ரிமோட் சென்சிங் & ஜிஐஎஸ் ஜர்னல்

சுருக்கம்

ஏறும் ரோபோவில் வைத்திருக்கும் சக்தியை மேம்படுத்துவதற்கான நான்கு பரிணாம வழிமுறைகளின் ஒப்பீடு

மசிகே ஆர் ​​மற்றும் ஜனக் குமார் பி. படேல்

பரிணாம வழிமுறைகள் (EAs) என்பது இயற்கையான உயிரியல் பரிணாமத்தைப் பிரதிபலிக்கும் சீரற்ற தேடல் முறைகள் ஆகும். இந்த வேலையில் நாங்கள் நான்கு சமீபத்திய EA களின் மேலோட்டத்தை வழங்குகிறோம் மற்றும் ஏறும் ரோபோக்களை தத்தெடுப்பதற்கான கட்டமைப்பை வழங்குகிறோம். ஏறும் ரோபோவுக்கான பெர்னௌலி ஹோல்டிங் பேடில் உள்ள ஹோல்டிங் ஃபோர்ஸை மேம்படுத்துவதற்காக EAகளை அடிப்படையாகக் கொண்ட நான்கு மாடல்கள் அறிமுகப்படுத்தப்பட்டு, அவற்றின் முக்கிய பண்புகள் மற்றும் தகவமைப்பு சக்தியுடன் அவற்றின் தொடர்பு ஆகியவற்றைக் கருத்தில் கொண்டு ஒப்பிடப்படுகின்றன. ஒவ்வொரு அல்காரிதத்தின் சுருக்கமான குறியீடு, ஆராய்ச்சியாளர்கள் மற்றும் பயிற்சியாளர்களால் அதை செயல்படுத்துவதற்கும் பயன்படுத்துவதற்கும் உதவுகிறது. இந்த EA களில் டிஃபெரன்ஷியல் எவல்யூஷன் (DE), MONEE செயல்படுத்தல், மாற்றியமைக்கப்பட்ட மரபணு அல்காரிதம் (MGA) மற்றும் மெமெடிக் அல்காரிதம் (MA) ஆகியவை அடங்கும். நான்கு EAக்கள் பிரபலமான எம்ஐடி விதிக்கு ஏற்புப் பிடிப்பு சக்திக்கான புறநிலை செயல்பாடாகப் பயன்படுத்தப்பட்டன, பின்னர் ரோபோட் ஏறுவதற்கான உண்மையான பெர்னௌல்லி பேடில் பயன்படுத்தப்பட்டது. MATLAB ஆனது, பெறப்பட்ட உகந்த தீர்வு, உகந்த தீர்வோடு தொடர்புடைய புறநிலை செயல்பாடு மதிப்பீடுகளின் எண்ணிக்கை மற்றும் முடிவுகளின் தரம் ஆகியவற்றின் அடிப்படையில் மாதிரிகளை கடுமையாக ஒப்பிடுவதற்குப் பயன்படுத்தப்பட்டது. ஒரு புள்ளிவிவர பகுப்பாய்வு மேற்கொள்ளப்பட்டது, பின்னர் ஒவ்வொரு மாதிரியின் செயல்திறனை மதிப்பிடுவதற்கு ஒரு செயல்திறன்-விகித மெட்ரிக் தீர்மானிக்கப்பட்டது. சிறந்த செயல்திறன் ஒரு கலப்பின அல்காரிதத்திலிருந்து வந்ததாக முடிவுகள் காட்டுகின்றன, இது உகந்த ஹோல்டிங் ஃபோர்ஸுக்கு தேவையான பண்புகளை உள்ளடக்கியது, இதனால் ஏறும் ரோபோக்களில் EA களை ஏற்றுக்கொள்வதற்கான ஒரு கட்டமைப்பு உருவாக்கப்பட்டது.