فرادرس
هزینه آموزش
۲۰,۰۰۰ تومان

آموزش الگوریتم بهینه سازی فاخته و پیاده سازی آن در MATLAB

آموزش الگوریتم بهینه سازی فاخته و پیاده سازی آن در MATLAB

تعداد دانشجو
۴۳۲ نفر
مدت زمان
۳ ساعت و ۳۶ دقیقه
هزینه آموزش
۲۰,۰۰۰ تومان
محتوای این آموزش
۳ بازخورد (مشاهده نظرات)
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.

مدرس
مهندس منوچهر بابایی

کارشناس ارشد مهندسی کامپیوتر - نرم افزار

مهندس منوچهر بابایی، کارشناس ارشد مهندسی کامپیوتر - نرم افزار با زمینه تحقیقاتی هوش مصنوعی هستند. ایشان سابقه آموزشی زیادی در تدریس دروس دانشگاهی رشته مهندسی کامپیوتر و فناوری اطلاعات دارند و در این زمینه کتاب‌ هایی برای دروس معماری کامپیوتر و ساختمان گسسته تالیف نموده‌اند. ایشان بر زبان‌ های برنامه نویسی سی، سی پلاس پلاس، سی شارپ، جاوا و متلب تسلط داشته و در مراکز آموزشی معتبر در این موضوعات تدریس نموده اند.

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
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

MATLAB R2014a



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

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

راهنمایی بیشتر ( +)

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

تا کنون ۴۳۲ نفر از این آموزش استفاده کرده اند و ۳ نظر ثبت شده است.
امین
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
محمد

آموزش خوبی بود و به نظرم مطالب رو به خوبی انتقال دادند و مفید بود.

مسعود
مسعود

خیلییی آموزش خوبی بود و راضی ام ازش.


برچسب‌ها: Cuckoo optimization | Cuckoo Optimization Algorithm | MATLAB | Metaheuristic | NP-hardness | Objective Function | Particle Swarm Optimization | الگوریتم بهینه سازی | الگوریتم بهینه سازی فاخته | الگوریتم پرندگان | الگوریتم تقریبی | الگوریتم دقیق | الگوریتم ژنتیک | الگوریتم فاخته | الگوریتم های بهینه سازی | الگوریتم های تکاملی | الگوریتم های فرا ابتکاری | الگوریتم های فراابتکاری | بهینه سازی | بهینه سازی تک هدفه | بهینه سازی فاخته | جنبه های مختلف الگوریتم فاخته | فرا ابتکاری | کدنویسی الگوریتم در متلب | محاسبات تکاملی | مسائل بهینه سازی