فهرس المقالات Gray Wolf Optimization

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - یک روش مبتنی بر شبکه عصبی عمیق بهینه شده با الگوریتم هافمن و الگوریتم¬های فرا ابتکاری برای فشرده¬سازی و بازسازی تصویر پزشکی
  محمد حسین  خلیفه مهدی  تقی زاده محمدمهدی قنبریان جاسم جمالی
  این تحقیق از دو رویکرد مختلف برای فشرده‌سازی عکس‌های پزشکی برای اهداف بلندمدت استفاده می‌کند. در روش اول، تصاویر با استفاده از رمز هافمن فشرده شده و سپس با استفاده از مدل‌سازی سلسله مراتبی بر اساس طبقه‌بندی طراحی شده توسط شبکه عصبی ساده‌سازی می‌شوند. در روش دوم از یک اس أکثر

  این تحقیق از دو رویکرد مختلف برای فشرده‌سازی عکس‌های پزشکی برای اهداف بلندمدت استفاده می‌کند. در روش اول، تصاویر با استفاده از رمز هافمن فشرده شده و سپس با استفاده از مدل‌سازی سلسله مراتبی بر اساس طبقه‌بندی طراحی شده توسط شبکه عصبی ساده‌سازی می‌شوند. در روش دوم از یک استراتژی پیش‌بینی مبتنی بر آموزش شبکه عصبی عمیق استفاده شده است. این روش از یک شبکه عصبی آموزش‌دیده برای استنتاج مکان‌های پیکسل‌های منفرد استفاده می‌کند و از این رو، مقدار داده‌های مورد نیاز برای توصیف یک تصویر را کاهش می‌دهد. رمزگذاری فشرده¬سازی هافمن روی داده¬های باقی¬مانده استفاده می¬شود. یک روش فیلتر فضایی پیشرفته برای رمزگشایی داده‌های تصویر استفاده می‌شود و سپس الگوریتم‌های فراابتکاری بهینه‌سازی اسب وحشی و بهینه‌سازی گرگ خاکستری برای تولید یک تصویر بازسازی‌شده استفاده می‌شوند. رویکردهای پیشنهادی امکان ساده‌سازی تصویر را فراهم می‌کنند که منجر به رمزگشایی سریع‌تر شده است. مدولاسیون شاخص تشابه ساختاری، زمان و نسبت سیگنال به نویز پیک به ترتیب به طور متوسط 2، 1/30 و 15/15 درصد نسبت به سایر روش¬ها بهبود یافته است. الگوریتم‌های پیشنهادی می‌توانند عکس‌های پزشکی را با کیفیت بسیار بالایی در مقایسه با روش‌های مبتنی بر یادگیری عمیق فعلی فشرده کنند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - Provide an improved factor pricing model using neural networks and the gray wolf optimization algorithm
  Reza Tehrani Ali Souri Ardeshir Zohrabi Seyyed Jalal Sadeghi Sharif
  10.22034/amfa.2022.1942547.1641
  The issue of asset pricing in the market is one of the most important and old issues in the financial world. Factor pricing models seek to be able to determine a significant relationship between return on assets based on the risk parameters of that asset. A wide range o أکثر

  The issue of asset pricing in the market is one of the most important and old issues in the financial world. Factor pricing models seek to be able to determine a significant relationship between return on assets based on the risk parameters of that asset. A wide range of factors can be found in the literature that can be an element for measuring the risk of an asset, but the big question is which of these models will work better. The factors studied in this research include factors that cover market risk, valuation risk, psychological (technical) market risk, profit quality risk, profitability, investment, etc. In this study, we have tried to Using machine learning techniques and optimization tools is a way to derive adaptive-robust nonlinear models that can reduce the risk of model error as much as possible. In this research, two models have been developed. In the first model, using the feature extraction technique and optimization of models based on neural network, a non-linear and adaptable model has been developed for each asset. In the second approach, a portfolio of improved neural network-based models is used in the first stage, which can be used to minimize the risk of model error and achieve a model that is resistant to different market conditions. Finally, it can be seen that the development of these models can significantly improve the risk of error and average error of the model compared to traditional CAPM approaches and the Fama and French three-factor model. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - A Combinatory Feature Selection Method using Gray Wolf Optimization and Crow Search Algorithms for Intrusion Detection Systems
  Kayvan Asghari
  The crow search algorithm and the grey wolf optimizer are two favored optimization approaches that have attracted extensive attention from researchers. The swarm-based lifestyle of crows in nature is the inspiration source of the crow search algorithm. The grey wolf opt أکثر

  The crow search algorithm and the grey wolf optimizer are two favored optimization approaches that have attracted extensive attention from researchers. The swarm-based lifestyle of crows in nature is the inspiration source of the crow search algorithm. The grey wolf optimizer is inspired by the hierarchical system of grey wolves for hunting. Both mentioned algorithms perform properly for solving many optimization problems, but these algorithms do not perform well for some. A combinatory optimization algorithm is introduced in this paper by combining the crow search algorithm with the grey wolf optimizer. The introduced approach has more diverse movements to explore the search space of the investigated problem. The combinatory algorithm is used to solve the feature selection problem of intrusion detection systems, where its goal is to improve the accuracy rate by selecting the most important features to build the system's classifier. The UNSW-NB15 intrusion detection dataset is considered for evaluation of the combinatory algorithm. The results of the experiments reveal the high efficiency of the combinatory algorithm for most instances in the experiments in comparison with the other popular optimization algorithms. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - A Hybrid Meta-Heuristic Approach for Design and Solving a Location Routing Problem Considering the Time Window
  Mohammad Amin Rahmani Ahamd Mirzaei Milad Hamzehzadeh Aghbelagh
  The supply chain requires a distribution network between customers and suppliers. This distribution network can be multifaceted. Combining these two problems into a single problem increases the efficiency of the distribution network and ultimately increases the efficien أکثر

  The supply chain requires a distribution network between customers and suppliers. This distribution network can be multifaceted. Combining these two problems into a single problem increases the efficiency of the distribution network and ultimately increases the efficiency of the supply chain. Establishing a window of time to deliver goods to customers also increases their satisfaction and, as a result, more profitability in the long run. Therefore, in this research, an attempt has been made to present a routing-location problem in the multimodal transportation network. A time window is also included in this model. To solve such a model, especially in large dimensions, exact solution methods cannot be used. Based on this, a combined meta-heuristic algorithm (genetic optimization algorithm and neural network) has been proposed to solve the model, and the result has been compared with two gray wolf optimization algorithms and grasshopper optimization algorithms. The presented results indicate the effectiveness of the proposed algorithm. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - ایجاد یک جهش در الگوریتم گرگ خاکستری برای حل مسئله توزیع اقتصادی-زیست‌محیطی نیروگاه‌های ادغام شامل حرارتی و بادی
  مهدی افروزه حمیدرضا عبدالمحمدی محمداسماعیل نظری
  در این مقاله نسخه جهش یافته دینامیکی الگوریتم بهینه سازی گرگ خاکستری برای حل مسئله پخش بار اقتصادی- زیست محیطی سیستم قدرت استاندارد 40 واحدی به همراه دو مزرعه بادی پیشنهاد شده است. لذا تابع هدفی جامع از هزینه های بهره برداری که ترکیبی از هزینه های مستقیم انرژی باد، هز أکثر

  در این مقاله نسخه جهش یافته دینامیکی الگوریتم بهینه سازی گرگ خاکستری برای حل مسئله پخش بار اقتصادی- زیست محیطی سیستم قدرت استاندارد 40 واحدی به همراه دو مزرعه بادی پیشنهاد شده است. لذا تابع هدفی جامع از هزینه های بهره برداری که ترکیبی از هزینه های مستقیم انرژی باد، هزینه جریمه تخمین بیش از حد، هزینه جریمه تخمین کمتر از حد، هزینه واحد حرارتی و هزینه آلایندگی، ارائه شده است. با توجه به ماهیت تصادفی سرعت باد توان تولیدی توسط توربین های بادی غیرقابل پیش بینی است، بنابراین از تابع توزیع احتمال ویبول برای مدل سازی توان مزرعه های باد در این مقاله استفاده شده است. هزینه بهره برداری مزرعه بادی به صورت احتمالاتی در نظر گرفته شده است تا سناریوهای باد با احتمال پایین تاثیر کمتری در هزینه نهایی داشته باشند. شبیه سازی ها در قالب سه بخش انجام شده است و به منظور اعتبارسنجی با مرجع های دیگر مورد مقایسه واقع شده است. نتایج حاصل شده از بهینه سازی ها در هر سه سناریو و مقایسه آن با الگوریتم های هوشمند تائیدی بر عملکرد بهتر و دقت بالاتر الگوریتم پیشنهادی نسبت به نسخه اصلی الگوریتم گرگ خاکستری و همچنین سایر الگوریتم ها دارد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - A Novel Hybrid Approach to Enhance Intelligence Integration in Small-Medium Enterprises
  Hamidreza Seifi Kaveh Mohammad Cyrus Naser Shams Gharneh
  10.30495/jiei.2021.1923479.1099
  This research aims to enhance intelligence integration in small-medium enterprises. The approach is included an integrated structural model and an optimal human resource allocation (HRA) using a novel intelligence method. To optimize the current organizational structure أکثر

  This research aims to enhance intelligence integration in small-medium enterprises. The approach is included an integrated structural model and an optimal human resource allocation (HRA) using a novel intelligence method. To optimize the current organizational structure used enterprise engineering (EE) in IT and Business parts (Using ITIL and COBIT standards, BSC and KAP model, respectively), and statistics method like as regression test is used. Also, continuous HRA is simulated using HRA mathematical program, Gray Wolf Optimization Algorithm (GWO), and Sugeno Fuzzy Inference (SFI) model to add a self-regulating attribute to the GWO algorithm. Results showed that the EE was issued a new optimal and integrated structure in IT and business parts and the examination of the PMBOK approved it, too. Also, results of the novel self-regulating algorithm using data from previous researches and by the top five proposed methods in the researches (Includes: SGA, PRS, SRS, MIP, HM) based on three methods of evaluating the quality of solutions (GA-FSGS, MP-FSGS, GA-SGS) showed that increase of Ω from 15,000 to 25,000. Also, it showed that HM and SGA performed better than other previous cases even in the larger B100 and B200 datasets. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - A New Approach for Planning a Hybrid AC/DC Distribution Network Using Gray Wolf Optimization Algorithm
  Reza Khalilzadeh Hassan Majidi M.-R Haghifam
  In this paper, the Gray Wolf Optimization Algorithm (GWO) will be used for planning a hybrid AC/DC distribution network, and results from the economical and technical point of view will be compared to those of conventional methods, such as Genetic Algorithm (GA). In the أکثر

  In this paper, the Gray Wolf Optimization Algorithm (GWO) will be used for planning a hybrid AC/DC distribution network, and results from the economical and technical point of view will be compared to those of conventional methods, such as Genetic Algorithm (GA). In the proposed model, the objective function is to minimize the Net Present Value (NPV) of the optimal solution. The planning will be done for an empty area, which already doesn’t have any distribution network, at the LV level. In the proposed method, the buses and feeders of the network could be AC or DC. Also, there are AC and DC load points and Distributed Generations (DGs) in the planning area. It should be mentioned that in this paper, the uncertainty of load demand and production of DGs has been regarded. Finally, after planning the distribution network as a pure AC and a hybrid AC/DC configuration for a 14-bus test network, NPV, loss of system and the convergence time of the GWO algorithm will be compared to ones from GA, and advantages of the prior will be shown. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - یک سیستم تشخیص نفوذ برای امنیت سایبری شبکه با استفاده از الگوریتم‌های انتخاب ویژگی ترکیبی
  Golnaz Aghaee Ghazvini زهرا عدی کامل کامل
  یکی از مهمترین چالش های گسترش اینترنت و فضای مجازی، حملات سایبری است. این حملات هر روز جدیدتر می شوند و مقابله با آنها دشوارتر می شود. در نتیجه برای کشف آنها باید از روش هایی استفاده کرد که در کمترین زمان ممکن و با دقت مناسب انواع حملات سایبری را شناسایی کرد. امروزه معم أکثر

  یکی از مهمترین چالش های گسترش اینترنت و فضای مجازی، حملات سایبری است. این حملات هر روز جدیدتر می شوند و مقابله با آنها دشوارتر می شود. در نتیجه برای کشف آنها باید از روش هایی استفاده کرد که در کمترین زمان ممکن و با دقت مناسب انواع حملات سایبری را شناسایی کرد. امروزه معمولاً از روش های یادگیری ماشینی برای شناسایی حملات سایبری استفاده می شود. اما از آنجایی که داده‌های مربوط به حملات سایبری ویژگی‌های بسیاری دارند و به نوعی داده‌های حجیم هستند، در نتیجه دقت روش‌های یادگیری ماشینی مرسوم برای شناسایی آنها معمولاً پایین است. در این تحقیق از روش انتخاب ویژگی ترکیبی برای انتخاب ویژگی‌های بهینه از پایگاه داده مربوط به حملات سایبری استفاده شده است که دقت تشخیص حملات توسط مدل‌های طبقه‌بندی را افزایش می‌دهد. در روش انتخاب ویژگی پیشنهادی، ابتدا ویژگی هایی که کمترین افزونگی را با یکدیگر دارند و در عین حال بیشترین ارتباط را با متغیرهای دسته (برچسب ها) دارند توسط الگوریتم MRMR انتخاب می شوند. سپس با استفاده از روش انتخاب ویژگی wrapper بر اساس الگوریتم بهینه سازی گرگ خاکستری (GWO) برای انتخاب زیرمجموعه ای از ویژگی های انتخاب شده از مرحله قبل که دقت مدل طبقه بندی کننده SVM را به حداکثر می رساند، استفاده می شود که این زیر مجموعه دارای ویژگی های بهینه است که توسط آن مدل SVM آموزش داده شده است. در نتیجه، دقت تشخیص حملات سایبری توسط مدل SVM افزایش می یابد. با توجه به نتایج شبیه‌سازی، میانگین دقت روش پیشنهادی برای شناسایی حملات سایبری 99.84 درصد است که نسبت به روش‌های تشخیص نفوذ مقاله مرجع بهبود یافته است. تفاصيل المقالة