به متلب سایت امتیاز مثبت بدهید.

فیلم جامع آموزش عملی الگوریتم های ژنتیک در متلب (به زبان فارسی)

مجموعه فیلم های آموزشی الگوریتم های ژنتیک در متلب (به زبان فارسی)

 

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است. بسیاری از افراد، سایر روش های بهینه سازی هوشمند را، نسخه های تغییر یافته ای از الگوریتم ژنتیک می شناسند و قائل به اصالت وجود و ماهوی سایر الگوریتم ها نیستند. این ابزار محاسباتی، در اوایل دهه ۱۹۷۰ از دل نتایجی پدید آمد، که از تلاش های مهندسین و دانشمندان آن روزگار برای شبیه سازی فرایند تکامل، صورت پذیرفته بود. مبتکر ایده الگوریتم های ژنتیک، جان هالند بود و پس از وی، یکی از شاگرادنش به نام دیوید گولدبرگ، تلاش فراوانی برای توسعه الگوریتم های ژنتیک انجام داده است.

 

تا کنون محصولات متنوعی برای آموزش مباحث تئوری و عملی الگوریتم های ژنتیک، بر روی متلب سایت ارائه شده اند. در این پست قصد داریم جدیدترین و کامل ترین محصول متلب سایت را که مربوط به آموزش تئوری و عملی الگوریتم های ژنتیک در متلب است، به حضور مخاطبین محترم معرفی نماییم. این فیلم آموزشی، که مشتمل بر بیش از ۶ ساعت برنامه آموزشی است، قطعا یک مرجع بی نظیر برای آموزش مباحث تخصصی مرتبط با الگوریتم های ژنتیک و از همه مهم تر، پیاده سازی الگوریتم های ژنتیک در محیط متلب است.

 

این محصول شامل همه مطالبی است که شما باید در مورد الگوریتم ژنتیک بدانید و از نظر برنامه نویسی نیز، کامل ترین محصولی است که تا کنون در مورد الگوریتم های ژنتیکی ارائه شده است.

 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک نمایید.

 

ادامه مطلب

برچسب ها: , , , , , , , , , , , , , ,

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

فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۹ بهمن ۱۳۹۰
  • بدون نظر
  • بسته طلایی فیلم‌های آموزشی الگوریتم PSO — شامل مباحث تئوری و عملی (به زبان فارسی)

    بسته کامل فیلم‌های آموزشی تئوری و عملی الگوریتم PSO (به زبان فارسی)

     

    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.

    ادامه مطلب

    برچسب ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

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

    فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۶ بهمن ۱۳۹۰
  • ۳ نظر
  • فیلم آموزش عملی برنامه ریزی خطی در متلب — به همراه حل مسأله حمل و نقل (به فارسی)

    فیلم آموزش عملی برنامه ریزی خطی در متلب -- به همراه حل مسأله حمل و نقل (به زبان فارسی)

     

    برنامه ریزی خطی (Linear Programming) یکی از مباحث مهم و پایه ای در زمینه تحقیق در عملیات و بهینه سازی است. بسیاری از مسائل کاربردی و عملی، با وجود تمام پیچیدگی های ذاتی آن ها، می توانند به صورت یک مسأله برنامه ریزی خطی مدل سازی شوند. از آن جمله می توان به مسأله حمل و نقل (Transportation Problem) اشاره نمود، که یک مسأله کلاسیک است و اهمیت فراوانی در زمینه مدیریت زنجیره تأمین دارد.

     

    روش های فراوانی برای حل مسائل برنامه ریزی خطی وجود دارد که از آن میان، روش سیمپلکس (Simplex) دارای اهمیت و کارایی ویژه ای برای حل مسائل با سایز متوسط است. روش هایی هم برای مواجهه با مسائل بزرگ (با تعداد متغیر زیاد) وجود دارند. تمام این روش ها، در تولباکس بهینه سازی (Optimization Toolbox) متلب تعبیه شده اند و می توان از امکانات مذکور، برای حل مسائل برنامه ریزی خطی استفاده نمود.

     

    در این فیلم آموزشی، روش حل مسائل برنامه ریزی خطی با استفاده از متلب آموزش داده می شود. روش هایی برای آماده سازی اطلاعات لازم برای اجرای برنامه، به صورت مکانیزه، مورد بحث و بررسی قرار گرفته اند. همچنین به عنوان یک مثال کاربردی، مسأله حمل و نقل نیز با استفاده از رویکرد ارائه شده، حل شده است. در پایان نیز، مروری بر سایر توابع و روش های بهینه سازی تولباکس بهینه سازی انجام شده است.

     

    برای دریافت اطلاعات تکمیلی در خصوص این فیلم آموزشی، بر روی لینک ادامه مطلب کلیک کنید.

     

    ادامه مطلب

    برچسب ها: , , , , , , , , , , , , ,

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

    فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۶ بهمن ۱۳۹۰
  • بدون نظر
  • فیلم آموزشی طراحی مسیر یا Path Planning با استفاده از PSO (به زبان فارسی)

    فیلم آموزشی طراحی مسیر یا Path Planning با استفاده از PSO (به زبان فارسی)

     

    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.

    ادامه مطلب

    برچسب ها: , , , , , , , , , , , , , , , , , , , , ,

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

    فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۶ بهمن ۱۳۹۰
  • يك نظر
  • دوره آموزش عملی الگوریتم رقابت استعماری در متلب — ویژه هفته سوم اسفند ماه ۱۳۹۰

     

    دوره آموزش عملی الگوریتم رقابت استعماری در متلب -- ویژه هفته دوم اسفند ماه 1390

     

    دوره های آموزشی هفته اول و سوم بهمن ماه ۱۳۹۰ با موفقیت برگزار شدند. موضوع این دوره های آموزشی در مورد الگوریتم های ژنتیک و الگوریتم PSO بود. امروزه الگوریتم رقابت استعماری (Imperialist Competitive Algorithm) یا به اختصار ICA به عنوان یک الگوریتم بهینه سازی قدرتمند برای حل مسائل مختلف مورد استفاده قرار گرفته است. پس از برگزاری موفقیت آمیز دوره های آموزشی الگوریتم های ژنتیک و PSO، جدیدترین دوره آموزشی متلب سایت به موضوع الگوریتم رقابت استعماری مربوط است.

     

    دوره آموزش عملی الگوریتم رقابت استعماری در متلب در روزهای ۱۶، ۱۷ و ۱۸ اسفند ماه ۱۳۹۰ برگزار خواهد شد. در این دوره آموزشی، بحث های مفصل نظری (تئوری) و عملی بر روی الگوریتم رقابت استعماری انجام خواهد گرفت. سپس نحوه پیاده سازی این الگوریتم با استفاده از زبان برنامه نویسی متلب مورد بحث و بررسی قرار خواهد گرفت. چند مسأله عملی و کاربردی نیز در این دوره آموزشی مورد حل و بررسی قرار خواهند گرفت که از این طریق، افراد شرکت کننده می توانند توانایی برخورد با مسائل عملی را کسب نمایند. مباحثی مانند بهینه سازی مسائل مقید، نحوه استفاده از الگوریتم رقابت استعماری برای حل مسائل گسسته و نحوه حل مسائل پیچیده از جمله مطالبی هستند که در این دوره آموزشی به آن پرداخته خواهد شد.

     

    مهم ترین مطالب مورد بحث در این دوره آموزشی عبارتند از:

    • مروری بر مبانی بهینه سازی و مفاهیم پنیادین آن
    • مبانی تئوری (نظری) الگوریتم رقابت استعماری
    • مباحث تکمیلی در خصوص پیاده سازی این الگوریتم در محیط متلب
    • پیاده سازی گام-به-گام و عملی الگوریتم رقابت استعماری در محیط متلب
    • نحوه حل مسائل مقید و شیوه برخورد با قیدهای مختلف
    • استفاده از الگوریتم رقابت استعماری برای حل مسائل گسسته (عدد صحیح)
    • حل چندین مثال عملی با استفاده از الگوریتم رقابت استعماری
    • ارائه راهکارهای عملی برای حل مسائل بهینه سازی (قابل استفاده برای تمام الگوریتم های بهینه سازی)
    • و ده ها مبحث علمی و تخصصی دیگر …

     

    مدرس این دوره آموزشی، مهندس سید مصطفی کلامی هریس (دانشجوی دکترای مهندسی برق-کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی) است. مکان برگزاری دوره ها، در تهران (میدان هفتم تیر) خواهد بود.

     

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

     

    ادامه مطلب

    برچسب ها: , , , , , , , , , ,

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

    فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۶ بهمن ۱۳۹۰
  • بدون نظر
  • فیلم آموزشی حل مسأله کوله پشتی با استفاده از PSO (به زبان فارسی)

    فیلم آموزشی حل مسأله کوله پشتی با استفاده از PSO (به زبان فارسی)

     

    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.

    ادامه مطلب

    برچسب ها: , , , , , , , , , , , , , , , , , , , , ,

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

    فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۶ بهمن ۱۳۹۰
  • بدون نظر
  • فیلم آموزشی برازش منحنی و مدل‌سازی با استفاده از الگوریتم PSO (به زبان فارسی)

    فیلم آموزشی برازش منحنی و مدل‌سازی با استفاده از الگوریتم PSO (به زبان فارسی)

     

    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.

    ادامه مطلب

    برچسب ها: , , , , , , , , , , , , , , , , , , , , , , ,

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

    فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۶ بهمن ۱۳۹۰
  • بدون نظر
  • فیلم آموزشی حل مسأله فروشنده دوره گرد یا TSP با استفاده از الگوریتم PSO (به زبان فارسی)

    فیلم آموزشی حل مسأله فروشنده دوره گرد یا TSP با استفاده از الگوریتم PSO (به زبان فارسی)

     

    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.

    ادامه مطلب

    برچسب ها: , , , , , , , , , , , , , , , , , , , , , , , , ,

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

    فیس بوکتوئیترخوشمزه (دلیشس)دیگفرندفیدگوگلگوگل ریدر (گودر)گوگل بازاستامبلبالاترینکلوبدنبالهیاهو مسنجرارسال در قالب پست الکترونیکی
  • نوشته شده توسط: مدیر امور آموزش
  • در تاریخ: ۲۶ بهمن ۱۳۹۰
  • بدون نظر