فیلم آموزشی جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب (به زبان فارسی)

فیلم آموزشی جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب (به زبان فارسی)

 

الگوریتم ژنتیک چند هدفه با مرتب سازی نامغلوب یا Non-dominated Sorting Genetic Algorithm یکی از الگوریتم های شاخص و پرکاربرد در زمینه بهینه سازی چندهدفه است. پس از ارائه نسخه اول این الگوریتم در سال ۱۹۹۵، معرفی کنندگان این الگوریتم، که از میان آن ها دب (Deb) معروف تر از سایرین است، نسخه دوم آن را در سال ۲۰۰۲ با نام اختصاری NSGA-II ارائه نمودند.

در کنار تمام کارایی هایی که NSGA-II دارد، می توان آن را الگوی شکل گیری بسیاری از الگوریتم های بهینه سازی چند هدفه دانست. این الگوریتم و شیوه منحصر به فرد آن در برخورد با مسائل بهینه سازی چند هدفه، بارها و بارها توسط افراد مختلف برای ایجاد الگوریتم های بهینه سازی چندهدفه جدید تر، مورد استفاده قرار گرفته است. بدون شک این الگوریتم یکی از اساسی ترین اعضای کلکسیون الگوریتم بهینه سازی چندهدفه تکاملی است که می توان آن ها را نسل دوم این گونه روش ها نامید.

موضوع بحث فیلم آموزشی که در این پست قصد معرفی آن را داریم، مبانی تئوری الگوریتم NSGA-II و شیوه پیاده سازی آن در محیط متلب است.

 

مطالب و مباحث این فیلم آموزشی به زبان فارسی روان، و توسط مهندس سید مصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) ارائه شده است.

 

این محصول بخشی از بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه است.

برای کسب اطلاعات بیشتر بر روی این لینک (+) کلیک کنید. 

 

 

سرفصل های مهم مورد بحث در این فیلم آموزشی عبارتند از:

  • مروری بر مبانی بهینه سازی چند هدفه با الگوریتم های تکاملی
  • بیان رویکردهای کلی در طراحی الگوریتم های تکاملی برای بهینه سازی چند هدفه
  • مرور مختصری بر تئوری الگوریتم ژنتیک
  • تعریف مفهوم غلبه در محیط چند هدفه
  • اعمال تغییرات لازم در الگوریتم ژنتیک تک هدفه برای استفاده از آن در مسائل چند هدفه
  • معرفی اجزای مختلف الگوریتم NSGA-II
    • الگوریتم مرتب سازی نا مغلوب و شیوه رتبه بندی یا Ranking
    • مفهوم فاصله ازدحامی یا Crowding Distance
    • شیوه انتخاب والد به صورت رقابت (تورنمنت) دو دویی یا Binary Tournament Selection
    • مرتب سازی جمعیت به صورت چند مرحله ای
    • انتخاب جمعیت جدید از میان اعضای قدیمی و فرزندان
  • تفاوت های الگوریتم NSGA اولیه با نسخه دوم یا NSGA-II
  • پیاده سازی دو مثال نمونه از توابع استاندارد چند هدفه
  • پیاده سازی بخش های مختلف الگوریتم NSGA-II
  • بیان مسأله کوله پشتی (Knapsack Problem) به صورت چند هدفه و حل آن به صورت چند هدفه
  • جمع بندی و نتیجه گیری های نهایی



 

برای مشاهده جزئیات و تهیه آموزش فرادرس  الگوریتم ژنتیک چند هدفه NSGA-II در متلب به این لینک (+) مراجعه نمایید. 

مطالب پیشنهادی‎

9 پاسخ
  1. زهرا مولایی
    زهرا مولایی says:

    من دانشجوی کارشناسی ارشد عمران هستم وموضوع پایان نامه م در مورد موازنه زمان هزینه با الگوریتم ژنتیکه، قبلا محصول فیلم جامع الگوریتم ژنتیکو خریدم وبسیار مفید وقابل استفاده بود .اما چون من تصمیم دارم پایان ناممو با رویکردNSGA2پیش ببرم به این محصول نیاز فوری دارم و با توجه به شناختی که از محصولات متلب سایت پیدا کردم فکر میکنم برام مفید باشه.و استفاده از محصولات این شرکتو به دوستان و همکلاسیهام که در این زمینه میخوان کارکنن هم پیشنهاد میکنم.

    پاسخ دادن
    • (روابط عمومی)
      (روابط عمومی) says:

      در پاسخ به moji:
      با سلام،
      از اینکه پیشنهادات خود را با ما مطرح می کنید؛ متشکریم.

      امیدواریم در آینده، فرصت پاسخگویی عملی به این پیشنهاد فراهم آید و ما بتوانیم یک قدم دیگر به سمت بهبود فرایند ارائه خدمات خود، به پیش رویم.
      موفق و پیروز باشید.

      پاسخ دادن
  2. محمد
    محمد says:

    سلام.
    من این فیلم رو از سایت گرفتم و کامل مشاهده کردم.خیلی مفید بود.فقط من یه سوال داشتم که توی فیلم اشاره ای بهش نشد.
    برای اینکه بتونم مقادیر متغیرهای مستقل (x) رو که منجر به مقادیر بهینه توابع هدفم شده رو ببینم از چه دستوری باید استفاده کنم.
    پروژه کارشناسی ارشد من یه بخشیش با این موضوع درگیره.ممنون میشم راهنمایی بفرمایید.

    پاسخ دادن
    • مدیر روابط عمومی
      مدیر روابط عمومی says:

      در پاسخ به محمد:
      با سلام،
      متاسفانه موقعیت پاسخگویی به سوالات تخصصی فراهم نیست و هیئت علمی دسترسی به این موارد ندارند.
      از اعتماد و انتخاب شما متشکریم.
      موفق باشید.

      پاسخ دادن

ارسال یک پاسخ

در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *