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

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 روش های تجزیه یا Decomposition نیز نامیده می شوند)، 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.

موضوع بحث فیلم آموزشی که در این پست قصد معرفی آن را داریم، پیاده سازی روش های بهینه سازی چند هدفه کلاسیک در متلب است. سه روش از میان روش های های کلاسیک بهینه سازی چند هدفه، در این فیلم آموزشی مورد بررسی قرار گرفته و پیاده سازی شده اند. این سه روش عبارتند از: (الف) روش مجموع وزن دار، (ب) روش برنامه ریزی آرمانی یا Goal Programming و (پ) روش نیل به آرمان یا Goal Attainment.

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

(...)
Read the rest of فیلم آموزشی پیاده سازی روش های بهینه سازی چند هدفه کلاسیک در متلب (به زبان فارسی) (464 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Decomposition, Goal Attainment, Goal Programming, Multicriteria Optimization, Multiobjective Optimization, Vector Optimization, Weighted Sum, برنامه ریزی آرمانی, بهینه سازی, بهینه سازی برداری, بهینه سازی چند معیاره, بهینه سازی چند هدفه, تبدیل مسائل چند هدفه به مسائل مقید, تصمیم گیری چند معیاره, روش مجموع وزن دار, روش های تجزیه, روش های کلاسیک بهینه سازی چند هدفه, نیل به آرمان

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

(...)
Read the rest of فیلم آموزشی جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب (به زبان فارسی) (477 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | One comment | Add to del.icio.us
Post tags: Multicriteria Optimization, Multiobjective Optimization, NSGA, NSGA-II, NSGA2, Vector Optimization, آموزش الگوریتم ژنتیک چند هدفه, الگوریتم ژنتیک, الگوریتم ژنتیک با مرتب سازی نا مغلوب, الگوریتم ژنتیک با مرتب سازی نامغلوب, الگوریتم ژنتیک چند هدفه, بهینه سازی, بهینه سازی برداری, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی چند هدفه در متلب, تصمیم گیری چند معیاره, نسخه دوم الگوریتم ژنتیک با مرتب سازی نا مغلوب

Feed enhanced by Better Feed from Ozh

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.

موضوع بحث فیلم آموزشی که در این پست قصد معرفی آن را داریم، مبانی تئوری بهینه سازی چند هدفه و روش های بهینه سازی چند هدفه کلاسیک است. روش های کلاسیک، در برخی متون به نام روش های تجزیه یا Decomposition نیز شناخته می شوند.

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

(...)
Read the rest of فیلم آموزشی مبانی تئوری و روش های کلاسیک بهینه سازی چندهدفه (به زبان فارسی) (496 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | No comment | Add to del.icio.us
Post tags: Decomposition, Goal Attainment, Goal Programming, Multicriteria Optimization, Multiobjective Optimization, Vector Optimization, Weighted Sum, برنامه ریزی آرمانی, بهینه سازی, بهینه سازی برداری, بهینه سازی چند معیاره, بهینه سازی چند هدفه, تبدیل مسائل چند هدفه به مسائل مقید, تصمیم گیری چند معیاره, روش مجموع وزن دار, روش های تجزیه, روش های کلاسیک بهینه سازی چند هدفه, نیل به آرمان

Feed enhanced by Better Feed from Ozh

پیش از این، برنامه های آموزشی مربوط به بهمن ماه را در متلب سایت ارائه نمودیم. دوره های آموزشی ویژه هفته اول بهمن ماه ۱۳۹۰ از طریق این لینک (+) و دوره های آموزشی ویژه هفته سوم بهمن ماه ۱۳۹۰ از طریق این لینک (+) اطلاع رسانی شدند. برای پاسخگویی به نیاز مخاطبین محترم متلب سایت، دوره های آموزشی جدیدی نیز در برنامه کار قرار گرفته است که در اسفند ماه برگزار خواهند شد.

اولین برنامه آموزشی مربوط به اسفند ماه ۱۳۹۰، مربوط به روش های هوشمند برای بهینه سازی چند هدفه است و در روزهای دوم تا چهارم اسفند ماه ۱۳۹۰ برگزار خواهد شد. در این دوره آموزشی، بحث های مفصل نظری (تئوری) و عملی بر روی الگوریتم های بهینه سازی چند هدفه انجام خواهد گرفت. طی این دوره آموزشی، علاوه بر مروری بر مبانی تئوری بهینه سازی چند هدفه و الگوریتم هایی که برای حل چنین مسائلی پیشنهاد شده اند، نحوه پیاده سازی این الگوریتم ها نیز در متلب مورد بحث و بررسی قرار خواهد گرفت.

برگزاری دوره آموزشی با موضوع بهینه سازی چند هدفه در چنین سطحی، قطعا یک نمونه منحصر به فرد است. می توان به جرأت ادعا کرد که پیش از این نه در مراکز دانشگاهی و نه در سایر موسسات آموزشی ایران، چنین دوره ای، که ترکیبی از نکات تئوری و عملی را در زمینه بهینه سازی چند هدفه ارائه نماید، برگزار نشده است.

سرفصل های مهم ترین مطالبی که در این دوره آموزشی منحصر به فرد ارائه خواهند شد، در ادامه آمده است:

• مروری بر مبانی تئوری بهینه سازی چند هدفه و لزوم تعریف و حل چنین مسائلی
• مروری بر روش های کلاسیک برای حل مسائل بهینه سازی چند هدفه
• آشنایی با کلیات روش های بهینه سازی هوشمند و الگوریتم های تکاملی چند هدفه
• مروری بر چند الگوریتم تکاملی برای بهینه سازی چند هدفه و تاریخچه آن ها
• بحث کامل بر روی تئوری الگوریتم ژنتیک با مرتب سازی نا مغلوب (نسخه ۲) و یا NSGA-II
• چگونگی پیاده سازی NSGA-II در محیط متلب
• بحث کامل بر روی تئوری الگوریتم بهینه سازی ازدحام ذرات چند هدفه و یا MOPSO
• چگونگی پیاده سازی MOPSO در محیط متلب
• و ده ها مبحث عمیق تئوری و عملی دیگر

مدرس این دوره های آموزشی، مهندس سید مصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) است.

برای کسب اطلاعات بیشتر در مورد این دوره های آموزشی و اطلاع از چگونگی ثبت نام، بر روی لینک ادامه مطلب کلیک کنید.

(...)
Read the rest of دوره آموزشی روش های بهینه سازی چند هدفه در متلب — ویژه هفته اول اسفند ماه ۱۳۹۰ (1,128 words)

© مدیر امور آموزش for متلب سایت, 2012. | Permalink | 7 comments | Add to del.icio.us
Post tags: MOPSO, NSGA, NSGA-II, NSGA2, PSO چند هدفه, آموزش الگوریتم ژنتیک چند هدفه, الگوریتم ژنتیک با مرتب سازی نا مغلوب, الگوریتم ژنتیک با مرتب سازی نامغلوب, الگوریتم ژنتیک چند هدفه, بهینه سازی تکاملی چند هدفه, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی چند هدفه در متلب, بهینه سازی گروه ذرات چند هدفه, تصمیم گیری چند معیاره, دوره آموزشی بهینه سازی چند هدفه, دوره آموزشی متلب, دوره آموزشی متلب و هوش مصنوعی, دوره آموزشی هوش مصنوعی, دوره های آموزشی, مخزن بهینه سازی تکاملی چند هدفه, نسخه دوم الگوریتم ژنتیک با مرتب سازی نا مغلوب

Feed enhanced by Better Feed from Ozh

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. تا کنون، روش های متعددی برای حل مسائل بهینه سازی چند هدفه معرفی شده اند که از میان آن ها، روش های بهینه سازی هوشمند (الگوریتم های تکاملی) جایگاه ویژه ای دارند. زیرا اغلب، بر خلاف روشهای کلاسیک در ریاضیات کاربردی، مسائل بهینه سازی چندهدفه را به همان شکل که هستند، مورد حل قرار می دهند و از تبدیلات هندسی و مشابه آن استفاده نمی کنند. البته اخیرا روش های بهینه سازی هوشمندی نیز ارائه شده اند که از ایده های موجود در ریاضیات کاربردی (مانند تجزیه چبیشف یا Tchebycheff Decomposition) بهره می برند. از میان الگوریتم های تکاملی و هوشمند که برای حل مسائل بهینه سازی چند هدفه ارائه شده اند، می توان به موارد زیر اشاره نمود:

• الگوریتم ژنتیک چند هدفه یا Multi-objective Genetic Algorithm (به اختصار MOGA)
• الگوریتم ژنتیک با ارزیابی برداری یا Vector Evaluated Genetic Algorithm (به اختصار VEGA)
• الگوریتم ژنتیک مبتنی بر نیچینگ (همسایگی) پارتو یا Niched Pareto Genetic Algorithm (به اختصار NPGA)
• الگوریتم ژنتیک با مرتب سازی نا مغلوب یا Non-dominated Sorting Genetic Algorithm (به اختصار NSGA) و نسخه دوم آن NSGA-II
• الگوریتم ژنتیک میکرو یا Micro Genetic Algorithm (به اختصار μGA) و نسخه دوم آن μGA2
• بهینه سازی ازدحام ذرات چند هدفه یا Multi-objective Particle Swarm Optimization (به اختصار MOPSO)
• استراتژی تکاملی با آرشیو پارتو یا Pareto Archived Evolution Strategy (به اختصار PAES)
• الگوریتم انتخاب مبتنی بر الگوی پارتو یا Pareto Envelope-based Selection Algorithm (به اختصار PESA) و نسخه دوم آن PESA-II
• الگوریتم تکاملی مبتنی بر شدت پارتو یا Pareto Strength Evolutionary Algorithm (به اختصار PSEA) و نسخه دوم آن PSEA
• الگوریتم تکاملی چند هدفه مبتنی بر تجزیه یا Multi-objective Evolutionary Algorithm based on Decomposition (به اختصار MOEA/D)

در این پست قصد داریم برنامه آماده متلب برای پیاده سازی نسخه دوم الگوریتم ژنتیک با مرتب سازی نا مغلوب یا NSGA-II را به حضور مخاطبین محترم متلب سایت ارائه نماییم. الگوریتم NSGA-II یکی از پرکاربردترین و قدرتمندترین الگوریتم های موجود برای حل مسائل بهینه سازی چند هدفه است و کارایی آن در حل مسائل مختلف، به اثبات رسیده است. لازم به ذکر است، گروه برنامه نویسان متلب سایت قصد دارد در آینده، کدهای متلب مربوط به الگوریتم های بهینه سازی چند هدفه را در متلب سایت منتشر نماید.

برای دریافت برنامه و مشاهده اطلاعات تکمیلی، بر روی لینک ادامه مطلب کلیک نمایید.
(...)
Read the rest of دانلود رایگان کد متلب نسخه دوم الگوریتم ژنتیک با مرتب سازی نا مغلوب یا NSGA-II (1,299 words)

© smk for متلب سایت, 2011. | Permalink | 2 comments | Add to del.icio.us
Post tags: microGA, MOEAD, MOGA, MOPSO, NPGA, NSGA, NSGA-II, NSGA2, PAES, PESA, SPEA, VEGA, الگوریتم ژنتیک, الگوریتم ژنتیک با مرتب سازی نا مغلوب, الگوریتم ژنتیک چند هدفه, بهینه سازی برداری, بهینه سازی تکاملی چند هدفه, بهینه سازی چند معیاره, بهینه سازی چند هدفه, بهینه سازی چند هدفه در متلب, دانلود کد آماده, نسخه دوم الگوریتم ژنتیک با مرتب سازی نا مغلوب, پارتو

Feed enhanced by Better Feed from Ozh

در این پست قصد داریم سایتی را معرفی کنیم که مجموعه ای از معتبرترین منابع در مورد بهینه سازی چند هدفه با استفاده از الگوریتم های تکاملی را ارائه می نماید. مخزن بهینه سازی تکاملی چند هدفه یا EMOO Repository سایتی است که به همت پرفسور کارلوس کوئلو کوئلو (Carlos A. Coello Coello) راه اندازی شده است و اکنون توسط ایشان مدیریت می شود. پرفسور کوئلو یکی از افراد سرشناس در حوزه بهینه سازی چند هدفه و مقید است و الگوریتم بهینه سازی ازدحام ذرات چند هدفه یا MOPSO از ابداعات ایشان می باشد. لطفا به ادامه مطلب توجه نمایید.

(...)
Read the rest of معرفی سایت: مخزن بهینه سازی تکاملی چند هدفه (765 words)

© smk for متلب سایت, 2011. | Permalink | No comment | Add to del.icio.us
Post tags: Carlos A. Coello Coello, Coello, microGA, MOPSO, NSGA, PAES, PESA, SPEA, استراتژی تکاملی با آرشیو پارتو, الگوریتم تکاملی مبتنی بر شدت پارتو, الگوریتم مرتب سازی مبتنی بر الگوی پارتو, الگوریتم میکرو ژنتیک, الگوریتم ژنتیک با مرتب سازی نامغلوب, انتخاب موضوع پایان نامه, بهینه سازی تکاملی چند هدفه, بهینه سازی چند هدفه, بهینه سازی گروه ذرات چند هدفه, دانلود کد آماده, مخزن بهینه سازی تکاملی, مخزن بهینه سازی تکاملی چند هدفه, معرفی سایت, پایان نامه, پرفسور کوئلو, کارلوس کوئلو کوئلو

Feed enhanced by Better Feed from Ozh