دانلود آنی
چکیده آموزش
الگوریتم گروه میگوها (krill herd algorithm) که به اختصار KHA نامیده می شود، براساس رفتار توده وار میگوها در پاسخ به بیولوژی و زیست محیطی خاص برای اولین بار در سال ۲۰۱۲ ارائه گردیده است. روش های بهینه سازی متعددی تاکنون ارائه گردیده است اما بسیاری از آن ها در مواجهه با توابع بهینه سازی چالشی مانند تابع اکلی (Ackley Function) در بهینه های محلی متوقف می شوند، در حالی که الگوریتم گروه میگوها به سادگی از بهینه های محلی اجتناب نموده و به بهینه سراسری همگرا می گردد.
در این آموزش، ضمن آموزش گام به گام الگوریتم گروه میگوها (KHA)، تابع هدف اکلی نیز معرفی می گردد و در پایان نحوه کدنویسی آن ها در نرم افزار متلب (MATLAB) توضیح داده شده و نتایج بررسی می شود.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- درس یکم: عملکرد الگوریتم گروه میگوها (KHA)
- مروری بر مبانی و مفاهیم اساسی هوش جمعی
- مبانی تئوری الگوریتم گروه میگوها
- تشریح بخش های مختلف الگوریتم گروه میگوها
- درس دوم: کدنویسی الگوریتم گروه میگوها (KHA) در نرم افزار متلب
- نحوه پیاده سازی الگوریتم KHA در متلب
- بیان ریاضی تابع Ackley Function به عنوان تابع هدف
- پیاده سازی گام به گام الگوریتم KHA در متلب برای بهینه سازی Ackley Function
- نمایش نتایج حاصل از حل مساله
- جمع بندی و نتیجه گیری نهایی
مفید برای رشته های
- مهندسی برق
- مهندسی کامپیوتر
نظر شما در مورد این فرادرس چیست؟