مسائل بهینه سازی از نظر تعداد توابع هدف و معیارهای بهینه سازی، به دو نوع تقسیم پذیر هستند: (۱) مسائل بهینه سازی تک هدفه و (۲) مسائل بهینه سازی چند هدفه. در مسائل بهینه سازی تک هدفه، هدف از حل مسأله بهبود یک شاخص عملکرد (Performance Index) یگانه است که مقدار کمینه یا بیشینه آن، کیفیت پاسخ به دست آمده را به طور کامل منعکس می کند. اما در برخی موارد، نمی توان صرفا با اتکا به یک شاخص، یک پاسخ فرضی برای مسأله بهینه سازی را امتیازدهی نمود. در این نوع مسائل، ناگزیریم که چندین تابع هدف یا شاخص عملکرد را تعریف نماییم و به طور همزمان، مقدار همه آن ها را بهینه کنیم.

بهینه سازی چند هدفه، یکی از زمینه های بسیار فعال و پرکاربرد تحقیقاتی در میان مباحث بهینه سازی است. غالبا بهینه سازی چند هدفه (یا Multi-objective Optimization) به نام های بهینه سازی چند معیاره (یا Multi-criteria Optimization) و بهینه سازی برداری (یا Vector Optimization) نیز شناخته می شود. روش های فراوانی تا کنون برای حل این مسائل ارائه شده اند که در حالت کلی می توان آن ها را به دو دسته تقسیم نمود:

• روش های کلاسیک، که اغلب مسأله چند هدفه را به یک مسأله یک هدفه تقلیل می دهند، و
• روش های تکاملی، که اغلب مسأله بهینه سازی چند هدفه را واقعا به صورت چند هدفه حل می نمایند.

اگر قصد دارید که در کمترین زمان ممکن و با بهترین کیفیت، مباحث تئوری و عملی مربوط به بهینه سازی چند هدفه را فرا بگیرید، حتما این پست را بخوانید. محصولی که در این پست قصد معرفی آن را داریم، بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب است که نه تنها مشابه ایرانی، که مشابه خارجی نیز ندارد و محصولی واقعا بی نظیر است.

بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب، مجموعه ای از چهار فیلم آموزشی است که در مجموع شامل ۱۱ ساعت برنامه آموزشی تخصصی است، که به صورت تئوری و عملی ارائه شده اند. عناوین فیلم های آموزشی تشکیل دهنده این بسته آموزشی عبارتند از:

• فیلم آموزشی مبانی تئوری و روش های کلاسیک بهینه سازی چندهدفه
• فیلم آموزشی جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب –  شامل مباحث تئوری و عملی
• فیلم آموزشی جامع الگوریتم PSO چند هدفه یا MOPSO در متلب — شامل مباحث تئوری و عملی
• فیلم آموزشی پیاده سازی روش های کلاسیک بهینه سازی چند هدفه در متلب

برای کسب اطلاعات بیشتر در مورد این بسته آموزشی، ادامه مطلب را ببینید.

(...)
Read the rest of بسته طلایی فیلم های آموزشی بهینه سازی چند هدفه در متلب (به زبان فارسی) (597 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: MOPSO, Multicriteria Optimization, Multiobjective Optimization, NSGA, NSGA-II, NSGA2, PSO چند, Vector Optimization, آموزش الگوریتم ژنتیک چند هدفه, الگوریتم ژنتیک چند هدفه, بهینه سازی, بهینه سازی برداری, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی گروه ذرات چند هدفه, تصمیم گیری چند معیاره, روش های کلاسیک بهینه سازی چند هدفه

Feed enhanced by Better Feed from Ozh

الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند.

با توجه به موفقیت های کم نظیر الگوریتم PSO در حل مسائل بهینه سازی تک هدفه، دانشمندان و محققین بسیاری، سعی در استفاده از این الگوریتم برای حل مسائل چند هدفه داشته اند و تا کنون نسخه های متعددی از الگوریتم PSO برای حل مسائل چند هدفه ارائه شده است. یکی از معروف ترین الگوریتم هایی که در این راستا معرفی شده است، کاری است که توسط پرفسور کوئلو کوئلو (Coello Coello) و همکارانش معرفی شده است. نامی که آن ها برای الگوریتم شان انتخاب کرده اند MOPSO است، که اغلب این اسم انحصارا برای این الگوریتم به کار برده می شود. این الگوریتم در سال ۲۰۰۴ و در مقاله ای که در مجله محاسبات تکاملی IEEE (با نام کامل IEEE Transactions on Evolutionary Computation) چاپ شده است، معرفی گردید.

موضوع بحث فیلم آموزشی که در این پست قصد معرفی آن را داریم، مبانی تئوری الگوریتم MOPSO و شیوه پیاده سازی آن در محیط متلب است. برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، ادامه مطلب را ببینید.

(...)
Read the rest of فیلم آموزشی جامع الگوریتم PSO چند هدفه یا MOPSO در متلب (به زبان فارسی) (538 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: MOPSO, Multicriteria Optimization, Multiobjective Optimization, PESA, PSO, PSO چند هدفه, Vector Optimization, بهینه سازی, بهینه سازی ازدحام ذرات, بهینه سازی برداری, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی چند هدفه در متلب, بهینه سازی گروه ذرات چند هدفه, تصمیم گیری چند معیاره

Feed enhanced by Better Feed from Ozh

الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

بسته طلایی فیلم‌های آموزشی الگوریتم PSO، مشتمل بر هفت فیلم آموزشی است، که در مجموع تقریبا شامل ۱۰ ساعت برنامه آموزشی تخصصی هستند. اسامی بخش های مختلف این بسته آموزشی در ادامه آمده است:

• فیلم آموزشی بهینه سازی ازدحام ذرات PSO — شامل مباحث تئوری و عملی
  
• فیلم آموزشی حل مسأله دیسپاچینگ اقتصادی توسط الگوریتم PSO
  
• فیلم آموزشی حل مسائل گسسته با استفاده از الگوریتم PSO
  
• فیلم آموزشی حل مسأله فروشنده دوره گرد یا TSP با استفاده از الگوریتم PSO
  
• فیلم آموزشی برازش منحنی و مدل‌سازی با استفاده از الگوریتم PSO
  
• فیلم آموزشی حل مسأله کوله پشتی با استفاده از PSO
  
• فیلم آموزشی طراحی مسیر یا Path Planning با استفاده از PSO
  

برای کسب اطلاعات بیشتر در مورد این بسته آموزشی ارزشمند، لطفا بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of بسته طلایی فیلم‌های آموزشی الگوریتم PSO — شامل مباحث تئوری و عملی (به زبان فارسی) (411 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 3 comments | Add to del.icio.us
Post tags: Curve Fitting, Economic Dispatching, Interpolation, Knapsack Problem, Particle Swarm Optimization, Path Planning, PSO, Traveling Salesman Problem, TSP, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, برازش منحنی, بهینه سازی ازدحام ذرات, درونیابی, دیسپاچینگ اقتصادی, طراحی مسیر, طراحی مسیر روبات, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مدل سازی, مروری بر الگوریتم ازدحام ذرات - PSO, مسأله فروشنده دوره گرد, مسأله کوله پشتی, هوش ازدحامی

Feed enhanced by Better Feed from Ozh

فرض کنید که قرار است درجه حرارت یک محل را تنظیم کنیم، به نحوی که یک معیار (مثلا میزان مطرف انرژی) بهینه شود. اگر فقط تنظیم درجه حرارت در یک زمان به خصوص مد نظر باشد، مسأله چندان سخت نیست. اما اگر هدف ار حل مسأله، تنظیم درجه حرارت در تمام ساعات شبانه روز (بهتر است بگوییم در هر لحظه از شبانه روز) باشد، چه؟

این مسأله دارای بعد بینهایت است. زیرا ما باید درجه حرارت را برای هر لحظه از شبانه روز تعیین کنیم و می دانیم که تعداد این لحظات، بی نهایت است. البته فرض می کنیم که در این اطراف، کسی که به فیزیک کوانتومی معتقد است، حضور ندارد. (این جمله آخر چندان جدی نبود.)

مسأله طراحی مسیر حرکت یک روبات از یک مبدأ مشخص تا یک مقصد مشخص نیز، دارای بی نهایت متغیر مجهول است. زیرا در تمام بازه زمانی حرکت، قطعا این روبات در جایی از فضا حضور دارد و دارای مختصات است و هدف ما از حل مسأله، پیدا کردن مختصاتی برای روبات در تمام لحظات است، که اولا ما را از مبدأ مورد نظر تا مقصد مشخصی برساند، و ثانیا یک معیار (مثلا طول مسیر و یا انرژی مصرفی بریا حرکت) را بهینه کند. بسیاری از مسائلی که در حوزه مهندسی کنترل، روبانیک و مکاترونیک مطرح می شوند، دارای ابعاد بی نهایت هستند و باید به نحوی آن ها را تبدیل به مسائلی با بعد محدود کرد.

یکی از رویکردها برای حل چنین مسائلی، پارامتریزه کردن منحنی توصیف کننده مسیر و پیدا کردن مقادیر بهینه پارامترهای آن است. در این فیلم آموزشی، مسأله طراحی مسیر با استفاده از این تکنیک، و توسط الگوریتم PSO حل شده است. این روش می تواند برای سایر مسائل نیز مورد استفاده قرار بگیرد که نمونه ای از آن ها، در فیلم مورد اشاره قرار گرفته اند.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، لطفا بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of فیلم آموزشی طراحی مسیر یا Path Planning با استفاده از PSO (به زبان فارسی) (653 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | One comment | Add to del.icio.us
Post tags: Particle Swarm Optimization, Path Planning, PSO, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, بهینه سازی ازدحام ذرات, روبانیک, طراحی مسیر, طراحی مسیر روبات, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مروری بر الگوریتم ازدحام ذرات - PSO, مسائل دارای بعد بینهایت, هوش ازدحامی, کنترل مسیر روبات

Feed enhanced by Better Feed from Ozh

یکی از مسائل معروف در ریاضیات کاربردی و تحقیق در عملیات، مسأله کوله پشتی یا Knapsack Problem است، که به نام Backpack Problem نیز شناخته می شود. این مسأله دارای نسخه های مختلفی است و حالات پیچیده تر آن، در حل مسائل روزمره و صنعتی، کاربردهای فراوانی دارد. گذشته از اهمیت عملی این مسأله، نسخه های استانداردی نیز برای این مسأله تعریف شده اند که برای ارزیابی عملکرد الگوریتم های بهینه سازی، مورد استفاده قرار می گیرد. در این فیلم آموزشی با استفاده از الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) به حل مسأله کوله پشتی پرداخته شده است.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، لطفا بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of فیلم آموزشی حل مسأله کوله پشتی با استفاده از PSO (به زبان فارسی) (522 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Knapsack Problem, Particle Swarm Optimization, PSO, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, بهینه سازی ازدحام ذرات, تبدیل متغیر گسسته به پیوسته, حل مسأله کوله پشتی با PSO, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مروری بر الگوریتم ازدحام ذرات - PSO, مسأله کوله پشتی, مسأله کوله پشتی پیوسته, مسأله کوله پشتی گسسته, هوش ازدحامی

Feed enhanced by Better Feed from Ozh

به جرأت می توان گفت که یکی از مسائل مهم در تمامی رشته های علمی و مهندسی، مسأله مدل سازی و برازش منحنی است و در بسیار از رشته ها، این مسأله مهم ترین مسأله ای است که در آن حوزه تعریف می شود. تبدیل داده های برگرفته از مشاهدات، به مدلی ریاضی که بتواند سیستم مورد مطالعه را توصیف نماید، گاهی اوقات بزرگترین هدفی است که یک محقق دارد. روش های مختلفی برای برخورد با این مسأله وجود دارند که پیش از این درباره این روش ها، در متلب سایت مطالبی منتشر شده است. در این فیلم آموزشی با استفاده از الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) به حل مسأله برازش منحنی و مدل سازی پرداخته شده است. با توجه به مطالب مطرح شده در این فیلم آموزشی، می توانید هر مسأله مدل سازی استاتیک را به صورت یک مسأله بهینه سازی بیان نمایید و آن را با الگوریتم بهینه سازی حل کنید . راهکارهای ارائه شده مختص الگوریتم PSO نیستند و قطعا می توان آن ها را با سایر الگوریتم های بهینه سازی هوشمند نز مورد استفاده قرار داد.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

در این فیلم آموزشی شیوه اضافه کرد عمل جهش (Mutation) به الگوریتم PSO توضیح داده شده است. به این الگوریتم اصطلاحا Enhanced PSO یا به اختصار EPSO گفته می شود. به دلیل این که مسأله برازش منحنی یک مسأله بهینه سازی پیوسته است، لذا از جهش برای محیط های پیوسته، که به صورت توزیع نرمال (گوسی) تعریف شده است، در ساختار EPSO استفاده شده است.

برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، لطفا بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of فیلم آموزشی برازش منحنی و مدل‌سازی با استفاده از الگوریتم PSO (به زبان فارسی) (575 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Curve Fitting, Enhanced PSO, EPSO, Interpolation, Particle Swarm Optimization, PSO, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, برازش منحنی, بهینه سازی ازدحام ذرات, جهش در PSO, درونیابی, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مدل سازی, مروری بر الگوریتم ازدحام ذرات - PSO, هوش ازدحامی

Feed enhanced by Better Feed from Ozh

پیش از این مطالب متعددی بر روی متلب سایت در ارتباط با مسأله فروشنده دوره گرد (Traveling Salesman Problem) یا به اختصار TSP بیان شده است. یکی از جدیدترین محصولات متلب سایت، فیلم آموزشی حل مسأله فروشنده دوره گرد یا TSP با استفاده از الگوریتم بهینه سازی ازدحام ذرات یا PSO است که قطعا می تواند استفاده های فراوانی برای دانشجویان و محققین رشته ها مختلف داشته باشد. بسیاری از مسائل در رشته های مختلف علمی و مهندسی، می توانند به صورت یک مسأله TSP بیان شوند. همچنین، به دلیل ماهیت جایگشتی پاسخ های مسأله TSP، روش توصیف این پاسخ با استفاده از یک الگوریتم پیوسته مانند PSO، می تواند برای حل سایر مسائل بهینه سازی جایگشتی، مورد استفاده قرار گیرد.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

در این فیلم آموزشی شیوه اضافه کرد عمل جهش (Mutation) به الگوریتم PSO توضیح داده شده است. به این الگوریتم اصطلاحا Enhanced PSO یا به اختصار EPSO گفته می شود. سپس سه نوع عملگر جهش برای مسأله TSP بیان شده است که عبارتند از (الف) اپراتور تعویض یا Swap، (ب) اپراتور معکوس سازی یا Reversion و (پ) اپراتور جایگذاری یا Insertion. ترکیبی احتمالی از این اپراتورها به عنوان یک عملگر جهش تعریف شده است و در ساختار الگوریتم EPSO مورد استفاده قرار گرفته است.

برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، لطفا بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of فیلم آموزشی حل مسأله فروشنده دوره گرد یا TSP با استفاده از الگوریتم PSO (به زبان فارسی) (516 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Enhanced PSO, EPSO, Particle Swarm Optimization, PSO, Traveling Salesman Problem, TSP, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, بهینه سازی ازدحام ذرات, تبدیل جایگشت به عدد حقیقی, جهش در PSO, حل مسأله TSP با استفاده از PSO, حل مسأله TSP با استفاده از الگوریتم پیوسته, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مروری بر الگوریتم ازدحام ذرات - PSO, مسأله TSP, مسأله فروشنده دوره گرد, هوش ازدحامی

Feed enhanced by Better Feed from Ozh

الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) یکی از مهم ترین الگوریتم های  بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی  و راسل سی ابرهارت  در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

در این فیلم آموزشی، روش هایی در خصوص چگونگی استفاده از الگوریتم PSO برای حل مسائل بهینه سازی گسسته (عدد صحیح) ارائه شده اند. این روش ها منحصر به الگوریتم PSO نیستند و می توان آن ها را با هر الگوریتم پیوسته دیگری، از جمله تکامل تفاضلی (DE) و الگوریتم رقابت استعماری (ICA) مورد استفاده قرار داد.

این فیلم به صورت رایگان ارائه شده است و شما می توانید آن را دانلود نمایید. برای دریافت لینک های دانلود این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of دانلود رایگان فیلم آموزشی حل مسائل گسسته با استفاده از الگوریتم PSO (به زبان فارسی) (402 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 4 comments | Add to del.icio.us
Post tags: Particle Swarm Optimization, PSO, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, بهینه سازی ازدحام ذرات, تبدیل متغیر گسسته به پیوسته, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مروری بر الگوریتم ازدحام ذرات - PSO, مسائل بهینه سازی عدد صحیح, مسائل بهینه سازی گسسته, هوش ازدحامی

Feed enhanced by Better Feed from Ozh

یکی از مسائل مهمی که در مهندسی قدرت و مدیریت سیستم های تولید و توزیع نیروی برق مطرح می شود، مسأله دیسپاچینگ اقتصادی یا Economic Dispatching است. در این مسأله، که به صورت یک مسأله بهینه سازی مقید و پیوسته مطرح می شود، سعی می شود که سهم توان تولیدی چند واحد تولید برق به نحوی تعیین شود که عملکرد کلی سیستم از نظر اقتصادی بهینه شود. برای هر کدام از منابع تولید انرژی، یک تابع هزینه بر حسب توان تولیدی تعریف شده است، که غالبا به صورت درجه دو می باشد. در این فیلم آموزشی با استفاده از  الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) به حل این مسأله پرداخته شده است.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، لطفا بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of فیلم آموزشی حل مسأله دیسپاچینگ اقتصادی توسط الگوریتم PSO (به زبان فارسی) (529 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Economic Dispatching, Particle Swarm Optimization, PSO, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, بهینه سازی ازدحام ذرات, بهینه سازی مقید, دیسپاچینگ اقتصادی, سیستم های تولید و توزیع نیرو, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مدیریت انرژی, مدیریت مصرف انرژی, مروری بر الگوریتم ازدحام ذرات - PSO, مهندسی برق, مهندسی قدرت, هوش ازدحامی, کاربرد PSO در مهندسی برق, کاربرد PSO در مهندسی قدرت

Feed enhanced by Better Feed from Ozh

الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) یکی از مهم ترین الگوریتم های  بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی  و راسل سی ابرهارت  در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

در این فیلم آموزشی پس از مروری کامل بر تئوری PSO، نحوه برنامه نویسی و پیاده سازی این الگوریتم در محیط متلب به طور کامل آموزش داده می شود. این فیلم آموزشی قطعا یک منبع آموزشی بی نظیر برای آموزش مباحث تئوری و عملی مرتبط با الگوریتم PSO است. حتی افرادی که هیچ گونه آشنایی با الگوریتم PSO و مفاهیم مرتبط با آن ندارند، می توانند با استفاده از این فیلم آموزشی ارزشمند، اطلاعات کامل و دقیقی را به دست بیاورند.

برای کسب اطلاعات بیشتر در مورد این فیلم آموزشی، لطفا بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of فیلم آموزشی بهینه سازی ازدحام ذرات PSO — شامل مباحث تئوری و عملی (به زبان فارسی) (435 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Particle Swarm Optimization, PSO, آموزش PSO, آموزش بهینه سازی ازدحام ذرات, آموزش عملی, آموزش عملی PSO, آموزش عملی بهینه سازی ازدحام ذرات, الگوریتم PSO, الگوریتم ازدحام ذرات, بهینه سازی ازدحام ذرات, فیلم آموزش عملی, فیلم آموزشی, فیلم آموزشی PSO, مجموعه آموزشی PSO, مروری بر الگوریتم ازدحام ذرات - PSO, هوش ازدحامی

Feed enhanced by Better Feed from Ozh