تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.

فرادرس پیاده‌سازی روش‌های کلاسیک بهینه‌سازی چند هدفه در متلب

دسته بندی این آموزش: ,

موضوع بحث فرادرس، 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. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

کد آموزش: MVRMO9012F
مدرس: سیدمصطفی کلامی هریس
مدت زمان: ۱ ساعت و ۵۰ دقیقه

هزینه اصلی: ۸,۶۰۰ تومان
با تخفیف دانشجویی: ۶,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
تضمین سرعت ارسال و دریافت آموزش فرادرس
ارسال آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

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


    توضیحات

    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
    • 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 فرادرس 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:

    • روش مجموع وزن دار،
    • روش برنامه ریزی آرمانی یا Goal Programming
    • روش نیل به آرمان یا Goal Attainment.

    سرفصل های مورد بحث:

    • مبانی بهینه سازی چند هدفه و بیان تفاوت های آن با مسأله بهینه سازی یک هدفه
    • مروری بر روش های بهینه سازی چند هدفه کلاسیک
      • روش مجموع وزن دار یا Weighted Sum، مزایا و معایب آن
      • روش برنامه ریزی آرمانی یا Goal Programming
      • روش نیل به آرمان یا Goal Attainment
      • روش چبیشف، به عنوان حالت کلی روش های مبتنی بر آرمان
      • روش تبدیل به قید یا ε-Constrainet (بخوانید Epsilon Constraint)
    • پیاده سازی سه روش از روش های مطرح شده در متلب
      • پیاده سازی روش مجموع وزن دار با استفاده از تابع fminunc
      • پیاده سازی روش برنامه ریزی آرمانی با استفاده از تابع fminunc
      • پیاده سازی روش نیل به آرمان با استفاده از تابع fgoalattain
    • بهبود عملکرد برنامه های نوشته شده با حذف پاسخ های مغلوب
    • جمع بندی و نتیجه گیری های نهایی

     

    راهنمای مقایسه و انتخاب

    مجموعه آموزش تئوری و عملی الگوریتم ژنتیک در ۷ نسخه مختلف ارائه شده است. می توانید بر حسب نیاز خود یک یا چندین مورد از این آموزش ها را برای مطالعه انتخاب کنید. لیست نسخه های مختلف این فرادرس در ادامه آمده است.

    ردیف عنوان عنوان خلاصه مجموع ساعت لینک
    ۱ فرادرس مبانی تئوری و روش‌های کلاسیک بهینه‌سازی چندهدفه مبانی تئوری و روش های کلاسیک ۹۰ دقیقه لینک (کلیک کنید)
    ۲ فرادرس جامع الگوریتم ژنتیک چند هدفه NSGA-II در متلب الگوریتم ژنتیک چند هدفه NSGA-II ۴ ساعت و ۲۹ دقیقه لینک (کلیک کنید)
    ۳ فرادرس جامع الگوریتم PSO چند هدفه یا MOPSO در متلب  الگوریتم PSO چند هدفه ۳ ساعت و ۱۷ دقیقه لینک (کلیک کنید)
    ۴ فرادرس پیاده‌سازی روش‌های کلاسیک بهینه‌سازی چند هدفه در متلب پیاده سازی روش های کلاسیک  ۱ ساعت و ۵۰ دقیقه همین صفحه
    ۵ فرادرس جامع نسخه دوم الگوریتم تکاملی مبتنی بر قوت پارتو یا SPEA2 الگوریتم تکاملی مبتنی بر قوت پارتو ۳ ساعت و ۲۶ دقیقه لینک (کلیک کنید)
    ۶ فرادرس جامع الگوریتم تکاملی چند هدفه مبتنی بر تجزیه یا MOEA/D  الگوریتم تکاملی مبتنی بر تجزیه ۲ ساعت و ۱۴ دقیقه لینک (کلیک کنید)
    ۷ فرادرس جامع نسخه دوم الگوریتم انتخاب مبتنی بر شکل دهی پارتو یا PESA-II الگوریتم انتخاب مبتنی بر شکل دهی پارتو ۲ ساعت و ۴ دقیقه لینک (کلیک کنید)
    ۸ مجموعه فرادرس های بهینه‌سازی چند هدفه در متلب بهینه‌سازی چند هدفه در متلب ۱۸ ساعت و ۵۰ دقیقه لینک (کلیک کنید)

    شما می توانید با کلیک روی عنوان هر بسته، جزئیات بیشتری را مشاهده نمایید. ستون مربوط به فردارسی که در صفحه آن قرار دارید به رنگ زرد تنظیم شده است.

    تقسیم بندی مباحث
    سرفصل ها
    مقایسه نسخه ها
     پیاده سازی روش های کلاسیک
    مبانی تئوری و روش های کلاسیک
    مبانی بهینه سازی چند هدفه و بیان تفاوت های آن با مسأله بهینه سازی یک هدفه
     –
    تقسیم بندی روش های بهینه سازی چند هدفه
     –
    روش های بهینه سازی چند هدفه کلاسیک
     –
    روش تبدیل به قید یا ε-Constrainet (بخوانید Epsilon Constraint)
     –
    مقدمه سازی برای طرح الگوریتم های تکاملی چند هدفه
    جمع بندی و نتیجه گیری های نهایی
    الگوریتم ژنتیک چند هدفه NSG 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  –
    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
    الگوریتم PSO چند هدفه مروری بر مبانی بهینه سازی چند هدفه با الگوریتم های تکاملی
    مرور مختصری بر تئوری الگوریتم بهینه سازی ازدحام ذرات یا PSO
    ایجاد تغییرات لازم در الگوریتم PSO برای تبدیل آن به نسخه چند هدفه
    معرفی مفهوم مخزن یا بایگانی پاسخ های نا مغلوب
     –
    معرفی ساختار جدولی مورد استفاده در MOPSO
    مفهوم انتخاب مبتنی بر ناحیه به جای انتخاب مبتنی بر فرد
    شیوه انتخاب الگو یا Leader در الگوریتم MOPSO
    شیوه کنترل اندازه آرشیو
    چگونگی شکل دهی توزیع های احتمالی به نحوی که تنوع پاسخ ها حفظ شود  –
    انتخاب چرخه رولت یا Roulette Wheel Selection و استفاده از آن در MOPSO  –
    بیان شباهت های موجود میان الگوریتم PESA-II و MOPSO  –  –
    پیاده سازی یک مثال نمونه از توابع استاندارد چند هدفه  –  –
    پیاده سازی بخش های مختلف الگوریتم MOPSO در متلب  –
    جمع بندی و نتیجه گیری های نهایی
    پیاده سازی روش های کلاسیک
    مبانی بهینه سازی چند هدفه و بیان تفاوت های آن با مسأله بهینه سازی یک هدفه
     –
    مروری بر روش های بهینه سازی چند هدفه کلاسیک
     –
    پیاده سازی سه روش از روش های مطرح شده در متلب
    بهبود عملکرد برنامه های نوشته شده با حذف پاسخ های مغلوب
    جمع بندی و نتیجه گیری های نهایی
    الگوریتم تکاملی مبتنی بر قوت پارتو
    بررسی مبانی تئوری نسخه یکم الگوریتم SPEA
    بررسی کاستی ها و اشکالات موجود در الگوریتم SPEA
     –
    بیان تفاوت های موجود میان SPEA و SEPA2
    چگونگی تعریف برازندگی ترکیبی در SPEA2 برای انتقال معیار کیفیت پاسخ ها و معیار توزیع
    چگونگی امتیازدهی به پاسخ ها در SPEA2
    چگونگی تعریف معیار توزیع (نظم) با استفاده از الگوی KNN (یا k نزدیک ترین همسایه) در الگوریتم SPEA2
    پیاده سازی گام به گام و عملی الگوریتم SPEA2 در متلب
    اجرای برنامه برای مثال های عددی از مسائل نمونه بهینه سازی چندهدفه
     الگوریتم تکاملی مبتنی بر تجزیه
    مروری بر مبانی روش های تجزیه (Decomposition) در مسائل بهینه سازی چندهدفه
    روش مبتنی بر وزن دهی
     –
    روش های مبتنی بر رویکرد چبیشف (Tchybecheff)
     –
    مبانی تئوری و شیوه عملکرد الگوریتم MOEA/D
    پیاده سازی گام به گام الگوریتم MOEA/D در محیط متلب
    مباحثی در روش های تعیین وزن های اولیه
    تعریف وزن های دو بعدی منظم (توزیع بر روی کمان دایره)
    حل مسائل نمونه بهینه سازی چند هدفه با استفاده از الگوریتم MOEA/D
    الگوریتم انتخاب مبتنی بر شکل دهی پارتو بررسی مبانی تئوری نسخه یکم الگوریتم انتخاب مبتنی بر شکل دهی پارتو یا PESA
     بررسی تفاوت عملکرد نسخه یکم (PESA) و نسخه دوم (PESA-II) از الگوریتم انتخاب مبتنی بر شکل دهی پارتو
     بررسی ساختار احتمالی موجود در PESA و PESA-II و یکسان سازی این دو روش از طریق تعریف فاکتور «فشار انتخاب»
     پیاده سازی گام به گام و عملی الگوریتم PESA-II در متلب
     اعمال تغییرات در برنامه پیاده سازی شده برای بهبود عملکرد آن
     حل یک مسدله نمونه بهینه سازی چندهدفه
    اطلاعات کلی مدت زمان ۹۰ دقیقه ۴ ساعت و ۲۹ دقیقه ۳ ساعت و ۱۷ دقیقه ۱ ساعت و ۵۰ دقیقه ۳ ساعت و ۲۶ دقیقه ۲ ساعت و ۱۴ دقیقه ۲ ساعت و ۴ دقیقه ۱۸ ساعت و ۵۰ دقیقه
    حجم دانلود ۱۶۶ مگابایت ۵۷۱ مگابایت ۴۸۷ مگابایت ۲۶۲ مگابایت ۵۶۹ مگابایت ۳۶۵ مگابایت ۳۵۷ مگابایت ۲۷۷۷ مگابایت
    تعداد DVD ۱ ۱ ۱ ۱ ۱ ۱ ۱ ۲

     


    توضیحات و اطلاعات تکمیلی

    نام آموزش فرادرس پیاده‌سازی روش‌های کلاسیک بهینه‌سازی چند هدفه در متلب
    کد آموزش MVRMO9012F
    مدرس

    سیدمصطفی کلامی هریس

    نوع آموزش

    آموزش ویدئویی

    مدت زمان

    ۱ ساعت و ۵۰ دقیقه

    زبان

    فارسی

    حجم دانلود

    ۲۶۲ مگابایت

    تعداد DVD

    ۱


    پیش نمایش

    پیش نمایش ۱: فرادرس پیاده‌سازی روش‌های کلاسیک بهینه‌سازی چند هدفه در متلب

    مشاهده آنلاین پیش نمایش - ۳۲ دقیقه



    دانلود مستقیم پیش نمایش - حجم دانلود ۱۱۵ مگابایت (کلیک کنید +)

    مشاهده در یوتیوب (کلیک کنید +)

    مشاهده در تخته سفید(کلیک کنید +)

    مشاهده در ویمئو (کلیک کنید +)

    مشاهده در آپارات

    مشاهده در آپارات بخش ۱ - (کلیک کنید +)

    مشاهده در آپارات بخش ۲ - (کلیک کنید +)



    این آموزش را به کتابخانه دیجیتال خود، اضافه کنید

    فرادرس پیاده‌سازی روش‌های کلاسیک بهینه‌سازی چند هدفه در متلب

    هزینه اصلی: ۸,۶۰۰ تومان

    با تخفیف دانشجویی: ۶,۰۰۰ تومان



    دیدگاه ها

    نظر شما در مورد این فرادرس چیست؟

    *


فرادرس پیاده‌سازی روش‌های کلاسیک بهینه‌سازی چند هدفه در متلب

هزینه اصلی: ۸,۶۰۰ تومان

با تخفیف دانشجویی: ۶,۰۰۰ تومان





فرادرس سهندار نماد اعتماد الکترونیکی فرادرس پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک سامان