آموزش الگوریتم بهینه سازی فاخته و پیاده سازی آن در MATLAB
چکیده
الگوریتم بهینه سازی فاخته (Cuckoo) یکی از الگوریتم های فراابتکاری مبتنی بر جمعیت و بر مبنای رفتار موجودات است. این الگوریتم بر اساس نحوه تخم گذاری و تولد پرنده فاخته عمل می کند و در مسائل بهینه سازی مختلفی در حوزه: پردازش تصویر، یادگیری ماشین، مهندسی کنترل و… به کار می رود و دارای توانایی بالایی در فرار از بهینه های محلی است. در این فرادرس، جنبه های مختلف الگوریتم فاخته را از نظر تئوری بررسی می کنیم و بعد از کدنویسی الگوریتم در MATLAB، کارایی آن را بر روی چندین تابع محک مهم بررسی می کنیم. دانشجویان در حوزه های مختلف مهندسی و انسانی به خصوص مدیریت و اقتصاد می توانند از این الگوریتم در تحقیقات خود به بهترین نحو استفاده کنند.
چکیده آموزش
توضیحات تکمیلی
در ریاضیات و علوم کامپیوتر مسائل بهینه سازی بخش مهمی از مسائل را تشکیل می دهند که در آن ها هدف یافتن بهترین و دقیق ترین پاسخ از میان پاسخ های متفاوت است. در واقع در یک مساله بهینه سازی هدف محاسبه مقادیر یک سری متغیر است به نحوی که پاسخ نهایی، بهترین مقدار باشد.
الگوریتم های مورد استفاده برای مسائل بهینه سازی به طور عمده به دو دسته الگوریتم های دقیق و تقریبی تقسیم می شوند، الگوریتم های دقیق، بهترین و دقیق ترین پاسخ را برای مساله پیدا می کنند، اما در مورد مسائل NP-hardness از لحاظ پیچیدگی، کارایی زیادی ندارند و با بزرگ شدن ابعاد مساله، زمان اجرا به صورت نمایی افزایش می یابد. از جمله این روش ها می توان روش شاخه و حد را نام برد.
الگوریتم های تقریبی قادر به پیدا نمودن پاسخی نزدیک به بهینه هستند که به نوعی یک توازن بین پیچیدگی اجرایی و مرغوبیت پاسخ به وجود می آورند، البته در بعضی حوزه ها استفاده از روش های کلاسیک و دقیق بسیار سخت است و یا اصلا میسر نیست. با این تفاسیر استفاده از الگوریتم های تقریبی مناسب خواهد بود.
الگوریتم بهینه سازی فاخته (Cuckoo) یکی از الگوریتم های فراابتکاری مبتنی بر جمعیت و بر مبنای رفتار موجودات است. این الگوریتم بر اساس نحوه تخم گذاری و تولد پرنده فاخته عمل می کند و در مسائل بهینه سازی مختلفی در حوزه: پردازش تصویر، یادگیری ماشین، مهندسی کنترل و… به کار می رود و دارای توانایی بالایی در فرار از بهینه های محلی دارد.
در این فرادرس، جنبه های مختلف الگوریتم فاخته را از نظر تئوری بررسی می کنیم و بعد از کدنویسی الگوریتم در MATLAB، کارایی آن را بر روی چندین تابع محک مهم بررسی می کنیم. دانشجویان در حوزه های مختلف مهندسی و انسانی به خصوص مدیریت و اقتصاد می توانند از این الگوریتم در تحقیقات خود به بهترین نحو استفاده کنند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- درس یکم: مقدمه ای بر بهینه سازی
- تعریف مساله بهینه سازی
- دسته بندی مسائل بهینه سازی
- دسته بندی الگوریتم های بهینه سازی
- ساز و کار و ساختار الگوریتم های فراابتکاری
- درس دوم: الگوریتم فاخته
- مبانی تئوری الگوریتم بهینه سازی فاخته
- پیاده سازی الگوریتم در MATLAB
- اجرای الگوریتم بر روی چندین تابع محک مهم
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایش‌ها
پیش‌نمایش ۱:
مقدمه ای بر بهینه سازی
توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۷ مگابایت -- (کلیک کنید +))
پیش‌نمایش ۲:
الگوریتم فاخته
توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۸ مگابایت -- (کلیک کنید +))
راهنمای تهیه آموزش ها
در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
- با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
اطلاعات تکمیلی
| نام آموزش | آموزش الگوریتم بهینه سازی فاخته و پیاده سازی آن در MATLAB |
|---|---|
| ناشر | فرادرس |
| شناسه اثر | ۸–۱۲۴۵۲–۰۶۹۱۱۹ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد) |
| کد آموزش | FVMA96111 |
| مدت زمان | ۳ ساعت و ۳۶ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (کیفیت HD - مورد تایید فنی فرادرس) |
| حجم دانلود | ۲۳۸ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
نظرات
امین
آموزش خیلی خوبی بود و مدرس کاملا مسلط بودند اما خیلی به جزییات پرداخته بودند، که این ی مقدار از حوصله خارج میشد.
محمد
آموزش خوبی بود و به نظرم مطالب رو به خوبی انتقال دادند و مفید بود.
مسعود
خیلییی آموزش خوبی بود و راضی ام ازش.