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.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید:

بدون شک درونیابی و برازش منحنی از مهم ترین و پرکاربردترین مسائل در امور علمی، فنی و مهندسی هستند، و افراد مختلفی از رشته ها و طیف های مختلف، در مسیر مطالعات و پژوهش های خود با این مسائل مواجه می شوند. روش های متعددی برای حل مسأله درونیابی و برازش منحنی وجود دارند. پیش از این کد آماده روش درونیابی لاگرانژ را در متلب سایت ارائه کرده بودیم. همچنین مطلبی نیز در خصوص برازش منحنی مبتنی بر داده در محیط متلب، در متلب سایت منتشر شده بود.

از یک زاویه دید متفاوت، می توان مسأله برازش منحنی را به صورت یک مسأله بهینه سازی مطرح نمود و با استفاده از الگوریتم های بهینه سازی (اعم از کلاسیک و یا متاهیوریستیک) به حل آن پرداخت. به عنوان یک انتخاب مناسب، ما به سراغ الگوریتم بهینه سازی ازدحام ذرات یا PSO رفته ایم و کد مربوط به حل مسأله برازش منحنی با استفاده از الگوریتم PSO را در محیط متلب پیاده سازی کرده ایم. این کد به صورت رایگان توسط متلب سایت در اختیار مخاطبین و مراجعین محترم قرار گرفته است. لطفا به ادامه مطلب توجه فرمایید.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید:

الگوریتم جستجوی ممنوعه یا Tabu Search و یا به اختصار TS، یکی از قوی ترین الگوریتم ها در زمینه حل مسائل بهینه سازی، به خصوص مسائل بهینه سازی مبتنی بر گراف و مسائل بهینه سازی ترکیباتی (Combinatorial Optimization) است. این الگوریتم در اواخر دهه ۱۹۸۰ و توسط گلووِر (Glover) و همکارانش ارائه گردید. غالبا یکی از مسائلی که برای حل آنها از الگوریتم TS استفاده می شود، مسأله فروشنده دوره گرد یا TSP است. این الگوریتم پاسخ های بسیار مناسبی را برای انواع مسائل گسسته به خصوص مسأله TSP ارائه می کند. متلب سایت در این پست، کد آماده متلب را که در آن مسأله TSP بااستفاده از الگوریتم TS حل شده است، در اختیار خوانندگان و مراجعین محترم متلب سایت قرار داده است. به ادامه مطلب توجه فرمایید.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید:

منطق فازی که از ابداعات پرفسور لطفی زاده است، امروزه جایگاه ویژه ای در میان مباحث هوش مصنوعی و هوش محاسباتی دارد. بسیاری از پیشرفت هایی که در این زمینه ها و سایر رشته های علمی مرتبط صورت پذیرفته است، بدون استفاده از ریاضیات و منطق قازی، عملا غیر ممکن است. استفاده ها و کاربردهای گوناگونی که از منطق و محاسبات فازی در رشته های مختلف علمی و فنی به وجود آمده است، باعث جدی تر شدن نیاز محققین و دانشجویان به وجود ابزار محاسبات فازی شده است. نرم افزار متلب دارای جعبه ابزار (تولباکس) نسبتا کاملی برای کار با انواع سیستم های فازی است. اما در برخی مواقع، احتمال دارد شما نیازمند پیاده سازی روش های محاسبات و منطق فازی در یک زبان برنامه نویسی دیگر باشید. از جمله این دلایل می توان به این موارد اشاره نمود: (الف) دسترسی به سرعت محاسباتی بیستر، (ب) تکمیل پروژه ای بزرگ که تا این مرحله با زبان خاصی پیاده سازی شده است، و (پ) استفاده از قابلیت های زبان های برنامه نویسی پیشرفته در زمینه طراحی نرم افزار (که قطعا در محیط نرم افزار متلب در دسترس نیستند).

در این پست قصد داریم تا کتابخانه ای رایگان از توابع و کلاس ها برای منطق و محاسبات فازی را معرفی نماییم، که با استفاده از زبان برنامه نویسی سی شارپ پیاده سازی شده است و در تمامی زبان های برنامه نویسی مبتنی بر دات نت قابل استفاده است؛ از جمله سی شارپ، ویژوال بیسیک دات نت، سی پلاس پلاس دات نت، و اِف شارپ. این کتابخانه که دات فازی یا DotFuzzy نام دارد، توسط آقای مایکل برتولی (یک برنامه نویس و مهندس ایتالیایی) پیاده سازی شده است، و دارای امکانات وسیعی برای کار با مجموعه های فازی و پیاده سازی محاسبات فازی می باشد. در ادامه مطلب با ما همراه باشید.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید:

الگوریتم شبیه سازی تبرید یا Simulated Annealing و یا به اختصار SA، یکی از قوی ترین الگوریتم های در زمینه بهینه سازی ترکیباتی یا Combinatorial Optimization است. این الگوریتم در سال ۱۹۸۳ توسط کیرکپاتریک و همکارانش ارائه گردید و در همان مقاله اصلی، بر روی مسأله فروشنده دوره گرد یا TSP اعمال شد. متلب سایت در این پست، کد آماده متلب را که در آن مسأله TSP بااستفاده از الگوریتم SA حل شده است، در اختیار خوانندگان و مراجعین محترم متلب سایت قرار داده است. به ادامه مطلب توجه فرمایید.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید:

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.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید:

بالاخره پس از مدت ها، با توجه به درخواست های مکرر دوستان و علاقه مندان مباحث هوش مصنوعی و بهینه سازی هوشمند، و کاربران الگوریتم رقابت استعماری، نسخه جدید کد متلب الگوریتم رقابت استعماری، توسط گروه برنامه نویسان متلب سایت، ارائه گردیده است. همچنین با توجه به افزایش روز افزون کاربرد الگوریتم رقابت استعماری، و لزوم دسترسی به سرعت های اجرای بالاتر، برای اولین بار، الگوریتم رقابت استعماری با استفاده از زبان برنامه نویسی سی سارپ یا C# پیاده سازی شده است. برای دریافت برنامه ها، بر روی لینک ادامه مطلب کلیک کنید.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید:

یکی از پایه ای ترین عملیاتی که در حوزه کاری پردازش تصویر مطرح می شود، استخراج و تشخیص لبه تصاویر است. روش متعدد محاسباتی و هوشمند برای استخراج و تشخیص لبه تصاویر وجود دارد که ساده ترین آن ها، استفاده از مشتق گیری دو بعدی از سیگنال تصویر است. گروه برنامه نویسی متلب سایت، برنامه مربوط به یک استخراج لبه از یک تصویر با استفاده از متلب تهیه کرده است و برای دانلود در اختیار مراجعین محترام قرار داده است. شما می توانید برای دانلود برنامه مذکور، به بخش ادامه مطلب مراجعه نمایید.

اگر این مطلب را پسندیده اید، آن را به اشتراک بگذارید: