1. IntroductionMetaheuristics is us

1. Introduction
Metaheuristics is used in combinatorial optimization in discrete
and real search space by iteratively trying to improve the current
best solution. There have been several proposed metaheuristic
algorithms through time which can be used in optimization applications
with some of the most commonly known being “hill
climber”, “TABU” [1,2], “simulated annealing” [3], “ant colony optimization”
[4], “genetic algorithm” [5], and “evolution strategies”
[6], to name a few. Metaheuristics, however, does not guarantee
that the optimal solutions are ever found but there is a good possibility
that a near optimal solution will be determined. This paper
gives a theoretical contribution to the application of metaheuristics
in the optimization of a permanent magnet motor, more specifi-
cally with the use of evolution strategies, ES. Several other authors
have used evolutionary algorithms in the quest for optimization
of PM motors where [7] optimize the rotor of a PM motor using
genetic algorithms and [8] optimize an in-wheel motor using ES.
Both articles use FEM in greater or lesser extent where this article

Kết quả (Việt) 1:

1. giới thiệuMetaheuristics được sử dụng trong tối ưu hóa tổ hợp ở rời rạcvà không gian thực tìm kiếm bằng cách lặp đi lặp lại cố gắng để cải thiện hiện tạigiải pháp tốt nhất. Có tôi đã được một số đề xuất metaheuristicCác thuật toán thông qua thời gian có thể được sử dụng trong các ứng dụng tối ưu hóavới một số phổ biến nhất được biết đến là "hillleo","TABOO"[1,2],"mô phỏng làm cho Deo"[3],"tối ưu hóa công cụ ant colony"[4], "thuật toán di truyền" [5], và "tiến hóa chiến lược"[6], đến tên một vài. Metaheuristics, Tuy nhiên, không đảm bảorằng các giải pháp tối ưu bao giờ tìm thấy nhưng có là một khả năng tốtrằng một giải pháp tối ưu gần sẽ được xác định. Bài báo nàycung cấp cho một đóng góp lý thuyết để áp dụng metaheuristicstối ưu hóa của một nam châm vĩnh cửu motor, thêm mạng-Cally với việc sử dụng các chiến lược tiến hóa, ES. Một số các tác giả khácđã sử dụng thuật toán tiến hóa trong việc tìm kiếm tối ưu hóacủa PM cơ nơi [7] tối ưu hóa các cánh quạt một PM sử dụng động cơthuật toán di truyền và [8] tối ưu hóa một động cơ ở bánh xe bằng cách sử dụng ES.Cả hai bài viết sử dụng FEM ở mức độ nhiều hay ít mà bài viết này

Kết quả (Việt) 2:

1. Giới thiệu
Metaheuristics được sử dụng trong tối ưu hóa tổ hợp trong rời rạc
không gian tìm kiếm và thực bằng cách lặp đi lặp lại cố gắng để cải thiện hiện
giải pháp tốt nhất. Đã có một số đề xuất metaheuristic
thuật toán thông qua thời gian mà có thể được sử dụng trong các ứng dụng tối ưu hóa
với một số trong những phổ biến nhất được gọi là "đồi
leo núi "," Tabu "[1,2]," ủ mô phỏng "[3]," tối ưu hóa đàn kiến "
[4], "thuật toán di truyền" [5], và "chiến lược tiến hóa"
[6], đến tên một vài. Metaheuristics, tuy nhiên, không đảm bảo
rằng các giải pháp tối ưu là bao giờ được tìm thấy nhưng có một khả năng tốt
là một giải pháp tối ưu gần sẽ được xác định. Bài viết này
cung cấp cho một đóng góp lý thuyết đến ứng dụng của metaheuristics
trong việc tối ưu hóa của một động cơ nam châm vĩnh cửu, nhiều cầu kỹ thuật về
Cally với việc sử dụng chiến lược tiến hóa, ES. Một số tác giả khác
đã sử dụng thuật toán tiến hóa trong việc tìm kiếm tối ưu hóa
động cơ PM nơi [7] tối ưu hóa các rotor của động cơ PM sử dụng
thuật toán di truyền và [8] tối ưu hóa động cơ trong bánh xe sử dụng ES.
Cả hai bài đều sử dụng FEM trong nhiều hay ít mức mà bài ​​viết này