌های ورودی برای پیش‌بینی مقدار بهینه، وارد الگوریتم‌ها شدند. نتایج بدست آمده از الگوریتم خفاش حاکی از آن است که الگوریتم خفاش توانسته در هردو سناریو عملکرد بهتری در پیش‌بینی بازده کوتاه مدت سهام در عرضه‌های اولیه ارائه دهد و تفاوت چندانی ندارد. درحالی‌که نتایج دقت در پیش‌بینی الگوریتم جنگل تصادفی در سناریوی دوم به نسبت سناریوی اول حدود12 درصد افزایش یافته است. دلیل این تفاوت می‌تواند ناشی از بزرگ بودن فضای جستجو و کوتاه بودن طول زمانی‌داده‌ها برای الگوریتم جنگل تصادفی عنوان نمود. می‌توان نتیجه گرفت بکارگیری الگوریتم‌های نوپای خفاش وجنگل تصادفی در پیش‌بینی بازده کوتاه‌مدت سهام در عرضه‌های اولیه می‌تواند سرمایه‌گذاران را در پیش‌بینی بازده حداکثری و انتخاب بهنرین سهام براساس الگویی دقیق و با دقت بالا یاری نماید. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - بهینه‌سازی پیش‌بینی تابش خورشیدی بر اساس بستر اینترنت اشیاء در نیروگاه فوتولتائیک
  مریم محمودی ندا اشرفی خوزانی شبنم نصر اصفهانی
  10.30495/jce.2023.1996606.1224
  پارامتر مقدار تابش خورشیدی یکی از مهم‌ترین پارامترها در تعیین مقدار توان خروجی پنل‌های فتوولتائیک است. پیش‌بینی دقیق این پارامتر برای برنامه‌ریزی در واحدهای دیسپچینگ و مدیریت بار از اهمیت ویژه‌ای برخوردار است. عدم قطعیت در میزان تابش خورشیدی و سختی پیش‌بینی کوتاه مدت آن أکثر

  پارامتر مقدار تابش خورشیدی یکی از مهم‌ترین پارامترها در تعیین مقدار توان خروجی پنل‌های فتوولتائیک است. پیش‌بینی دقیق این پارامتر برای برنامه‌ریزی در واحدهای دیسپچینگ و مدیریت بار از اهمیت ویژه‌ای برخوردار است. عدم قطعیت در میزان تابش خورشیدی و سختی پیش‌بینی کوتاه مدت آن، مدیران و طراحان را با چالش‌های اقتصادی و مدیریتی مواجه می‌کند. در این پژوهش یک روش پیش‌بینی با دقت و عمومیت بالا با استفاده از روش‌های مبتنی بر درخت و بهبود عملکرد این روش‌ها به کمک الگوریتم‌های فرا ابتکاری ارائه می‌شود. تاکید اصلی در روش پیشنهادی عدم بیش-برازش و قابلیت اتکای بالا و همچنین قابلیت به‌کارگیری در سیستم‌های اینترنت اشیاء است. به این منظور، الگوریتم‌های فراابتکاری نه تنها در بهینه‌سازی روش‌های مبتنی بر درخت استفاده شده‌اند بلکه در انتخاب ویژگی و انتخاب نمونه‌ها نیز دخیل شده‌اند. لذا استفاده از روش‌های فراابتکاری به عنوان جنبه‌ی نوآوری اصلی این پژوهش، نه ‌تنها استفاده برای به دست آوردن تنظیمات بهینه‌ی مدل‌های یادگیری ماشین بلکه در کاهش اثر نویزها، داده‌های پرت و ورودی‌های کم‌اثر نیز به بهبود کیفیت خروجی نهایی کمک کرده است. به علاوه مناسب‌سازی نتایج پیش‌بینی برای استفاده عملی در محیط‌ نیروگاه‌های فتوولتائیک موضوع پراهمیتی است. این موضوع که از طریق تابع برازش نوآورانه این پژوهش در بهینه‌سازی مدل‌ها انجام پذیرفته است، باعث می‌شود که خروجی نهایی علاوه بر دقت بالا از نظر سهولت پیاده‌سازی در محیط‌های واقعی نیروگاه‌های فتوولتائیک نیز بهینه باشد. خروجی نهایی، به یک مدل قوی است که با معیار مربع-R دارای امتیاز 95/0 است و از نظر سادگی مدل حدود زیادی بهینه است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - توسعه مسأله فروشنده دوره گرد برای محصولات برگشتی با استفاده از الگوریتم خفاش (مطالعه موردی شرکت وزنه)
  Meisam Jafari Eskandari Ali Amouzad Khalili
  مسأله فروشنده دوره گرد یکی از مهم ترین مسائل در بهینه سازی ترکیباتی است که در بسیاری از علوم مهندسی مورد استفاده قرار می گیرد و توجه بسیاری از دانشمندان و محققین را به خود جلب کرده است. از جمله کاربردهای این مسأله بررسی مسائل حمل و نقل می باشد. در این مقاله با توسعه مدل أکثر

  مسأله فروشنده دوره گرد یکی از مهم ترین مسائل در بهینه سازی ترکیباتی است که در بسیاری از علوم مهندسی مورد استفاده قرار می گیرد و توجه بسیاری از دانشمندان و محققین را به خود جلب کرده است. از جمله کاربردهای این مسأله بررسی مسائل حمل و نقل می باشد. در این مقاله با توسعه مدل TSP برای کالاهای برگشتی به کارخانه در صدد کمینه سازی هزینه های ناشی از حمل و نقل هستیم. از آنجا که مدل به دست آمده از نوع NP-Hard است، برای حل آن از الگوریتم فراابتکاری خفاش استفاده می کنیم. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - A New Approach to Software Cost Estimation by Improving Genetic Algorithm with Bat Algorithm
  Sakineh Asghari Agcheh Dizaj Farhad Soleimanian Gharehchopogh
  Because of the low accuracy of estimation and uncertainty of the techniques used in the past to Software Cost Estimation (SCE), software producers face a high risk in practice with regards to software projects and they often fail in such projects. Thus, SCE as a complex أکثر

  Because of the low accuracy of estimation and uncertainty of the techniques used in the past to Software Cost Estimation (SCE), software producers face a high risk in practice with regards to software projects and they often fail in such projects. Thus, SCE as a complex issue in software engineering requires new solutions, and researchers make an effort to make use of Meta-heuristic algorithms to solve this complicated and sensitive issue. In this paper, we propose a new method by improving Genetic Algorithm (GA) with Bat Algorithm (BA), considering the effect of qualitative factors and false variables in the relations concerning the total estimation of the cost. The proposed method was investigated and assessed on four various datasets based on seven criteria. The experimental results indicate that the proposed method mainly improves accuracy in the SCE and it reduced errors' value in comparison with other models. In the results obtained, Mean Magnitude of Relative Error (MMRE) on NASA60, NASA63, NASA93, and KEMERER is 17.91, 34.80, 41.97, and 95.86, respectively. In addition, the experimental results on datasets show that the proposed method significantly outperforms GA and BA and also many other recent SCE methods. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - A New Multi-Agent Bat Approach for Detecting Community Structure in Social Networks
  Saeed Alidoost Behrooz Masoumi
  The complex networks are widely used to demonstrate effective systems in the fields of biology and sociology. One of the most significant kinds of complex networks is social networks. With the growing use of such networks in our daily habits, the discovery of the hidden أکثر

  The complex networks are widely used to demonstrate effective systems in the fields of biology and sociology. One of the most significant kinds of complex networks is social networks. With the growing use of such networks in our daily habits, the discovery of the hidden social structures in these networks is extremely valuable because of the perception and exploitation of their secret knowledge. The community structure is a great topological property of social networks, and the process to detect this structure is a challenging problem. In this paper, a new approach is proposed to detect non-overlapping community structure. The approach is based on multi-agents and the bat algorithm. The objective is to optimize the amount of modularity, which is one of the primary criteria for determining the quality of the detected communities. The results of the experiments show the proposed approach performs better than existing methods in terms of modularity. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - Heuristic algorithms for task scheduling in Cloud Computing using Combined Particle Swarm Optimization and Bat Algorithms
  Behnam Barzegar Samaneh Habibian Mehrnoush Fazlollah Nejad
  Abstract The rapid growth in demand for computing power has led to a shift towards a cloud-based model relying on virtual data centers. In order to meet the demand of cloud computing clients, cloud service providers need to maintain service quality parameters at optimu أکثر

  Abstract The rapid growth in demand for computing power has led to a shift towards a cloud-based model relying on virtual data centers. In order to meet the demand of cloud computing clients, cloud service providers need to maintain service quality parameters at optimum levels. This paper presents a hybrid algorithm dubbed PSOBAT-Greedy, which is expected to reduce cost and time while enhancing the efficiency of resources. The main idea behind the newly proposed algorithm is to find an optimal weight for local and global search using Range and Tuning functions as an important solution overcoming various problems in task scheduling and provide the right response within an acceptable time. The new hybrid algorithm is less time-consuming and costly than the other two algorithms. As compared to particle swarm optimization (PSO) algorithm and combined particle swarm optimization and bat algorithm (PSOBat), resource efficiency improves by 15% and 5%, respectively. Keywords: Quality of Service, Cloud Computing, Particle Swarm Optimization, Bat Algorithm تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  9 - Solving the Job Scheduling Problem in Open Shop Using Bat Algorithm
  Sima Sivandi
  An optimal scheduling reduces the completion time (makespan) of jobs, and finally increase profits in today's competitive environment. Open shop scheduling problem (OSSP) involves a set of activities that should be performed on a limited set of machines. The aim of sche أکثر

  An optimal scheduling reduces the completion time (makespan) of jobs, and finally increase profits in today's competitive environment. Open shop scheduling problem (OSSP) involves a set of activities that should be performed on a limited set of machines. The aim of scheduling in an open shop is to provide a schedule for the execution of the entire operation so that the completion time of all operations is reduced. OSSP has a large solution space and belongs to NP-hard problems. So far, various algorithms are developed for OSSP. In this paper we propose a new optimization algorithm named Bat Algorithm (BA) for solving OSSP which has a relative advantage over other algorithms. Experimental results show that the proposed algorithm has high performance and increases the reliability and efficiency of the system. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  10 - انتخاب بهینه سهام با استفاده از الگوریتم خفاش و جنگل تصادفی
  حسین رستمخانی بهروز خدارحمی آزیتا جهانشاد
  هدف این تحقیق انتخاب بهینه سهام با استفاده از الگوریتم خفاش و جنگل تصادفی است. در این پژوهش براساس تحلیل۶ متغیر: نسبت قیمت سهام بر سود هر سهم، نرخ رشد سود سالانه، نرخ رشد فروش سالانه، بازده دارایی‌ها، بازده حقوق صاحبان سهام و سهام شناور آزاد استخراج شده از 181 شرکت پذیر أکثر

  هدف این تحقیق انتخاب بهینه سهام با استفاده از الگوریتم خفاش و جنگل تصادفی است. در این پژوهش براساس تحلیل۶ متغیر: نسبت قیمت سهام بر سود هر سهم، نرخ رشد سود سالانه، نرخ رشد فروش سالانه، بازده دارایی‌ها، بازده حقوق صاحبان سهام و سهام شناور آزاد استخراج شده از 181 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی ۱۳۹۴ تا ۱۳۹۸ استفاده شده است. ۶ سناریو به منظور برآورد دقت دو الگوریتم در نظر گرفته شده است به طوریکه برای سناریوهای ۱ تا ۶ از الگوریتم‌ها خواسته شده است تا به ترتیب ۵، ۱۰، ۱۵، ۲۰، ۲۵ و ۳۰ شرکت پیدا کند. نتایج نشان می‌دهد که ماهیت الگوریتم جنگل تصادفی نیاز به آموزش و انتخاب ویژگی‌ها دارد که باعث می‌شود سرعت الگوریتم پایین‌تر باشد و زمان همگرایی را بالا می‌برد. یکی از علت اساسی دقت بالا‌تر الگوریتم جنگل تصادفی در سناریوهای ۱ تا ۳ این مورد می‌تواند باشد. در سناریوها ۴ تا ۶ به علت افزایش پیچیدگی مساله دقت الگوریتم جنگل تصادفی کاهش پیدا می‌کند ولی به دلیل ماهیت تصادفی بودن الگوریتم خفاش دقت آن تفاوت چندانی ندارد و می‌تواند پایداری در انتخاب خود را حفظ نماید. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  11 - Bat Algorithm for Optimal Service Parameters in an Impatient Customer <i>N</i>-Policy Vacation Queue
  Vijaya Laxmi Pikkala
  In this paper, a meta-heuristic method, the Bat Algorithm, based on the echolocation behavior of bats is used to determine the optimum service rate of a queue problem. A finite buffer M/M/1 queue withN policy, multiple working vacations and Bernoulli schedule vacation i أکثر

  In this paper, a meta-heuristic method, the Bat Algorithm, based on the echolocation behavior of bats is used to determine the optimum service rate of a queue problem. A finite buffer M/M/1 queue withN policy, multiple working vacations and Bernoulli schedule vacation interruption is considered. Under the two customers' impatient situations, balking and reneging, the queue is studied using the matrix geometric method. Simulations show that the proposed algorithm seems much superior to other algorithms. تفاصيل المقالة