research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
A Novel Invasive Weed Optimization Algorithm (IWO) by Whale Optimization Algorithm(WOA) to solve Large Scale Optimization Problems
خوارزمية أمثلة الأعشاب الضارة الجديدة(IWO)باستخدام خوارزمية أمثلة الحوت (WOA) لحل مسائل الأمثلية ذات القياس العالي

Authors: بان أحمد حسن متراس --- عبد الستار محمد خضر --- هند طلعت ياسين
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2019 Volume: 25 Issue: 110 Pages: 426-446
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Abstract In this work, two algorithms of Metaheuristic algorithms were hybridized. The first is Invasive Weed Optimization algorithm (IWO) it is a numerical stochastic optimization algorithm and the second is Whale Optimization Algorithm (WOA) it is an algorithm based on the intelligence of swarms and community intelligence. Invasive Weed Optimization Algorithm (IWO) is an algorithm inspired by nature and specifically from the colonizing weeds behavior of weeds, first proposed in 2006 by Mehrabian and Lucas. Due to their strength and adaptability, weeds pose a serious threat to cultivated plants, making them a threat to the cultivation process. The behavior of these weeds has been simulated and used in Invasive Weed Optimization Algorithm (IWO), as for the Whale Optimization Algorithm (WOA) uses the intelligence of the swarms to reach the goal and achieve the best solution, which simulates the unique hunting behavior of humpback whales, which is called fishing by bubble trap hunting by creating distinctive bubbles along a circle or a path in the form of 9 has appeared for the first time in 2016 by Mirjalili and Lewis. In order to benefit from the intelligence of the flocks and to avoid falling into local solutions, the new hybridization between the IWO and WOA algorithm was proposed to launch the new hybrid algorithm (IWOWOA). The new hybrid algorithm (IWOWOA) was applied on 23 functions of large scale optimization problems, The proposed algorithm showed very high efficiency in solving these functions. The proposed algorithm was able to reach the optimal solutions by achieving the minimum value of most of these functions. This algorithm was compared with the basic algorithms IWO, WOA and two algorithms that follow the swarm system these algorithms are particle swarm optimization (PSO) and chicken swarm optimization (CSO) [7], they have been statistically tested by calculating the mean arithmetic μ and standard deviation σ for these functions.

تم في هذا العمل تهجين خوارزميتين من خوارزميات الميتاهيوريستيكMetaheuristic ، الأولى هي خوارزمية أمثلة الأعشاب الضارة IWO وهي خوارزمية عشوائية عددية والثانية هي خوارزمية أمثلة الحوت WOA وهي خوارزمية تعتمد على ذكاء الأسراب وذكاء المجتمع. خوارزمية أمثلة الأعشاب الضارة هي خوارزمية ملهمة من الطبيعة وبالتحديد من السلوك الإستعماري للأعشاب الضارة والتي أقترحت لأول مرة في عام 2006 من قِبل Mehrabian and Lucas إذ تُشكل الأعشاب الضارة بسبب قوتها وقدرتها على التكيف تهديداً خطيراً على النباتات المزروعة مما يجعلها تهديداً لعملية الزراعة بحد ذاتها لذا تمت محاكاة سلوك هذه الأعشاب والاستفادة منها في خوارزمية أمثلة الأعشاب الضارة IWO. تستخدم خوارزمية أمثلة الحوت WOA ذكاء الأسراب للوصول إلى الهدف وتحقيق أفضل حل وهي تحاكي سلوك الصيد الفريد للحيتان الحدباء والذي يُدعى الصيد بواسطة شرك الفقاعة إذ يتم صيد الفريسة عن طريق إنشاء فقاعات مميزة على طول دائرة أو مسار على شكل 9 وقد ظهرت لأول مرة في عام 2016 من قِبَل Mirjalili and Lewis. وللإفادة من ذكاء الأسراب وتجنب الوقوع في الحلول المحلية تم إقتراح عملية التهجين الجديدة بين خوارزمية أمثلة الأعشاب الضارة IWO و خوارزمية أمثلة الحوت WOA ليُطلق على الخوارزمية المهجنة الجديدة إختصاراً ((IWOWOA. طُبقت الخوارزمية الهجينة الجديدة((IWOWOA على 23 دالة من دوال الأمثلية ذات القياس العالي وأظهرت الخوارزمية المقترحة كفاءة عالية جداً في حل هذه الدوال إذ أستطاعت الخوارزمية المقترحة الوصول إلى الحلول المثلى وذلك بتحقيقها القيمة الأصغرية (fmin) لمعظم هذه الدوال إذ تمت مقارنة هذه الخوارزمية مع الخوارزميات الأساسية IWO,WOA ومع خوارزميتين تتبعان نظام السرب وهما خوارزمية أمثلة أسراب الطيورPSO وخوارزمية أمثلة سرب الدجاج *CSO*[7] وقد أختبرت إحصائياً وذلك بحساب المعدل الحسابي µ والإنحراف المعياري على هذه الدوال.


Article
A Comparative Study of Various Intelligent Algorithms based Path Planning for Mobile Robots
دراسة مقارنة لخوارزميات ذكية مختلفة القائمة على تخطيط المسارات لعدد من الروبوتات المتنقلة

Authors: Muna Mohammed Jawad منى محمد جواد --- Esraa Adnan Hadi أسراء عدنان هادي
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 6 Pages: 83-100
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In general, path-planning problem is one of most important task in the field of robotics. This paper describes the path-planning problem of mobile robot based on various metaheuristic algorithms. The suitable collision free path of a robot must satisfies certain optimization criteria such as feasibility, minimum path length, safety and smoothness and so on. In this research, various three approaches namely, PSO, Firefly and proposed hybrid FFCPSO are applied in static, known environment to solve the global path-planning problem in three cases. The first case used single mobile robot, the second case used three independent mobile robots and the third case applied three follow up mobile robot. Simulation results, which carried out using MATLAB 2014 environment, show the validity of the kinematic model for Nonholonomic mobile robot and demonstration that the proposed algorithm perform better than original PSO and FF algorithms under the same environmental constraints by providing the smoothness velocity and shortest path for each mobile robot.

بشكل عام تعتبر مشكلة تخطيط المسار واحدة من أهم المهام في مجال الروبوتات. يصف هذا البحث مشكلة تخطيط مسار للروبوتات متحركة استنادا الى خوارزميات الذكاء الاصطناعي المختلفة. ويجب ان يفي مسار الروبوت بعدد من المعايير ومنها طول المسار والسلامة. في هذا البحث يتم تطبيق ثلاثة طرق مختلفة وهي خوارزمية اليرقات المضيئة، خوارزمية سرب الطيور وخوارزمية اليراعات المضيئة وسرب الطيور المشوشة الهجينة المقترحة في بيئة ثابتة ومعروفة لحل مشكلة تخطيط المسارات وبثلاث حالات. في الحالة الأولى، روبوت متنقل واحد، وفي الحالة الثانية، ثلاثة روبوتات متنقلة مستقلة أما في الحالة الثالثة ثلاثة روبوتات متنقلة متتابعة. وتظهر صحة النموذج المستخدم للروبوت المتحرك وتوضح ان الخوارزمية الهجينة المقترحة تؤدي أداء أفضل من خوارزمية سرب الطيور وخوارزمية اليراعات المضيئة تحت نفس الشروط البيئية عن طريق الحصول على سرع سلسة وأقصر مسارات لعدد من الروبوتات المتنقلة.


Article
Taxonomy of Memory Usage in Swarm Intelligence-Based Metaheuristics
تصنيف استخدام الذاكرة في التجريبيات المرتكزة على فئة ذكاء السرب

Authors: Shaymah Akram Yasear شيماء أكرم ياسر --- Ku Ruhana Ku-Mahamud كو روحانا كو محمود
Journal: Baghdad Science Journal مجلة بغداد للعلوم ISSN: 20788665 24117986 Year: 2019 Volume: 16 Issue: 2 Special Issue(ICOCI2019) Pages: 445-452
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Metaheuristics under the swarm intelligence (SI) class have proven to be efficient and have become popular methods for solving different optimization problems. Based on the usage of memory, metaheuristics can be classified into algorithms with memory and without memory (memory-less). The absence of memory in some metaheuristics will lead to the loss of the information gained in previous iterations. The metaheuristics tend to divert from promising areas of solutions search spaces which will lead to non-optimal solutions. This paper aims to review memory usage and its effect on the performance of the main SI-based metaheuristics. Investigation has been performed on SI metaheuristics, memory usage and memory-less metaheuristics, memory characteristics and memory in SI-based metaheuristics. The latest information and references have been further analyzed to extract key information and mapped into respective subsections. A total of 50 references related to memory usage studies from 2003 to 2018 have been investigated and show that the usage of memory is extremely necessary to increase effectiveness of metaheuristics by taking the advantages from their previous successful experiences. Therefore, in advanced metaheuristics, memory is considered as one of the fundamental elements of an efficient metaheuristic. Issues in memory usage have also been highlighted. The results of this review are beneficial to the researchers in developing efficient metaheuristics, by taking into consideration the usage of memory.

التجريبيات (metaheuristics) تحت فئة ذكاء السرب (swarm intelligence) اثبتت فعاليتها وأصبحت أساليب شائعة لحل مشاكل التحسين المختلفة. يمكن تصنيف التجريبيات، بناءً على استخدام الذاكرة ، الى خوارزميات مع ذاكرة وتلك بدون ذاكرة. يؤدي عدم وجود ذاكرة في بعض التجريبيات إلى فقدان المعلومات التي تم الحصول عليها في التكرارات السابقة. تميل التجريبيات إلى الانحراف عن المجالات الواعدة لمساحات البحث التي ستؤدي إلى حلول غير مثالية. تهدف هذه الورقة إلى مراجعة استخدام الذاكرة وتأثيرها على أداء أهم التجريبيات المرتكزة على ذكاء السرب. تم إجراء التحقيق على التجريبيات المرتكزة على على ذكاء السرب ، واستخدام الذاكرة و التجريبيات بدون ذاكرة ، وخصائص الذاكرة والذاكرة في التجريبيات المرتكزة على ذكاء السرب. تم تحليل المعلومات والمراجع لاستخراج المعلومات الأساسية وتعيينها في الأقسام الفرعية ذات الصلة. تم فحص ما مجموعه 50 مرجعًا تتعلق بدراسات استخدام الذاكرة من عام 2003 إلى عام 2018 ، وتبين أن استخدام الذاكرة ضروري للغاية لزيادة فعالية التجريبيات من خلال الاستفادة من تجاربها السابقة الناجحة. لذلك تعتبر الذاكرة في التجريبيات واحدة من العناصر الأساسية الفعالة للتجريبيات المتقدمة. كما تم تسليط الضوء على مشاكل في استخدام الذاكرة. نتائج هذه المراجعة مفيدة للباحثين في تطوير تجريبيات فعالة ، من خلال الأخذ بنظر الاعتبار استخدام الذاكرة.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (2)

Arabic and English (1)


Year
From To Submit

2019 (3)