behavior and then used BFOA for dis

behavior and then used BFOA for distrubuted optimization and control. BFOA was successfully
applied to several real-life problems such as optimal controller design (Kim ve Cho, 2005a), harmonic
estimation (Mishra, 2005), machine learning (Kim and Cho, 2005b), transmission-loss reduction
(Tripathy et al. 2006) and scheduling (Wu et al. 2007). BFOA was also hybridized with some other
evolutionary computing techniques. Kim et al. (2007) proposed Genetic Algorithm(GA) – BFOA
hybridization, Biswas et al. (2007a) proposed PSO-BFOA and Biswas et al. (2007b) diffrential
evaluation – BFOA hybridization.
The remainder of the paper is structured as follows. Section 2 explains biological basis of BFOA.
In Section 3 the proposed BFOA is given. Computational experimentations, comparisons and analyses
are presented in Section 4. Finally, Section 5 contains the conclusion of the study and
recommendations for future.

ผลลัพธ์ (ไทย) 1:

ลักษณะการทำงาน และจากนั้น ใช้ BFOA สำหรับ distrubuted เพิ่มประสิทธิภาพและควบคุม BFOA ได้สำเร็จกับปัญหาชีวิตหลายอย่างเช่นตัวควบคุมที่เหมาะสมที่สุดออกแบบ (คิม ve ช่อ 2005a), มีค่าประเมิน (มิชราเกส์ 2005), เครื่องจักรการเรียนรู้ (คิมและช่อ 2005b), ลดการขาดทุนส่ง(Tripathy et al. 2006) และการจัดกำหนดการ (Wu et al. 2007) BFOA เป็นยังเป็นกันบางเทคนิคการคำนวณเชิงวิวัฒนาการ คิม et al. (2007) นำเสนอทางพันธุกรรม Algorithm(GA) – BFOAhybridization, al. et บิสวาส (2007a) เสนอ PSO-BFOA และ diffrential al. et บิสวาส (2007b)ประเมิน – BFOA hybridizationจัดโครงสร้างส่วนเหลือของกระดาษดังนั้น ส่วน 2 อธิบายพื้นฐานชีวภาพของ BFOABFOA นำเสนอจะได้รับใน 3 ส่วน Experimentations คอมพิวเตอร์ เปรียบเทียบ และวิเคราะห์จะนำเสนอใน 4 ส่วน ในที่สุด 5 ส่วนประกอบด้วยข้อสรุปของการศึกษา และคำแนะนำสำหรับอนาคต

ผลลัพธ์ (ไทย) 2:

พฤติกรรมและจากนั้นใช้ BFOA สำหรับการเพิ่มประสิทธิภาพ distrubuted และการควบคุม BFOA ได้รับการประสบความสำเร็จ
นำไปใช้กับหลายปัญหาในชีวิตจริงเช่นการออกแบบตัวควบคุมที่เหมาะสม (คิมและโช, 2005a), ฮาร์โมนิ
ประมาณค่า (Mishra, 2005), การเรียนรู้เครื่อง (คิมและโช, 2005b) การลดลงของการส่งผ่านการสูญเสีย
(Tripathy และคณะ 2006) และการกำหนดเวลา (Wu et al. 2007) BFOA ถูกไฮบริดยังมีอื่น ๆ บาง
เทคนิคคอมพิวเตอร์วิวัฒนาการ คิมและคณะ (2007) เสนอ Genetic Algorithm (GA) - BFOA
ผสมพันธุ์ Biswas และคณะ (2007A) ได้เสนอ PSO-BFOA และ Biswas และคณะ (2007B) diffrential
การประเมินผล -. ไฮบริ BFOA
ที่เหลือของกระดาษที่มีโครงสร้างดังนี้ ส่วนที่ 2 อธิบายพื้นฐานทางชีวภาพของ BFOA.
ในมาตรา 3 BFOA เสนอจะได้รับ การคำนวณการทดลองเปรียบเทียบและการวิเคราะห์
ถูกแสดงไว้ในมาตรา 4 ในที่สุดมาตรา 5 มีข้อสรุปของการศึกษาและ
ข้อเสนอแนะสำหรับอนาคต

ผลลัพธ์ (ไทย) 3:

พฤติกรรมและใช้สำหรับการเพิ่มประสิทธิภาพ bfoa distrubuted และการควบคุม bfoa สำเร็จ
ใช้กับชีวิตจริง ปัญหาต่าง ๆ เช่น การออกแบบตัวควบคุมที่เหมาะสม ( คิมได้โช , 2005a ) , ฮาร์มอนิก
ประมาณ ( Mishra , 2005 ) , การเรียนรู้เครื่อง ( คิม และ โช , 2005b ) , การลดความสูญเสีย
( tripathy et al . 2549 ) และตาราง ( Wu et al . 2007 ) bfoa ยังสามารถกับบางอื่น ๆ
เทคนิคการคำนวณวิวัฒนาการ Kim et al . ( 2550 ) ได้เสนอขั้นตอนวิธีเชิงพันธุกรรม ( GA ) – bfoa
( บิสวาส , et al . ( 2007a ) และเสนอ pso-bfoa บิสวาส et al . ( 2007b ) diffrential
–การประเมิน bfoa hybridization .
ส่วนที่เหลือของกระดาษมีโครงสร้างดังนี้ ส่วนที่ 2 อธิบายพื้นฐานทางชีววิทยาของ bfoa .
ในส่วนที่ 3 เสนอ bfoa จะได้รับ experimentations คํานวณการเปรียบเทียบและการวิเคราะห์
ถูกนำเสนอในส่วนที่ 4 ในที่สุด ส่วนที่ 5 ประกอบด้วยข้อสรุปของการศึกษา
แนวทางในอนาคต